KI SpotlightNewsGoogle aktiviert agentische Videoverarbeitung für Gemini 3.7, 3.6 und 3.5 Flash-Lite
Dynamische Frame-Auswahl senkt Token-Verbrauch um bis zu 88 Prozent – Dokumentation nennt bereits Gemini 3.8 Flash
Mit KI erstelltInhalt
◆ Fakten auf einen Blick
- Google hat am 1. September 2026 agentic video understanding für Gemini 3.7 Flash, 3.6 Flash und 3.5 Flash-Lite eingeführt.
- Das Feature ist verfügbar für Video-Uploads und YouTube-URLs über die Gemini API in Google AI Studio und die Gemini Enterprise Agent Platform.
- Statt statischer Verarbeitung mit fester Bildrate (Standard 1 FPS, per API anpassbar) nutzt das Modell native Video-Tools, um gezielt Frames, Audio und Transkripte zu durchsuchen und zu inspizieren.
- Google gibt an, dass die agentische Videoverarbeitung die Analysekosten um bis zu 66 Prozent und den Token-Verbrauch um bis zu 88 Prozent senkt und die Genauigkeit um bis zu 7 Prozent verbessert.
- Konkrete Benchmark-Zahlen aus einem Fachartikel: Minerva 80.900→33.600 Token (58,4 % Einsparung), 1H-VideoQA 397.600→47.700 (88,0 %), LVBench 300.300→36.000 (88,0 %); Genauigkeit bei 1H-VideoQA stieg von 87,5 % auf 88,5 %.
- Für die agentische Videoverarbeitung wird keine zusätzliche API-Gebühr erhoben; es gilt die Standard-Token-Preisgestaltung der Gemini API.
Google aktiviert agentische Videoverarbeitung für Gemini 3.7, 3.6 und 3.5 Flash-Lite
Google hat am 1. September 2026 die agentische Videoverarbeitung für die Gemini-Modelle 3.7 Flash, 3.6 Flash und 3.5 Flash-Lite eingeführt. Das Feature ist für Video-Uploads und YouTube-URLs über die Gemini API in Google AI Studio sowie die Gemini Enterprise Agent Platform verfügbar. Statt Videos statisch mit einer festen Bildrate zu verarbeiten – standardmäßig ein Bild pro Sekunde, per API anpassbar – nutzt das Modell native Video-Tools, um gezielt Frames, Audio und Transkripte zu durchsuchen und zu inspizieren. Das Modell entscheidet dabei selbst, welche Segmente für die jeweilige Anfrage relevant sind, und kann so auch kürzere Momente als eine Sekunde erfassen, etwa Zustandswechsel oder Schnitte, die bei einer 1-FPS-Abtastung verloren gingen. Google bezeichnet dies als Erweiterung des bereits für Bilder verfügbaren agentischen Sehens auf Videos.
Token-Verbrauch sinkt um bis zu 88 Prozent, Kosten um 66 Prozent
Nach Angaben von Google senkt die agentische Videoverarbeitung die Analysekosten um bis zu 66 Prozent und den Token-Verbrauch um bis zu 88 Prozent, während die Genauigkeit um bis zu 7 Prozent steigt. Diese Maximalwerte stammen aus unterschiedlichen Benchmarks und wurden nicht in einem einzigen Test erzielt. Konkrete Zahlen aus einem Fachartikel: Beim Benchmark Minerva sank der Token-Verbrauch pro Anfrage von 80.900 auf 33.600 Token, eine Einsparung von 58,4 Prozent. Beim Langvideo-Test 1H-VideoQA fiel der Verbrauch von 397.600 auf 47.700 Token (88,0 Prozent), bei LVBench von 300.300 auf 36.000 Token (ebenfalls 88,0 Prozent). Die Genauigkeit bei 1H-VideoQA verbesserte sich von 87,5 auf 88,5 Prozent. Google hebt hervor, dass die Einsparungen besonders bei langen Videos – von zehnminütigen Anleitungen bis zu mehrstündigen Aufzeichnungen – ausgeprägt sind, da die statische Verarbeitung dort viele unnötige Frames lädt.
Dokumentation listet bereits Gemini 3.8 Flash – Launch-Post schweigt
Der Launch-Post nennt ausschließlich Gemini 3.7 Flash, 3.6 Flash und 3.5 Flash-Lite als unterstützte Modelle. Die aktuelle Dokumentation listet jedoch zusätzlich Gemini 3.8 Flash als unterstützt. Ob das Modell nach dem Launch ergänzt wurde oder die Dokumentation aktueller ist, geht aus dem vorliegenden Material nicht hervor. Für die agentische Videoverarbeitung wird keine zusätzliche API-Gebühr erhoben; es gilt die Standard-Token-Preisgestaltung der Gemini API. Die Funktion soll später in die Gemini-App und in das Tool Ask YouTube integriert werden.
