Gemini 视频理解降本 88%，这种“按需检索”机制到底怎么跑？

原文作者：智用AI

原文来源：https://www.youtube.com/embed/apmP2Nz4U_0

拆解Gemini基于Agentic与FPS的按需视频理解机制，长视频分析Token消耗降低88%，API支持YouTube链接与文件上传。 Google 刚刚为 Gemini Flash 系列模型推出了 Agentic 视频理解功能，这标志着视频 AI 处理从“全量预投喂”转向“按需检索循环”。此前，模型处理长视频时会盲目地以固定帧率摄入所有数据，导致成本失控且容易遗漏细节。现在，Gemini 可以像智能体一样自主导航视频，按需读取关键帧、音频和转录文本。在长视频分析中，这一架构将 Token 消耗降低了 88%，成本缩减了 66%。对视频从业者而言，这意味着处理几小时的素材库或长会议纪要时，你不再需要面对高昂的账单或碎片化信息的丢失。该功能目前已通过 Gemini API 提供，支持文件上传和 YouTube 链接。本文将拆解这一动态循环的 API 交互逻辑，以及它在什么情况下反而不如传统静态处理更高效，帮助你精准决策。#Gemini #视频分析 #AgenticAI #大模型效率 #GeminiFlash 这类底层拆解如果对你有用，订阅 + 打开小铃铛，新一期更新第一时间到你这儿。 ⏱ 章节 00:00 处理90分钟视频，为什么还在用1 FPS死吞全量Token？ 00:15 传统模型固定1 FPS静态处理的效率瓶颈 00:26 Google推出的Gemini Flash系列新能力 00:53 模型通过思考-行动-观察循环按需检索 01:09 Token消耗最高减少88%且成本降66% 01:24 标准视频基准测试准确率最高提升7% 01:38 导航推理计入thought tokens而加载内容计入tool-use 01:53 通过设置processing字段在API中无缝启用 02:10 短视频与低延迟场景不适用且存在多轮交互延迟 02:30 社区认可推理速度但吐槽定价呈持续上涨趋势 02:45 暂无开源权重且仅限托管API使用 03:00 长达数小时会议讲座与网课录像的最佳解法 03:14 上车前必看的避坑与选型清单 🔗 资源 · 原文：https://www.marktechpost.com/2026/09/04/google-agentic-video-understanding-gemini-flash-models/ 🔎 从本视频继续选型： https://zhiyong.dev/y/apmP2Nz4U_0 --- 🔎 相关 AI 工具、模型与应用： https://zhiyong.dev