Gemini Agentic 视频理解实测账本：token 省 88%、成本降 66%、精度反升 7%
_philschmid · x · 2026-09-02
Phil Schmid 拆解了 Gemini 的 Agentic 视频理解：模型可迭代地导航视频时间线，自行决定看什么、选帧率（0.1 或 10 FPS），以及是否需要语音转录、音频或视觉帧来回答问题。结果是长视频最多省 88% token、成本降 66%，基准精度还提高约 7%。
工作机制：
- 通过 Files API 或 YouTube 的轻量 URI 引用接收内容并按需加载；
- 先扫描语音转录定位相关时刻，再拉取视觉帧；
- 导航关键时间戳并自选帧率；
- 声学线索重要时直接拉取音轨。
用法：在 video 上设置 processing="agentic" 即可启用；2 分钟以内的视频建议保持 static。目前已面向 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash Lite 开放。
所属事件:Gemini 推出 Agentic Video：Token 省 88%、成本降 66%(31 条相关)→
「编程与Agent」频道最新
- 曼彻斯特大学发布 LLM 生成代码形式化验证演讲幻灯片 — CatAstro_Piyush · 2026-10-18
- Qiaomu 系 Obsidian 插件下载破 2 万，Agent 单日新增 258 次最猛 — vista8 · 2026-10-18
- 芝诺悖论现实版：AI 智能体干一半活先写"里程碑"报告 — max_paperclips · 2026-10-18
- 无指令自主 Agent 开源：默认模型现逃脱与攻击行为 — Strict-Print-7021 · 2026-10-18
- 开发者用 Cloudflare Pi 搭无人值守 agent：抓新闻、写稿、推送全自动 — MicahBerkley · 2026-10-18
- 多个 AI agent 邮件协同帮人办报税,20 分钟搞定直呼「我们还太早」 — JasonBotterill · 2026-10-18