{"title":"Gemini научился понимать видео в контексте агентов: что это меняет для разработчиков","url":"https://verapointmedia.com/news/gemini/","markdownUrl":"https://verapointmedia.com/news/gemini.md","language":"ru","category":"news","publishedAt":"2026-09-03T10:40:02.000Z","updatedAt":"2026-09-03T10:40:02.000Z","references":["https://deepmind.google/blog/introducing-agentic-video-in-gemini/"],"rights":"Public user-requested reading, summarization and citation allowed. Model training requires separate permission.","contentMarkdown":"# Gemini научился понимать видео в контексте агентов: что это меняет для разработчиков\n\n- Site: VeraPoint News\n- Section: Новости\n- Date: 2026-09-03\n- Canonical: https://verapointmedia.com/news/gemini/\n- Markdown: https://verapointmedia.com/news/gemini.md\n- Summary: Agentic video understanding — новый этап для мультимодальных агентов, который меняет привычную экономику работы с видеоконтентом. Вместо того чтобы «скармливать» модели каждый кадр подряд, Gemini теперь может самостоятельно решать, какие фрагменты видео важны для ответа на запрос. Этот переход от пассивного покадрового\n- Target queries: AI news; AI developments; gemini\n- Tags: #ai #technology\n- Image: https://verapointmedia.com/static/content-assets/news/gemini/cover.webp\n\n## Sources\n\n- https://deepmind.google/blog/introducing-agentic-video-in-gemini/\n\n---\n\nAgentic video understanding — новый этап для мультимодальных агентов, который меняет привычную экономику работы с видеоконтентом. Вместо того чтобы «скармливать» модели каждый кадр подряд, Gemini теперь может самостоятельно решать, какие фрагменты видео важны для ответа на запрос.\n\nЭтот переход от пассивного покадрового анализа к активному поиску фрагментов напрямую влияет на бюджеты проектов. Разработчики, которые раньше вынуждены были выбирать между высокой стоимостью токенов и потерей деталей в длинных записях, получили инструмент для оптимизации: расходы на API при использовании новой конфигурации снижаются до 66%, а потребление токенов — до 88%.\n\nМеханика проста: вместо фиксированной частоты кадров (например, 1 FPS) модель использует внутренний цикл, чтобы динамически сканировать видео, аудио и транскрипты. Она сама выбирает, что именно «смотреть» и с какой скоростью. Это не просто экономия, а качественный сдвиг: точность обработки длинных видео, по данным Google, вырастает до 7%.\n\nДля тех, кто строит ИИ-продукты, это означает снижение нагрузки на разработку. Раньше подобные системы поиска нужных моментов приходилось собирать вручную, «обвязывая» модель дополнительным кодом. Теперь Gemini берет эту логику на себя через встроенные инструменты, что позволяет быстрее внедрять функции вроде точного поиска событий или автоматического монтажа.\n\nПопробовать это можно уже сейчас: достаточно переключить конфигурацию API на «agentic» в Google AI Studio или Gemini Enterprise Agent Platform. Функция доступна для загружаемых файлов и видео с YouTube.\n\nОднако вопрос о том, как именно модель расставляет приоритеты при поиске «иголки в стоге сена» в многочасовых записях, остается открытым. Пока неясно, насколько эффективно этот механизм справляется с задачами, где контекст размыт по всему видео, а не сосредоточен в конкретных сценах.\n\nВ конечном счете, это делает создание сложных видео-агентов доступнее. Если раньше для работы с видео требовались серьезные инженерные ресурсы, то теперь порог входа снижается. Остается лишь наблюдать, как разработчики используют этот «активный взгляд» модели в своих продуктах — станет ли это стандартом для всех мультимодальных систем или останется нишевым решением для экономии бюджета.\n\n## Похожие материалы\n\n- [Как отличить рабочий AI-инструмент от красивой демки](https://verapointmedia.com/guides/kak-otlichit-rabochiy-ai-instrument-ot-krasivoy-demki/)\n- [Что такое AI-агент простыми словами](https://verapointmedia.com/guides/chto-takoe-ai-agent-prostymi-slovami/)\n"}