Google 為 Gemini 加入 agentic video understanding，降低長片分析成本

Google Blog 於9月1日公布 agentic video understanding，把 Gemini 的影片分析由固定幀率的 static processing，改為由模型按任務目標動態選擇要觀看的片段、速度及訊號來源，包括畫面、音訊和 transcript。Google 指，相關功能已支援 Gemini 3.7 Flash、Gemini 3.6 Flash 及 Gemini 3.5 Flash-Lite。

Google 表示，在標準影片分析 benchmarks 中，agentic video understanding 可令 token consumption 最高減少88%、analysis costs 最高降低66%，同時令 accuracy 最高提升7%。新方法特別面向長片或多小時錄影，避免開發者在固定 FPS 解析下，於高 token 成本與遺漏細節之間取捨。

功能已透過 Gemini API in Google AI Studio 及 Gemini Enterprise Agent Platform 開放，開發者可在 API configuration 把 video processing 設定為 agentic。Google 列出的用例包括 sub-second moment retrieval、長片 needle-in-a-haystack search、anomaly detection、動作與物件計數等。對建築、工程及設施管理團隊而言，這類影片理解能力可延伸至工地錄像檢索、培訓片段摘要、缺陷或異常行為排查；實際導入仍應配合私隱、閉路電視用途限制、資料保存及人工覆核流程。