Разбирать длинное видео стало дешевле: Gemini тратит на 88% меньше токенов

Google перевела разбор длинного видео из режима «нарежь всё на кадры» в режим «найди нужное место». Модель сама листает ролик и тратит токены только на то, что смотрит.

Как включить. В запросе к Gemini у видео-инпута ставится поле «processing» со значением «agentic». По умолчанию видео идёт по-старому: кадр в секунду и около 100 токенов на каждую секунду ролика при обычном разрешении, 300 при высоком. Режим работает на Gemini 3.7 Flash, 3.6 Flash и 3.5 Flash-Lite, лучшее качество Google обещает на 3.7 Flash. Отдельной платы нет, считаются обычные токены API.

Что показали замеры. Цифры сняты на тестах 1H-VideoQA и LVBench, точность на длинных роликах Google называет «высокие 80-е». На Minerva прибавка 7 процентных пунктов точности при экономии 58% токенов.

В API режим доступен сразу, и для загруженных файлов, и для ссылок на YouTube. Потолок на моделях с окном в миллион токенов: три часа видео при обычном разрешении или час при высоком. Ролики короче пяти минут выигрыша не дают, навигация там может замедлить первый ответ.

В приложении Gemini и в «Ask YouTube» агентный разбор обещают в ближайшие месяцы.