Gorden Sun(@Gorden_Sun):谷歌发布智能视频理解 API（Agentic video understanding）以前 AI 看视频很笨，就像一个人拿着秒表，每隔一秒硬截一张图，不管画面有没有变化都要一张张硬看下去。这种做法耗费资源、速度慢、费用贵，遇到几个小时的长视频还特别容易漏掉细节。新的 API 让 Gemini 像人一样看视频。它可以自己拿主意：什么时候该快进、什么时候该慢放倒带仔细看，甚至能决定只听声音、看字幕还是专门看画面，有针对性地去找内容。算力消耗节约九成，使用成本降低一半，找答案的准确率反而更高。适用场景：亚秒级瞬间检索：能精准定位视频画面的状态变化和紧凑的镜头剪辑边界，从而让精确的自动化视频剪辑成为可能。长视频大海捞针搜索：无需消耗数百万个 Token，即可在长达数小时的视频中回答复杂的问题。异常检测：以更高的帧率对关键的时间窗口重新采样，以此检查快速运动与细微的视觉瑕疵。动作与物体计数：随着时间推移，准确追踪重复的肢体动作以及不同的物体。看演示视频的数动作次数，还是非常惊艳的。目前只能通过调用API使用，后续这部分能力会上线YouTube的Ask YouTube模块。官方介绍：

2026.09.02 04:50

谷歌发布智能视频理解 API（Agentic video understanding）以前 AI 看视频很笨，就像一个人拿着秒表，每隔一秒硬截一张图，不管画面有没有变化都要一张张硬看下去。这种做法耗费资源、速度慢、费用贵，遇到几个小时的长视频还特别容易漏掉细节。新的 API 让 Gemini 像人一样看视频。它可以自己拿主意：什么时候该快进、什么时候该慢放倒带仔细看，甚至能决定只听声音、看字幕还是专门看画面，有针对性地去找内容。算力消耗节约九成，使用成本降低一半，找答案的准确率反而更高。适用场景：亚秒级瞬间检索：能精准定位视频画面的状态变化和紧凑的镜头剪辑边界，从而让精确的自动化视频剪辑成为可能。长视频大海捞针搜索：无需消耗数百万个 Token，即可在长达数小时的视频中回答复杂的问题。异常检测：以更高的帧率对关键的时间窗口重新采样，以此检查快速运动与细微的视觉瑕疵。动作与物体计数：随着时间推移，准确追踪重复的肢体动作以及不同的物体。看演示视频的数动作次数，还是非常惊艳的。目前只能通过调用API使用，后续这部分能力会上线YouTube的Ask YouTube模块。官方介绍：