A Google disponibilizou o recurso “agentic video understanding” para os modelos Gemini 3.7 Flash, 3.6 Flash e 3.5 Flash-Lite. Em vez de processar o vídeo do início ao fim a uma taxa de quadros fixa, o sistema faz buscas dinâmicas entre quadros visuais, áudio e transcrições, analisando apenas as partes necessárias. Esse método aumenta a precisão da análise, reduzindo o consumo de tokens em até 88% e os custos em até 66%, além de proporcionar um aumento de até 7% na precisão.
O recurso oferece capacidades como a localização de momentos inferiores a um segundo, uma detecção de anomalias mais precisa e contagens exatas. O objetivo é aumentar a eficiência especialmente em vídeos longos, que vão de guias de 10 minutos a aulas de 90 minutos e gravações de várias horas. Entre os modelos compatíveis, o Gemini 3.7 Flash apresenta os melhores resultados em termos de qualidade geral e equilíbrio entre qualidade e custo.
No processamento estático atual, o modelo analisa o vídeo por padrão a uma taxa de 1 quadro por segundo; essa taxa pode ser alterada por meio da API. Na abordagem agentic, o modelo decide por conta própria o que assistir, em qual velocidade e por qual canal, carregando a parte relevante do vídeo com uma ferramenta interna. Assim, diminui a necessidade de os desenvolvedores configurarem manualmente essas operações. O sistema pode analisar novamente movimentos rápidos com diferentes taxas de quadros e encontrar informações específicas nos vídeos usando menos tokens.
O recurso pode ser utilizado para uploads de vídeos e vídeos do YouTube por meio da Gemini API no Google AI Studio e na Gemini Enterprise Agent Platform. Para ativá-lo, é necessário definir o tipo de processamento como “agentic” na configuração da API; aplica-se a precificação padrão de tokens da Gemini API, sem cobrança adicional pelo recurso.
A Google disponibilizará em breve melhorias de eficiência e qualidade para todos os usuários que utilizam os modelos Flash e Flash-Lite no aplicativo Gemini. Nos próximos meses, a tecnologia também será integrada ao recurso “Ask YouTube”, na página de exibição do YouTube.
Por que isso é importante
Essa mudança reduz a carga técnica do processo de análise para desenvolvedores que trabalham com longos arquivos de vídeo; ao permitir que o modelo determine qual seção e canal de dados deve examinar, ela limita a necessidade de criar lógicas de varredura personalizadas. O menor uso de tokens e custo pode facilitar a realização de buscas detalhadas, contagens e análises de anomalias em gravações que duram várias horas dentro da precificação atual da API. No entanto, para aproveitar o recurso, os desenvolvedores precisam selecionar separadamente o tipo de processamento como agentic na configuração da API; por isso, o fluxo padrão de processamento de vídeo não muda automaticamente. Por enquanto, o acesso parece estar limitado ao Google AI Studio e à Gemini Enterprise Agent Platform por meio da API, enquanto não está claro quando será concluída a expansão anunciada para o uso no aplicativo Gemini e no YouTube.
Termo: taxa de quadros
Taxa de quadros é o número de imagens desenhadas por segundo; quanto maior ela for, mais fluido o movimento parecerá.