Google lanza la comprensión de vídeo basada en agentes para los modelos Gemini

Google ha introducido la comprensión de vídeo basada en agentes para sus modelos Gemini 3.7 Flash, 3.6 Flash y 3.5 Flash-Lite, mejorando la eficiencia y la precisión del análisis de vídeo. La función permite a los modelos escanear dinámicamente segmentos de vídeo, reduciendo el consumo de tokens hasta en un 88 % y los costes hasta en un 66 %, al tiempo que mejora la precisión hasta en un 7 %. Disponible hoy a través de la API de Gemini en Google AI Studio y la plataforma Gemini Enterprise Agent, la comprensión de vídeo basada en agentes aprovecha las herramientas de vídeo nativas para mejorar el rendimiento y desbloquear capacidades como la recuperación de momentos de fracciones de segundo y el conteo preciso. A diferencia del procesamiento estático, que utiliza una velocidad de fotogramas fija, la comprensión de vídeo basada en agentes permite a los modelos determinar activamente qué ver, a qué velocidad y a través de qué modalidad, reduciendo significativamente la sobrecarga de desarrollo. Los primeros usuarios informaron de un buen rendimiento, con Gemini 3.7 Flash situado en el límite de Pareto de precisión a coste para el análisis de vídeo. La función se lanzará pronto a todos los usuarios de la aplicación Gemini y potenciará la función «Pregunta a YouTube» de YouTube, proporcionando respuestas de mayor calidad basadas en los contenidos visuales.