L’ANALISI
Gemini analizza i video in modo agentico, scegliendo dove guardare e riguardare
Google DeepMind ha attivato l’analisi video agentica su Gemini 3.7 Flash, 3.6 Flash e 3.5 Flash-Lite. Invece di campionare tutto a una frequenza fissa, il modello usa strumenti nativi per cercare, scansionare e riesaminare segmenti mirati tra fotogrammi, audio e trascrizioni.
Risposta diretta: La novità sposta la selezione dei fotogrammi dentro il processo di ragionamento: Gemini decide quali parti del video ispezionare e a quale frequenza, invece di ricevere sempre un campionamento statico. Può ridurre il lavoro sui video lunghi, ma i risparmi pubblicati non sostituiscono un test sul proprio archivio.
Dal campionamento statico alla ricerca mirata
Nel flusso tradizionale il video viene acquisito a una frequenza impostata prima della domanda. La modalità agentica può invece cercare momenti, cambiare frequenza e riesaminare una sequenza quando il compito richiede più dettaglio.
Dove può essere utile
Google mostra recupero di momenti sub-secondo, rilevamento di anomalie, conteggio di movimenti e ricerca di dettagli in registrazioni lunghe. Sono casi in cui elaborare ogni fotogramma allo stesso modo spreca token o perde eventi brevi.
Modelli e canali disponibili
La funzione è disponibile per Gemini 3.7 Flash, 3.6 Flash e 3.5 Flash-Lite tramite Gemini API in Google AI Studio e Gemini Enterprise Agent Platform, sia con video caricati sia con video YouTube.
Come leggere i numeri del lancio
I massimi di risparmio e accuratezza aggregano benchmark e configurazioni del provider. Per decidere serve misurare costo totale, tempo, richiamo degli eventi importanti e falsi positivi sul proprio corpus.
Procedura verificabile
- Seleziona video rappresentativi, includendo eventi brevi e registrazioni lunghe.
- Esegui le stesse domande con modalità statica e agentica.
- Registra token, costo, latenza e risposte corrette per ciascun caso.
- Controlla manualmente gli eventi critici e conserva una via di fallback.