近日谷歌正式为旗下Gemini Flash系列大模型上线智能体（Agentic）视频理解能力，该技术通过动态筛选视频核心信息片段优化Token计算逻辑，可实现视频Token消耗量最高削减88%，对应视频理解推理成本最高下降66%，目前该功能已面向所有调用Gemini Flash API的开发者开放，将大幅降低长视频类AI应用的落地门槛。
对于此前需要调用大模型处理长视频的开发者而言，Token成本高企一直是悬在头顶的难题：按照此前大模型普遍采用的全量帧编码逻辑，处理一段1小时的高清视频，仅Token消耗成本就超过3美元，且冗余信息还会干扰模型输出结果的准确性。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号