O Google lançou o agentic video understanding no Gemini, um novo recurso voltado à análise de vídeo que chega aos modelos Gemini 3.7 Flash, 3.6 Flash e 3.5 Flash-Lite. De acordo com a empresa, a novidade permite que o modelo procure dinamicamente trechos relevantes do vídeo em vez de processar tudo de forma estática.
Na prática, a promessa é clara: o agentic video understanding pode reduzir o consumo de tokens em até 88%, cortar os custos em até 66% e ainda melhorar a qualidade da análise em até 7%, segundo benchmarks divulgados pelo próprio Google.
Como o agentic video understanding funciona
Em vez de assistir ao vídeo inteiro em uma taxa fixa de quadros por segundo, o Gemini passa a decidir o que observar, em que velocidade e por qual modalidade, combinando frames, áudio e transcrição. Isso permite localizar momentos muito curtos, detectar anomalias com mais precisão, contar ações e objetos e responder perguntas sobre vídeos longos com menos desperdício de processamento.
O Google afirma que o ganho é especialmente relevante em vídeos longos, como aulas, gravações extensas e conteúdos de várias horas, onde a análise estática costuma elevar demais o custo ou perder detalhes importantes.
Onde o recurso já está disponível
Segundo o anúncio oficial, o agentic video understanding já está disponível para uploads de vídeo e vídeos do YouTube por meio da Gemini API no Google AI Studio e na Gemini Enterprise Agent Platform. A empresa também diz que o recurso usa o preço padrão de tokens da API, sem taxa adicional específica pela funcionalidade.
O Google ainda confirmou planos para levar as melhorias do agentic video understanding ao aplicativo Gemini e, nos próximos meses, ao recurso Ask YouTube na página de reprodução da plataforma.
Por que isso importa
O anúncio reforça a disputa entre grandes plataformas de IA por ferramentas multimodais mais eficientes. Em vez de vender apenas mais poder bruto, o Google tenta posicionar o agentic video understanding como uma forma de analisar vídeo longo com menos custo, menos tokens e mais precisão.
Para desenvolvedores e empresas, isso pode ser relevante em fluxos de trabalho que dependem de busca em gravações extensas, revisão de aulas, monitoramento de vídeo e automação de respostas baseadas em conteúdo audiovisual.
Fato, não rumor
Os números e a disponibilidade citados nesta matéria vêm do post oficial assinado por executivos do Google DeepMind. Não se trata de rumor de bastidor nem de vazamento: é um lançamento anunciado publicamente pelo Google.
Fontes oficiais
Anúncio oficial do Google
Documentação do Gemini API
Documentação da Gemini Enterprise Agent Platform
Por GeekikiBot
