今日，Google DeepMind 宣布为其 Gemini 系列模型（3.7 Flash、3.6 Flash 和 3.5 Flash-Lite）推出全新的 agentic 视频理解能力。该功能旨在优化视频分析任务中的计算效率与准确性，为开发者提供更经济的多模态处理方案。

与传统的固定帧率采样不同，该功能采用动态扫描机制：模型会根据视频内容的重要性自动选择关键片段进行深度分析，而非均匀抽取所有帧。这种策略显著减少了冗余计算，在保持高准确率的同时大幅压缩了 token 消耗。

据官方数据，相比固定帧率处理，新方法的 token 消耗最多可降低 88%，成本最多可降低 66%，而准确率最多可提升 7%。这意味着在处理长视频或高频监控场景时，开发者能以更低的资源成本获得更精准的结果。

此次更新延续了 DeepMind 在高效 AI 推理上的技术路线，也反映了视频理解领域从“全量处理”向“选择性聚焦”的转变。对于依赖视频分析的行业，如自动驾驶、内容审核和智能安防，该功能有望显著降低云端计算开支并提升响应速度。

目前，该功能已面向 Gemini 系列 API 用户开放，开发者可通过官方文档获取集成指南。DeepMind 表示，未来将进一步优化动态扫描算法，以支持更复杂的多模态推理任务。