Hacker News · AI·· 2 ชม. ที่แล้วคัดสรรคะแนน AI80
Google เปิดตัวการทำความเข้าใจวิดีโอแบบเอเจนต์ใน Gemini 3.7 Flash, 3.6 Flash และ 3.5 Flash-Lite
Agentic Video in Gemini
สรุปโดย AI
5 Flash-Lite ลดการใช้โทเค็นได้สูงสุด 88% ลดต้นทุนการวิเคราะห์ได้สูงสุด 66% และเพิ่มความแม่นยำได้สูงสุด 7% แทนที่จะนำเข้าวิดีโอด้วยอัตราเฟรมคงที่ โมเดลใช้เครื่องมือวิดีโอแบบเนทีฟในลูปเอเจนต์เพื่อค้นหาเฟรม เสียง และทรานสคริปต์ และดึงเฉพาะส่วนที่จำเป็น ทำให้สามารถค้นหาช่วงเวลาที่ต้องการได้ภายในเสี้ยววินาที ค้นหาเข็มในกองหญ้าในวิดีโอความยาวมาก ตรวจจับความผิดปกติ และนับวัตถุ
ทำไมเรื่องนี้สำคัญ
Google DeepMind อธิบายรายละเอียดว่าการทำความเข้าใจวิดีโอแบบเอเจนต์แลกการสุ่มเฟรมคงที่ด้วยการค้นหาช่วงเวลาตามเป้าหมายอย่างไร โดยลดการใช้โทเค็นได้สูงสุด 88% สำหรับวิดีโอความยาวมาก
แหล่งข่าว:Hacker News · AI · blog.google