推出Gemini智能体视频理解功能

谷歌DeepMind今日正式推出Gemini系列模型的智能体视频理解功能，覆盖Gemini 3.7 Flash、3.6 Flash和3.5 Flash-Lite三款最新模型。这项新能力让模型不再按固定帧率“盲读”整个视频，而是像人类分析师一样，带着目标去动态扫描、检索和核查视频中的关键片段，从而在提升准确率的同时，将视频分析的令牌消耗最高降低88%，成本最高降低66%。开发者即日起便可通过Google AI Studio或Gemini Enterprise Agent Platform，将API配置设为“agentic”模式直接使用。 这一功能的推出，直接回应了跨境电商和内容创作者在处理长视频时的核心痛点。过去，无论是分析竞品视频、审核直播回放，还是从数小时的教程中提取卖点，开发者都面临两难选择：要么按默认每秒1帧的静态处理方式烧掉大量令牌和费用，要么采用降采样技术导致关键细节丢失。智能体视频理解则打破了这种僵局——它让Gemini模型能够自主决定“看什么、以什么速度看、通过画面还是音频或字幕看”，只抓取真正需要的瞬间和信号。以Gemini 3.7 Flash为例，启用该功能后令牌消耗可锐减88%，准确率反而提升7%，在视频理解的准确率与成本比上达到了帕累托最优。 在具体应用场景上，这项技术为卖家带来了实实在在的效率升级。比如“亚秒级时刻检索”功能，可以帮你在长达90分钟的直播录像中，瞬间定位到某款产品被展示或讲解的那个瞬间，无需再手动拖拽进度条。异常检测和精确计数能力则适用于库存盘点视频、工厂质检录像等场景，能更准确地识别异常情况或清点商品数量。对于YouTube视频和本地上传的视频，Gemini都能通过API直接调用这些能力，这意味着你可以将竞品分析、用户生成内容（UGC）审核等流程自动化，大幅降低人工审核成本。从10分钟的操作指南到多小时的会议记录，长视频处理的门槛正在被显著拉低，而这对于依赖视频内容做选品、营销和运营决策的跨境卖家来说，无疑是一个值得立刻上手测试的新工具。