Google представила agentic video understanding — режим анализа видео для Gemini API. Он рассчитан прежде всего на разработчиков: модель не просматривает ролик одинаково по всей длине, а сама выбирает фрагменты и источники сигнала, нужные для ответа.
Что изменилось
В обычном статическом сценарии видео разбирается с фиксированной частотой кадров. Новый режим объединяет рассуждение модели с нативными инструментами видео: Gemini может искать нужный момент, повторно изучать короткий участок, сопоставлять кадры, звук и расшифровку. По данным Google, в тестах это сократило расход токенов до 88%, стоимость анализа — до 66%, а точность выросла до 7%. Это результаты бенчмарков Google, а не гарантия для любого ролика или задачи.
Для каких моделей и где доступно
На момент анонса функция доступна для Gemini 3.7 Flash, Gemini 3.6 Flash и Gemini 3.5 Flash-Lite через Gemini API в Google AI Studio и Gemini Enterprise Agent Platform. В документации Gemini API также описаны режимы обработки и поддерживаемые способы передачи видео.
Практические сценарии
- поиск конкретного момента в длинной лекции, интервью или записи встречи;
- анализ быстрых событий, где одного кадра в секунду недостаточно;
- подсчёт повторяющихся действий или объектов;
- поиск аномалий в видеопотоке.
Что важно учитывать
Это API-возможность, а не отдельная кнопка для всех пользователей приложения Gemini. Результат зависит от качества исходного видео, запроса и выбранной модели. Перед запуском в рабочем продукте стоит сверить актуальные лимиты и цены в документации.
Как начать
Разработчику нужно выбрать поддерживаемую Flash-модель, передать видео или ссылку YouTube и включить режим agentic. Для общего знакомства с возможностями сервиса смотрите наше руководство по Gemini.
Источники: официальный анонс Google от 1 сентября 2026 года и документация Gemini API.
