Google lança compreensão de vídeo orientada por agentes para modelos Gemini

A Google introduziu a compreensão de vídeo orientada por agentes para seus modelos Gemini 3.7 Flash, 3.6 Flash e 3.5 Flash-Lite, aprimorando a eficiência e a precisão da análise de vídeo. A funcionalidade permite que os modelos escaneiem dinamicamente segmentos de vídeo, reduzindo o consumo de tokens em até 88% e os custos em até 66%, ao mesmo tempo em que aumenta a precisão em até 7%. Disponível hoje através da API Gemini no Google AI Studio e da plataforma Gemini Enterprise Agent, a compreensão de vídeo orientada por agentes utiliza ferramentas de vídeo nativas para melhorar o desempenho e desbloquear capacidades como recuperação de momentos em frações de segundo e contagem precisa. Ao contrário do processamento estático, que utiliza uma taxa de quadros fixa, a compreensão de vídeo orientada por agentes permite que os modelos determinem ativamente o que assistir, a que velocidade e através de qual modalidade, reduzindo significativamente a sobrecarga de desenvolvimento. Parceiros de acesso antecipado relataram um desempenho forte, com o Gemini 3.7 Flash posicionado na fronteira Pareto de precisão para análise de vídeo. A funcionalidade será lançada em breve para todos os usuários do aplicativo Gemini e alimentará o recurso 'Pergunte ao YouTube' do YouTube, fornecendo respostas de maior qualidade baseadas em visuais.