Google startet agentisches Videoverständnis für Gemini-Flash-Modelle

Wie die Funktion arbeiten soll

Nach Darstellung des Unternehmens kombiniert die Funktion das Schlussfolgern der Modelle mit nativen Video-Werkzeugen. Sie soll gezielt Videosegmente in Bildmaterial, Audiospur und Transkripten suchen, scannen und untersuchen können.

Entwickler aktivieren das Verfahren laut Google, indem sie in der API-Konfiguration den Verarbeitungsmodus auf „agentic“ setzen. Google zufolge gilt die reguläre Token-Preisgestaltung der Gemini API; eine zusätzliche Gebühr für die Funktion falle nicht an.

Google nennt Einsparungen bei Token und Kosten

Google erklärt, die agentische Videoanalyse senke in Standard-Benchmarks für Videoanalyse die Kosten um bis zu 66 Prozent und den Tokenverbrauch um bis zu 88 Prozent. Gleichzeitig könne die Genauigkeit um bis zu 7 Prozent steigen.

Diese Werte sind Unternehmensangaben aus der Ankündigung. Das vorliegende Material enthält weder eine unabhängige Überprüfung noch Details zu den konkreten Benchmarks, Testaufgaben, Vergleichskonfigurationen oder den Bedingungen, unter denen die Höchstwerte erreicht wurden.

Sollten sich die Angaben in realen Anwendungen bestätigen, könnte der geringere Tokenverbrauch insbesondere bei der Verarbeitung längerer Videos relevant sein. Niedrigere Nutzungskosten hängen jedoch von der jeweiligen Anfrage, dem Videomaterial und der regulären Token-Abrechnung ab.

Weitere Verteilung angekündigt

In den kommenden Monaten soll die Technik laut Google außerdem die Funktion „Ask YouTube“ auf YouTube-Videoseiten unterstützen. Einen konkreten Termin nannte das Unternehmen nicht.

Auch für die Gemini-App ist ein baldiger Rollout für Nutzer über Flash- und Flash-Lite-Modelle angekündigt. Details zum Zeitplan oder zu möglichen regionalen Einschränkungen wurden in den vorliegenden Angaben nicht genannt.