Gemini 推出智能体视频理解，Token 消耗最高降 88%
9 月 2 日，Google DeepMind 宣布为最新 Gemini 模型与 Gemini API 引入「智能体视频理解」能力：模型不再以固定方式处理整段视频，而是根据 prompt 动态决定观看哪些内容、以何种速度（自适应帧率）以及结合哪些信号（转写文本、音频、帧内容）进行分析，在保持视频理解 SOTA 表现的同时显著降低开销。
已确认
- 官方数据显示，该功能可将视频分析成本降低最高 66%，Token 消耗减少最高 88%，准确率提升最高 7%（@rseroter、@patloeber 等转述）。
- @OfficialLoganK 介绍，该功能以「Agentic Video」之名落地于 Gemini API，可在 API 中轻松控制，并已支持 3.7 Flash 等模型；Google 同日发布官方博客文章详解该长视频处理新方式。
- @gaganghotra 补充适用模型口径：Google Cloud 宣布该功能覆盖 Gemini 3.7 Flash、3.6 Flash 与 3.5 Flash-Lite。
- @osanseviero 转述了工作机制：不再固定花 20 万 token 处理长视频，而是智能调用工具（分析转写文本、自适应调整 FPS 等），token 消耗减少 88%，延迟也得到改善；官方同步发布了开发者指南帮助快速上手。
- @AIAndrew（转发）补充 API 用法细节：将 Video processing 模式设为 "agentic" 后即可启用，原生视频工具可智能导航时间轴、查看转录稿并调整帧率。
尚未确认
- 帖子中同时出现「Gemini 1.5 Flash / 1.5 Flash-8B / 1.5 Flash-Lite」（@Scobleizer 转发转述）与「Gemini 3.7 Flash / 3.6 Flash / 3.5 Flash-Lite」（@gaganghotra、@SabooShubham、@OfficialLoganK）两种模型口径，官方首发与适用模型版本以 @GoogleDeepMind 官方公告为准。
为什么重要
- 视频是多模态应用中 Token 消耗最大的形态之一，接近九成的 Token 节省意味着长视频理解类智能体与视频原生 AI 产品的可行性和经济性显著提升，配合 API 级开关和开发指南，开发者可以低成本快速接入这一能力。
2026-09-02 ~ 2026-09-02 · 14 条相关
一手来源
- Gemini 新增智能体视频理解：Token 消耗降 88% — GoogleDeepMind ·
- Gemini API 推出 Agentic Video，降本 88% 提质 — OfficialLoganK ·
- Gemini 支持智能体式视频理解：token 消耗降低 88% — osanseviero ·
- Google 发布 Gemini 3.7 Flash：视频理解成本更低精度更高 — Saboo_Shubham_ · 2026-09-02
- Gemini 3.7 Flash 上线 Agentic Video：更少 token、更高精度 — Saboo_Shubham_ · 2026-09-02
- Gemini 代理视频理解降本 66%，Token 消耗减 88% — rseroter · 2026-09-02
- 【源头】Gemini 新增智能体视频理解：Token 消耗降 88% — GoogleDeepMind · 2026-09-02
- Gemini 推出 Agentic Video Understanding — Scobleizer · 2026-09-02
- 【源头】Gemini 支持智能体式视频理解：token 消耗降低 88% — osanseviero · 2026-09-02
- Gemini 智能体式视频理解上线，开发者指南已发布 — osanseviero · 2026-09-02
- 【源头】Gemini API 推出 Agentic Video，降本 88% 提质 — OfficialLoganK · 2026-09-02
- Google 博客详解 Agentic Video：长视频处理技术 — OfficialLoganK · 2026-09-02
- Gemini 推出代理式视频理解，Token 降 88% — AI_Andrew · 2026-09-02
- 谷歌推出 Agentic Video：Gemini 视频理解 token 省最多 88%、成本降 66% — gaganghotra_ · 2026-09-02
另有 3 条近重复转述:haider1 · patloeber · gaganghotra_