Google introduce comprensión agéntica de vídeo en Gemini

Google anunció el 1 de septiembre de 2026 la disponibilidad de la comprensión agéntica de vídeo en Gemini 3.7 Flash, 3.6 Flash y 3.5 Flash-Lite. La función permite al modelo buscar, revisar y analizar de forma dinámica segmentos de vídeo mediante imágenes, audio y transcripciones.

Frente al procesamiento estático, que analiza el vídeo a una frecuencia fija de imágenes por segundo, Gemini determina qué momentos debe observar, a qué velocidad y mediante qué modalidad. Según Google, esta capacidad reduce hasta un 88% el consumo de tokens y hasta un 66% los costes, al tiempo que mejora la precisión hasta un 7% en pruebas de análisis de vídeo.

La comprensión agéntica permite recuperar momentos de menos de un segundo, buscar información concreta en vídeos de varias horas, detectar anomalías mediante un muestreo de mayor frecuencia y contar con más precisión acciones y objetos repetidos.

La función está disponible para vídeos subidos y vídeos de YouTube mediante la Gemini API, Google AI Studio y Gemini Enterprise Agent Platform. Para activarla, los desarrolladores deben establecer el procesamiento como «agentic» en la configuración de la API, sin pagar una tarifa adicional respecto al precio estándar de tokens de Gemini.

Google también prevé incorporar estas mejoras a todos los usuarios de la aplicación Gemini en los modelos Flash y Flash-Lite. En los próximos meses, la tecnología llegará a la función «Ask YouTube» en la página de reproducción de YouTube para ofrecer respuestas basadas en el contenido visual.

Fuente: Google.