Gemini推智能体视频理解 Token消耗最高降88%

时间：2026年9月1日 地点：美国加州山景城（Google DeepMind） 人物：Google DeepMind高级产品经理 Rohan Doshi 事件详情： 谷歌于9月1日宣布在最新的 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 模型中，正式推出"智能体视频理解"（Agentic Video Understanding）功能。该功能将模型核心推理与原生视频工具结合，可在视觉帧、音频和转录文本中动态搜索、扫描和检查目标视频片段，不再以固定1 FPS帧率被动读取整段视频。 在标准视频分析基准测试中，搭载智能体视频理解的 Gemini 模型可将分析成本降低最高 66%，Token 消耗量降低最高 88%，同时准确率提升最高 7%。效率提升在长视频场景尤为明显，传统静态处理会让开发者在高 Token 成本和丢失关键细节之间取舍。Google 指出 Gemini 3.7 Flash 搭配智能体视频理解位于准确率与成本的帕累托最优前沿。 新功能解锁四类核心能力：亚秒级时刻检索（精准定位 1 FPS 下容易错过的瞬间状态变化）、长视频"大海捞针"搜索（数小时视频中回答复杂查询）、异常检测（对感兴趣时间窗口以更高帧率重新采样）、动作与物体计数（精准跟踪重复物理动作和不同物体）。 该功能已通过 Google AI Studio 与 Gemini Enterprise Agent Platform 的 Gemini API 正式开放，支持视频上传和 YouTube 视频链接，按标准 Gemini API Token 定价，不额外收取功能费。开发者只需在 API 配置中将 processing 设为 "agentic" 即可启用。 后续几个月，智能体视频理解将接入 Gemini App 与 YouTube 的 Ask YouTube 功能，为消费者带来与视频画面更紧密结合的问答体验。 背景： Gemini 此前的视频处理采用静态采样方式，默认按每秒1帧读取整段视频，长视频场景下开发者不得不在高 Token 成本与丢失关键细节之间二选一。智能体视频理解基于今年 1 月推出的"智能体视觉"（Agentic Vision）能力，将模型推理与代码执行结合，能主动定位图像区域并放大检查。新功能将该模式扩展到视频的帧、音频、转录三种模态，通过智能循环调用内部工具加载相关部分，大幅减少开发工作量。Google 正加速将 Gemini 推向"Agent 化"，本次功能升级延续了 Gemini 3 Flash 12月发布时定下的视觉与空间推理路线图。 影响： 1. 长视频类应用（视频审核、安防回溯、赛事集锦、课程检索）成本将大幅下降，过去因算不过账而搁置的需求有望加速落地。 2. Gemini API 按 Token 计费，结合 Gemini 3.7 Flash 首发价较 3.6 Flash 砍半，本次"更低成本+更高准确率"组合拳对 Anthropic、OpenAI 视频模型形成竞争压力。 3. 模型层正在吃掉 Agent 框架层的工具链，视频 Agent 中间件创业公司面临平台化挤压。 总结： Google 通过"智能体视频理解"将 Gemini 的视频处理从被动抽帧升级为主动检索，Token 消耗最高降 88% 的同时准确率提升 7%，重新定义了长视频场景的成本基准，并将 AI Agent 生态进一步推向基础设施层。 参考来源： 1. The Decoder（英文）：https://the-decoder.com/google-geminis-new-agent-based-video-analysis-cuts-token-usage-by-up-to-88-percent/ 2. IT之家（中文）：https://www.ithome.com/0/997/190.htm 3. AlphaSignal（英文）：https://alphasignal.ai/news/google-deepmind-s-gemini-3-7-flash-cuts-video-analysis-costs-by-66 4. Agentic Tribune（英文）：https://agentictribune.com/article/20260901-google-rolls-out-agentic-video-understanding-in-gemini-flash-to-cut-token-use-and-costs 5. BlockBeats（中文）：https://www.theblockbeats.info/flash/364831 6. Cyber Corsairs（英文）：https://cybercorsairs.com/gemini-learns-to-search-inside-your-videos 7. Vitalii（英文）：https://vitalii.no/news/google-launches-agentic-video-analysis-for-gemini-dbac60c7 8. Turing Wire（英文）：https://turingwire.com/post/2026/09/01/google-deepmind-launches-agentic-video-understanding-with-ge