गूगल ने अपने जेमिनी फ्लैश मॉडल्स में एजेंटिक वीडियो समझ को लॉन्च किया है, जिसने पिछली स्थिर प्रोसेसिंग विधि को उस सिस्टम से बदल दिया है जो वीडियो टाइमलाइन पर अनुरोध के अनुसार नेविगेट करता है। इस बदलाव से मॉडल यह तय कर सकता है कि क्या देखना है, किस फ्रेम रेट पर, और किस मोडैलिटी के माध्यम से, न कि एक निश्चित एक फ्रेम प्रति सेकंड की दर से पूरी टाइमलाइन को इनगेस्ट करना।
- नया दृष्टिकोण मानक वीडियो बेंचमार्क्स पर सटीकता में 7% तक सुधार करते हुए टोकन उपयोग को 88% तक कम करता है और लागत को 66% तक कम करता है।
- एजेंटिक समझ के साथ जेमिनी 3.7 फ्लैश अब परीक्षण किए गए मॉडल्स में वीडियो विश्लेषण के लिए सटीकता-से-लागत पैरेटो मोर्चे पर स्थित है।
- यह सुविधा एपीआई में एकल "प्रोसेसिंग" फ़ील्ड के माध्यम से सक्षम होती है और फ़ाइल अपलोड और सार्वजनिक यूट्यूब URLs दोनों का समर्थन करती है।
- टोकन अकाउंटिंग नेविगेशन तर्क (विचार टोकन) और लोडेड मीडिया (टूल-यूज़ टोकन) के बीच अंतर करती है।
इस अपडेट से डेवलपर्स को मैन्युअल रूप से प्रोसेसिंग लूप जोड़ने के विकास ओवरहेड के बिना लंबी सामग्री को अधिक कुशलता से संभालने की अनुमति मिलती है, हालांकि पांच मिनट से कम क्लिप्स के लिए स्थिर प्रोसेसिंग अभी भी अनुशंसित है।