Gemini 推出 Agentic Video Understanding
Scobleizer · x · 2026-09-02
Google 在 Gemini 1.5 Flash、1.5 Flash-8B 和 1.5 Flash-Lite 中推出 Agentic Video Understanding（智能体视频理解）。
该技术允许模型动态决定观看内容、速度及信号来源（帧、音频或文本），而非固定采样率。官方数据显示，这带来了约 88% 的 Token 减少、66% 的成本降低以及 7% 的精度提升。
功能现已通过 Gemini API 提供，并将集成至 Gemini App 和 YouTube 的“Ask YouTube”体验中。
所属事件:Gemini 推出 Agentic Video：Token 省 88%、成本降 66%(31 条相关)→
「多模态」频道最新
- Reddit 用户吐槽 Flux 3 文生图完全做不出真实人脸 — EstablishmentFun6629 · 2026-10-18
- 实测 MiniMax H3 参考生视频:3 张参考图+人声,15 秒成片 1088p — michael_goldenhour · 2026-10-18
- 开发者用 Qwen 做全本地 3D 高清纹理生成工具，拟定价 5 美元出售 — TinfoilTricorn · 2026-10-18
- 14 个 Agent 在单卡 5090 上做 AI 电影:按反馈修复剪跳与配音缺陷 — developervkmp · 2026-10-18
- 4MP 文生图横评:Qwen Image 2.1 Turbo 对决 MOSS、Krea、Flux 3 Klein — FORNAX_460 · 2026-10-18
- Higgsfield 视频模型实测被质疑：只是让模型写扩散提示词，无法反映编码能力 — teortaxesTex · 2026-10-18