Gemini 推出 Agentic Video：长视频理解省 88% token 还更准

davidstutz92 · x · 2026-09-04

Google DeepMind 官方（Logan Kilpatrick）宣布 Gemini API 推出 Agentic Video 长视频处理方式：token 消耗最高降低 88%，同时质量反而提升，可在 API 中按视频粒度控制，已支持 3.7 Flash 等最新模型。第三方转述称其在长视频推理基准 Minerva 上准确率提升 5.3 个百分点，且只用了 42% 的 token 成本。相关评测基于 DeepMind 开源的 Minerva 数据集集合，其中 Minerva-cultural 包含 540 个文化多语种视频、约 2200 条专家人工撰写问答对，专门测试 Video-LLM 的跨文化长视频推理能力。