La compréhension vidéo Gemini réduit les coûts de 88 %. Comment fonctionne ce mécanisme de « récupération à la demande » ?

Auteur original：智用AI

Source originale：https://www.youtube.com/embed/apmP2Nz4U_0

En démantelant le mécanisme de compréhension des vidéos à la demande de Gemini basé sur Agentic et FPS, la consommation de jetons d'analyse vidéo longue est réduite de 88 % et l'API prend en charge les liens YouTube et les téléchargements de fichiers. Google vient de lancer la fonction Agentic de compréhension vidéo pour les modèles de la série Gemini Flash, qui marque le passage du traitement de l'IA vidéo de la « pré-alimentation complète » à la « boucle de récupération à la demande ». Auparavant, lorsque les modèles traitaient de longues vidéos, ils assimilaient aveuglément toutes les données à une fréquence d'images fixe, ce qui entraînait une perte de contrôle des coûts et une perte facile des détails. Gemini peut désormais naviguer de manière autonome dans la vidéo comme un agent, en lisant les images clés, l'audio et le texte transcrit à la demande. En analyse vidéo longue, cette architecture a réduit la consommation de jetons de 88 % et le coût de 66 %. Pour les professionnels de la vidéo, cela signifie que vous n'avez plus à faire face à des factures élevées ou à la perte d'informations fragmentées lorsqu'il s'agit de traiter des heures d'images ou de longues minutes de réunion. Cette fonctionnalité est actuellement disponible via l'API Gemini, prenant en charge les téléchargements de fichiers et les liens YouTube. Cet article démontera la logique d'interaction API de cette boucle dynamique et dans quelles circonstances elle n'est pas aussi efficace que le traitement statique traditionnel, pour vous aider à prendre des décisions précises. #Gemini #视频ANALYSIS#AgenticAI #big model efficient#GeminiFlash Si ce genre de démontage sous-jacent vous est utile, abonnez-vous + ouvrez la petite cloche, et la nouvelle mise à jour vous sera livrée dans les plus brefs délais. ⏱ Chapitre 00:00 Lors du traitement d'une vidéo de 90 minutes, pourquoi utilisez-vous toujours 1 FPS pour avaler tous les jetons ? 00:15 Le goulot d'étranglement d'efficacité du modèle traditionnel a été corrigé pour le traitement statique à 1 FPS 00:26 Les nouvelles capacités de la série Gemini Flash lancées par Google 00:53 Le modèle est récupéré à la demande via le cycle réflexion-action-observation 01:09 La consommation de jetons est réduite jusqu'à 88 % et le coût est réduit de 66 % 01:24 La précision du benchmark vidéo standard est augmentée jusqu'à 7 % 01:38 L'inférence de navigation est prise en compte dans les jetons de pensée et le contenu chargé sont pris en compte dans l'utilisation de l'outil 01:53 Activation transparente dans l'API en définissant le champ de traitement 02:10 Les courtes vidéos et les scénarios à faible latence ne sont pas applicables et il y a plusieurs cycles de retards d'interaction 02:30 La communauté reconnaît la vitesse d'inférence mais le prix des plaintes continue d'augmenter 02:45 Il n'y a pas de poids open source et il n'est disponible que pour les API gérées 03:00 La meilleure solution pour les conférences de plusieurs heures et enregistrements de cours en ligne 03:14 Une liste de sélection et d'évitement des pièges à ne pas manquer avant de monter dans le bus 🔗 Ressources · Texte original : https://www.marktechpost.com/2026/09/04/google-agentic-video-understanding-gemini-flash-models/ 🔎 Continuez à sélectionner à partir de cette vidéo : https://zhiyong.dev/y/apmP2Nz4U_0 --- 🔎 IA associée outils, modèles et applications : https://zhiyong.dev