Google ra mắt tính năng hiểu video dạng tác tử trong các mô hình Gemini Flash
Bắt đầu từ đây
Google DeepMind đã ra mắt tính năng hiểu video dạng tác tử trên Gemini 3.7 Flash, 3.6 Flash và 3.5 Flash-Lite. Thay vì nạp video ở tốc độ khung hình cố định, mô hình sử dụng các công cụ video gốc trong một vòng lặp tác tử để tìm kiếm khung hình, âm thanh và bản ghi lời, chỉ lấy những đoạn cần thiết. Google cho biết điều này giúp giảm mức tiêu thụ token tới 88%, chi phí phân tích tới 66% và cải thiện độ chính xác tới 7%, cho phép truy xuất khoảnh khắc dưới một giây, tìm kiếm kim trong đống cỏ dài, phát hiện bất thường và đếm đối tượng. Tính năng này khả dụng cho video tải lên và video YouTube qua Gemini API trong Google AI Studio và Gemini Enterprise Agent Platform, với mức giá token tiêu chuẩn của Gemini API, không thu thêm phí tính năng. Google cho biết sẽ sớm triển khai cho tất cả người dùng trong ứng dụng Gemini trên các mô hình Flash và Flash-Lite, và trong những tháng tới sẽ cung cấp năng lượng cho tính năng "Ask YouTube" của YouTube trên trang xem.
Tạo từ các bài viết · cập nhật 1 giờ trước
Dòng thời gian bài viết
Theo các bài viết để thấy sự việc từ nhiều phía.
- Hacker News · AITuyển chọnGoogle ra mắt tính năng hiểu video dạng tác tử trong Gemini 3.7 Flash, 3.6 Flash và 3.5 Flash-Lite
5 Flash-Lite, cắt giảm mức tiêu thụ token tới 88%, chi phí phân tích tới 66% và cải thiện độ chính xác tới 7%. Thay vì nạp video ở tốc độ khung hình cố định, mô hình sử dụng các công cụ video gốc trong một vòng lặp tác tử để tìm kiếm khung hình, âm thanh và bản ghi lời, chỉ lấy những đoạn cần thiết, cho phép truy xuất khoảnh khắc dưới một giây, tìm kiếm kim trong đống rơm trên video dài, phát hiện bất thường và đếm đối tượng.
Độ nóng của sự việc này
Chưa đủ quan sát liên tục để vẽ xu hướng.