Google Gemini riduce fino all'88% l'uso di token nell'analisi dei video

**Google ha integrato l'analisi video basata su agenti in diversi modelli Gemini Flash. Lo strumento seleziona autonomamente scene, fotogrammi, audio o trascrizioni rilevanti e, secondo l'azienda, può ridurre l'uso di token fino all'88% migliorando leggermente la precisione in alcune valutazioni.

I modelli Gemini 3.7 Flash, 3.6 Flash e 3.5 Flash-Lite possono analizzare segmenti di meno di un secondo, inclusi cambi di stato e tagli che potrebbero essere persi con un campionamento convenzionale di un fotogramma al secondo. Questa capacità è rilevante per l'editing automatizzato, dove una transizione breve o una modifica istantanea può alterare il significato di una scena.

Il sistema può anche localizzare momenti specifici in ore di registrazione senza consumare milioni di token durante il processo. A tal fine, identifica finestre temporali potenzialmente rilevanti e le ricampiona a una velocità di fotogrammi più alta quando rileva un'anomalia o un segnale che richiede una maggiore risoluzione temporale.

Oltre a trovare scene, Gemini può contare movimenti ripetuti e oggetti singoli nel tempo. Lo strumento non si limita a osservare immagini, poiché combina fotogrammi, audio e trascrizioni in base alla natura del compito che il sviluppatore gli ha assegnato.

Google sostiene che questa selezione autonoma consente al modello di concentrare le proprie risorse sui momenti e segnali che contano davvero. La conseguenza è un flusso di analisi meno rigido, in cui l'intelligenza artificiale decide cosa esaminare, a che velocità farlo e con quale modalità prima di fornire una risposta.

Fino ad ora, Gemini utilizzava un'elaborazione statica che, per impostazione predefinita, campionava il video a un fotogramma al secondo, anche se i sviluppatori potevano regolare tale impostazione tramite l'API. Dalla lancio dell'analisi video nativa nel 2025, il sistema combinava lo studio dei fotogrammi con la trascrizione della traccia audio.

L'approccio basato su agenti collega il ragionamento del modello direttamente con gli strumenti video nativi. Secondo Google, Gemini può avviare un ciclo di ricerca, recuperare una parte specifica del file, osservare il risultato e decidere se ha bisogno di consultare un altro segmento, aumentare la velocità di campionamento o cambiare modalità.

I vantaggi in termini di efficienza sono più evidenti in materiali lunghi, che possono variare da tutorial di 10 minuti a conferenze di 90 minuti e file di diverse ore. Con il metodo statico, i sviluppatori dovevano scegliere tra assumere un elevato consumo di token o utilizzare tecniche selettive proprie che potevano escludere dettagli rilevanti.

Google afferma che i suoi risultati in 1H-VideoQA e LVBench mostrano una riduzione dell'88% nell'uso di token, accompagnata da un leggero aumento della precisione. Nella valutazione 1H-VideoQA dell'azienda, Gemini 3.7 Flash con analisi basata su agenti raggiunge la massima precisione con il minor costo per consultazione, secondo i dati presentati dall'azienda.

L'azienda ha anche incluso LongVideoBench tra i test utilizzati per confrontare le prestazioni dei modelli. In quel insieme di valutazioni, Google descrive Gemini 3.7 Flash come l'alternativa con la migliore qualità generale e la migliore combinazione tra precisione ed efficienza dei costi.

Questi risultati sono affermazioni di Google e riflettono i propri benchmark, quindi non equivalgono da soli a una validazione indipendente di tutti gli scenari d'uso. Tuttavia, il risparmio potenziale può essere rilevante per applicazioni che elaborano grandi biblioteche audiovisive, specialmente quando ogni consultazione richiede di cercare un momento specifico e non di descrivere l'intero video.

L'analisi agentica è già attiva per video caricati e video di YouTube tramite l'API di Gemini in Google AI Studio e nella Gemini Enterprise Agent Platform. I sviluppatori devono configurare la modalità di elaborazione come "agentic" all'interno dell'API per attivare il comportamento selettivo.

Google prevede di estendere la tecnologia ai propri prodotti in una data successiva. L'azienda spera di portarla presto a tutti gli utenti dell'app Gemini che utilizzano dispositivi Flash e Flash Lite, mentre nei prossimi mesi prevede anche di utilizzarla nella funzione Ask YouTube all'interno della pagina di riproduzione.

Questo contenuto è fornito a solo scopo informativo generale e non costituisce consulenza finanziaria, di investimento, legale o fiscale. Qualsiasi evento, ricompensa, promozione online o informazione correlata menzionata nel presente documento non deve essere considerata una raccomandazione, una sollecitazione o un invito ad acquistare, vendere, fare trading o altrimenti negoziare criptovalute. Le criptovalute sono altamente volatili e possono comportare perdite. La disponibilità dei servizi, dei prodotti e degli eventi correlati di WEEX può variare a seconda della regione. È tua responsabilità assicurarti che la tua partecipazione sia conforme alle leggi e ai regolamenti locali applicabili.