Google宣布在Gemini API中推出“代理式视频理解”（agentic video understanding），支持Gemini 3.7 Flash、3.6 Flash与3.5 Flash-Lite，面向上传视频和YouTube视频的分析场景开放。

Google于9月1日发布的官方公告称，这项能力不再只按固定帧率处理整段视频，而是让模型根据问题动态决定检查哪些时间片段、以何种速度查看，以及优先使用画面、音频还是转录文本等信号。

官方列出的应用包括亚秒级片段检索、长视频中的目标信息查找、异常检测，以及连续动作或物体计数。对于时长较长的课程、录制内容或多小时视频，这种按需取样的方式试图减少固定采样带来的细节遗漏或令牌开销。

Google表示，在其所引用的标准视频分析基准测试中，启用该功能后，令牌消耗最高可减少88%、分析成本最高可降低66%、准确率最高提高7%。这些为官方基准结果，具体表现仍会受模型、视频内容、任务设定与实际调用方式影响。

开发者可在Gemini API的配置中将处理方式设为agentic启用该能力，定价沿用标准Gemini API令牌计费，Google称不另收功能费用。对于需要核查复杂视频内容的应用，输出结果仍应结合原始视频和业务规则进行验证。

消息来源：Google官方博客《Introducing agentic video understanding with Gemini》，2026年9月1日。来源链接：https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-agentic-video-in-gemini/