Gemini のビデオ理解により、コストが 88% 削減されます。この「オンデマンド取得」メカニズムはどのように機能するのでしょうか?

原作者：智用AI

オリジナルソース：https://www.youtube.com/embed/apmP2Nz4U_0

Agentic と FPS に基づいた Gemini のオンデマンドビデオ理解メカニズムを解体することにより、長時間ビデオ分析トークンの消費が 88% 削減され、API は YouTube リンクとファイルのアップロードをサポートします。 Google は、Gemini Flash シリーズ モデル向けに Agentic ビデオ理解機能を開始しました。これは、ビデオ AI 処理が「完全な事前フィード」から「オンデマンド検索ループ」への移行を示すものです。以前は、モデルが長いビデオを処理する場合、すべてのデータを固定フレーム レートで盲目的に取り込んでいたため、コストが制御不能になり、詳細が見逃されやすくなってしまいました。 Gemini は、エージェントのようにビデオを自律的に操作し、キーフレーム、音声、転写されたテキストをオンデマンドで読み取ることができるようになりました。長いビデオ分析では、このアーキテクチャによりトークンの消費量が 88%、コストが 66% 削減されました。ビデオの専門家にとって、これは、何時間もの映像や長時間の会議を扱う際に、高額な請求や断片的な情報の損失に直面する必要がなくなることを意味します。この機能は現在、Gemini API を通じて利用でき、ファイルのアップロードと YouTube リンクをサポートしています。この記事では、正確な意思決定に役立つように、この動的ループの API インタラクション ロジックを分解し、どのような状況で従来の静的処理ほど効率的ではないかを説明します。 #Gemini #ビデオ分析 #AgenticAI #大きなモデルの効率 #GeminiFlash この種の基本的な逆アセンブリが役立つ場合は、購読して小さなベルを開くと、新しいアップデートができるだけ早く配信されます。 ⏱ 章 00:00 90 分のビデオを処理するときに、すべてのトークンを飲み込むのに 1 FPS を使用するのはなぜですか? 00:15 従来のモデルの効率のボトルネックは 1 FPS の静的処理で修正されました 00:26 Google が発表した Gemini Flash シリーズの新機能 00:53 モデルは思考、アクション、観察のサイクルを通じてオンデマンドで取得されます 01:09 トークン消費量が最大 88% 削減され、コストが 66% 削減されます 01:24 標準ビデオ ベンチマークの精度が最大 7% 向上します 01:38 ナビゲーション推論は思考トークンとしてカウントされ、ロードされたコンテンツはツール使用としてカウントされます 01:53 処理フィールドを設定することで API でシームレスに有効になります 02:10 短いビデオと低遅延のシナリオは適用できず、インタラクションの遅延が複数回発生します 02:30 コミュニティは推論速度を認識していますが、苦情の価格は上昇し続けています 02:45 オープンソースの重みはなく、マネージド API でのみ利用可能です 03:00数時間にわたる会議の講義とオンライン授業の録画 03:14 バスに乗る前に必見の落とし穴回避と選択リスト 🔗 リソース · 原文: https://www.marktechpost.com/2026/09/04/google-agentic-video- Understanding-gemini-flash-models/ 🔎 このビデオから選択を続ける: https://zhiyong.dev/y/apmP2Nz4U_0 --- 🔎 関連する AI ツール、モデル、アプリケーション: https://zhiyong.dev