Gemini Video Understanding reduziert die Kosten um 88 %. Wie funktioniert dieser „On-Demand-Abruf“-Mechanismus?

Ursprünglicher Autor：智用AI

Originalquelle：https://www.youtube.com/embed/apmP2Nz4U_0

Durch die Demontage des auf Agentic und FPS basierenden On-Demand-Videoverständnismechanismus von Gemini wird der Token-Verbrauch für lange Videoanalysen um 88 % reduziert und die API unterstützt YouTube-Links und Datei-Uploads. Google hat gerade die Agentic-Videoverständnisfunktion für die Modelle der Gemini Flash-Serie eingeführt, die den Wandel in der Video-KI-Verarbeitung von „vollständiger Voreinspeisung“ zu „On-Demand-Abrufschleife“ markiert. Wenn Modelle früher lange Videos verarbeiteten, erfassten sie blind alle Daten mit einer festen Bildrate, was dazu führte, dass die Kosten außer Kontrolle gerieten und Details leicht übersehen wurden. Gemini kann jetzt wie ein Agent autonom durch Videos navigieren und bei Bedarf Keyframes, Audio und transkribierten Text lesen. In einer langen Videoanalyse reduzierte diese Architektur den Token-Verbrauch um 88 % und die Kosten um 66 %. Für Video-Anwender bedeutet dies, dass sie nicht mehr mit hohen Rechnungen oder dem Verlust fragmentierter Informationen rechnen müssen, wenn sie stundenlanges Filmmaterial oder lange Besprechungsprotokolle bearbeiten. Diese Funktion ist derzeit über die Gemini-API verfügbar und unterstützt Datei-Uploads und YouTube-Links. In diesem Artikel wird die API-Interaktionslogik dieser dynamischen Schleife analysiert und erläutert, unter welchen Umständen sie nicht so effizient ist wie die herkömmliche statische Verarbeitung, um Ihnen dabei zu helfen, genaue Entscheidungen zu treffen. #Gemini #视频ANALYSE#AgenticAI #Big-Model-Effizienz#GeminiFlash Wenn diese Art der zugrunde liegenden Demontage für Sie nützlich ist, abonnieren Sie + öffnen Sie die kleine Glocke, und das neue Update wird Ihnen so schnell wie möglich zugestellt. ⏱ Kapitel 00:00 Warum verwenden Sie bei der Verarbeitung eines 90-minütigen Videos immer noch 1 FPS, um alle Token zu verschlingen? 00:15 Der Effizienzengpass der statischen 1-FPS-Verarbeitung des herkömmlichen Modells wurde behoben. 00:26 Die neuen Funktionen der von Google eingeführten Gemini Flash-Serie. 00:53 Das Modell wird bei Bedarf über den Denk-Aktion-Beobachtungs-Zyklus abgerufen. 01:09 Der Token-Verbrauch wird um bis zu 88 % und die Kosten um 66 % reduziert. 01:24 Die Standard-Video-Benchmark-Genauigkeit wird um bis zu 7 % erhöht. 01:38 Navigationsinferenz ist wird in Gedankentokens gezählt und geladener Inhalt wird in der Tool-Nutzung gezählt 01:53 Nahtlose Aktivierung in der API durch Festlegen des Verarbeitungsfelds 02:10 Kurze Videos und Szenarien mit geringer Latenz sind nicht anwendbar und es gibt mehrere Runden von Interaktionsverzögerungen 02:30 Die Community erkennt die Inferenzgeschwindigkeit, aber die Preise für Beschwerden steigen weiter 02:45 Es gibt kein Open-Source-Gewicht und es ist nur für verwaltete APIs verfügbar 03:00 Die beste Lösung für Stundenlange Konferenzvorträge und Online-Unterrichtsaufzeichnungen 03:14 Eine Liste zur Vermeidung von Fallstricken und eine Auswahlliste, die Sie unbedingt sehen sollten, bevor Sie in den Bus steigen 🔗 Ressourcen · Originaltext: https://www.marktechpost.com/2026/09/04/google-agentic-video-understanding-gemini-flash-models/ 🔎 Wählen Sie weiter aus diesem Video aus: https://zhiyong.dev/y/apmP2Nz4U_0 --- 🔎 Verwandte KI-Tools, Modelle und Anwendungen: https://zhiyong.dev