Gemini durchsucht Videos jetzt agentisch
Statt fester Bildrate wählt das Modell selbst, welche Videostellen es prüft. Google nennt bis zu 88 Prozent weniger Tokens — nachgemessen hat das bisher niemand.
Symbolbild: An einem Schnittplatz greift eine Person von hinten zum Jog-Rad, während eine Monitorwand unscharfe Videokacheln und ein Abspielgerät Statuslichter zeigt.
Gemini kann Videos jetzt agentisch auswerten: Das Modell entscheidet selbst, welche Abschnitte es in welcher Genauigkeit ansieht, statt jede Aufnahme mit einer festen Bildrate abzutasten.
Auf einen Blick
- Verfügbar für Gemini 3.7 Flash, 3.6 Flash und 3.5 Flash-Lite; die stärksten Messwerte nennt Google für 3.7 Flash.
- Google beziffert die Ersparnis mit bis zu 88 % weniger Tokens, bis zu 66 % geringeren Kosten und bis zu 7 % mehr Genauigkeit.
- Zugang über die Gemini API in Google AI Studio und über die Gemini Enterprise Agent Platform — hochgeladene Videos und YouTube-Links.
- Keine Zusatzgebühr: Es gilt die reguläre Token-Abrechnung der Gemini API.
- In der Gemini-App soll die Funktion bald erscheinen, in „Ask YouTube“ laut Google in den kommenden Monaten.
Gemini wertet Videos jetzt agentisch aus: Statt jedes Material mit einer festen Bildrate abzutasten, entscheidet das Modell selbst, welche Stellen es ansieht und wie genau. Google hat die Funktion in einem eigenen Blogbeitrag angekündigt. Sie steht zunächst für drei Modelle bereit.
Was sich am Verfahren ändert
Übliche Videoauswertung zerlegt eine Aufnahme in gleichmäßig verteilte Einzelbilder. Nach Googles Darstellung durchsucht Gemini das Material nun gezielt und wechselt dabei zwischen Bildspur, Tonspur und Transkript. Das Tempo der Abtastung richtet sich nach der gestellten Aufgabe, nicht nach einem voreingestellten Wert.
Entwickler schalten das Verhalten laut Ankündigung über einen Konfigurationswert in der Gemini API frei; Google zeigt dazu ein kurzes Python-Beispiel. Unterstützt werden hochgeladene Dateien und YouTube-Videos.
Die Zahlen stammen von Google selbst
Google nennt drei Kennzahlen: bis zu 88 % weniger Tokenverbrauch, bis zu 66 % niedrigere Kosten und bis zu 7 % höhere Genauigkeit. Die stärksten Werte erreicht demnach Gemini 3.7 Flash; die Funktion gilt außerdem für 3.6 Flash und 3.5 Flash-Lite.
Welche Testdaten hinter den Prozentangaben stehen, geht aus der Ankündigung nicht hervor. Es sind Herstellerangaben mit dem Zusatz „bis zu“ — eine unabhängige Nachmessung liegt zum Redaktionsschluss nicht vor.
Wofür Google die Funktion vorsieht
Als Anwendungsfälle nennt der Beitrag das Auffinden einzelner Momente im Sekundenbereich für den Videoschnitt sowie die Suche nach einer einzelnen Stelle in mehrstündigen Aufnahmen. Dazu kommen Anomalieerkennung durch erneutes, dichteres Abtasten auffälliger Abschnitte und das Zählen von Handlungen und Objekten über die Zeit.
Verfügbarkeit und Preis
Die Funktion läuft über die Gemini API in Google AI Studio und über die Gemini Enterprise Agent Platform. Eine gesonderte Gebühr fällt nicht an, abgerechnet wird nach dem regulären Token-Preis. Für die Gemini-App kündigt Google den Rollout „bald“ an, für die YouTube-Funktion „Ask YouTube“ in den kommenden Monaten — ein festes Datum nennt das Unternehmen in beiden Fällen nicht.
Was diese Meldung nicht belegt
Für diesen Text lag nur eine Quelle vor: Googles eigene Ankündigung. Leistungsangaben, Modellzuordnung und Zeitpläne sind damit nicht gegengeprüft. Offen bleibt außerdem, ob die genannte Ersparnis bei kurzen Clips ähnlich ausfällt wie bei mehrstündigem Material.
Häufige Fragen
Was bedeutet agentische Videoauswertung bei Gemini?
Das Modell tastet ein Video nicht mehr mit fester Bildrate ab, sondern sucht gezielt Abschnitte heraus und wechselt dabei zwischen Bild, Ton und Transkript.
Welche Gemini-Modelle können das?
Laut Google Gemini 3.7 Flash, 3.6 Flash und 3.5 Flash-Lite. Die besten Messwerte nennt das Unternehmen für 3.7 Flash.
Kostet die agentische Videoauswertung extra?
Nein. Es gilt die reguläre Token-Abrechnung der Gemini API; eine zusätzliche Gebühr für die Funktion nennt Google nicht.
