Sakhanda Wire
NVDA $153.32 -1.81% MSFT $505.84 -2.35% GOOGL $280.31 -1.20% META $621.44 -0.79% AMZN $257.31 -0.17%
← До новин

Google додала агентне розуміння відео до моделей Gemini Flash

Google представила агентне розуміння відео для моделей Gemini Flash. Замість обробки всього запису з фіксованою частотою один кадр на секунду Gemini може самостійно визначати потрібні сегменти, частоту перегляду та тип даних — кадри, аудіо або транскрипти. Модель завантажує лише матеріал, необхідний для конкретного запиту.

За даними Google, на стандартних тестах роботи з відео це дає змогу скоротити кількість токенів до 88%, витрати — до 66%, а підвищити точність — до 7%. Найбільший ефект спостерігається на довгих матеріалах, зокрема навчальних відео та записах тривалістю кілька годин. Статична обробка залишається режимом за замовчуванням і, за описом, краще підходить для роликів менш ніж на п’ять хвилин та завдань із покадровою точністю.

Функція доступна лише як розміщений API-сервіс у Google AI Studio та Gemini Enterprise Agent Platform. Підтримуються завантажені файли й публічні URL-адреси YouTube; відкритих ваг і можливості самостійного розгортання немає. Діють стандартні тарифи Gemini API без додаткової плати. Режим вмикається одним полем і підтримується в Gemini 3.8, 3.7, 3.6 Flash та 3.5 Flash-Lite. Відповіді API показують виклики й результати обробки, а міркування та завантажені медіадані обліковуються окремо.

Текст підготовлено ШІ Sakhanda Wire за матеріалом MarkTechPost. Факти, цитати та повний контекст — в оригінальній статті нижче.

Вперше опубліковано виданням MarkTechPost

Читати оригінал на MarkTechPost ↗

Репортаж і зображення належать MarkTechPost і зазначені вище з посиланням на оригінал; текст на цій сторінці — власний виклад Sakhanda Wire.

← До новин

Ще новини

Усі останні новини