El nuevo modo de video de Gemini ve clips largos como lo haría un humano, y cuesta mucho menos
La configuración de video 'agéntica' de Google DeepMind permite que Gemini se desplace dentro de un video en lugar de ver cada fotograma, reduciendo el uso de tokens hasta en un 88% y mejorando la precisión hasta en un 7%.
Puntos clave
- Google DeepMind lanzó la comprensión agéntica de video en Gemini 3.7 Flash, 3.6 Flash y 3.5 Flash-Lite el día del anuncio.
- La función reduce el uso de tokens hasta en un 88%, reduce los costos de análisis hasta en un 66% y mejora la precisión hasta en un 7% en los puntos de referencia de video estándar.
- Los desarrolladores lo activan estableciendo
processingenagenticen la API de Gemini, sin cargo adicional por la función además del precio normal de tokens. - La misma tecnología pronto llegará a la aplicación Gemini e impulsará la función 'Ask YouTube' de YouTube en las páginas de visualización.
- Admite tanto archivos de video cargados como enlaces de YouTube dentro de Google AI Studio y la Plataforma de Agente Empresarial de Gemini.
Si alguna vez le pediste a un chatbot que resuma un video de YouTube de dos horas y viste cómo se derrumbaba tu factura (o tu paciencia), este es para ti.
Google DeepMind acaba de activar lo que llama comprensión agéntica de video dentro de sus modelos Gemini. En palabras simples: en lugar de obligar a la IA a ver cada segundo de un video a una velocidad fija, el modelo ahora decide por sí mismo qué partes ver.
Piénsalo como la diferencia entre ver un partido de fútbol completo y pedirle a un amigo que estuvo allí que solo te muestre los goles.
¿Qué cambió realmente?
Gemini solía ver videos a un ritmo constante de un fotograma por segundo, como un interno muy paciente tomando una foto en cada tic del reloj. Funciona, pero consume tokens (los pequeños fragmentos de datos de texto e imagen por los que se factura al modelo) y a menudo pierde detalles en fracciones de segundo entre instantáneas.
El nuevo modo agéntico permite que Gemini actúe más como un investigador curioso. Escanea el video, identifica lo que parece relevante para tu pregunta, luego aumenta el zoom a una velocidad de fotograma más alta, o verifica el audio, o lee la transcripción. Un agente de IA aquí es software que puede llevar a cabo varios pasos por su cuenta sin que tengas que guiarlo de la mano. Hemos estado observando este enfoque desarrollarse en 31 historias etiquetadas con IA agéntica desde el 14 de julio de 2026, y esta es una de las aplicaciones más prácticamente útiles que hemos visto.
Google dice que el resultado en los puntos de referencia estándar de video es real: hasta 88% menos tokens, hasta 66% menos costo, hasta 7% mejor precisión. Gemini 3.7 Flash obtiene el mayor impulso de calidad.
¿Qué puede hacer realmente?
Cuatro casos de uso se destacan en la descripción de Google:
- Encontrar un momento específico hasta la subsegunda, útil para edición de video automatizada.
- Responder una pregunta enterrada en una grabación de varias horas sin consumir millones de tokens.
- Detectar anomalías remuestreando momentos sospechosos a una velocidad de fotograma más alta.
- Contar acciones repetidas u objetos distintos en un clip largo.
Estas ganancias son más importantes en videos de formato largo, desde guías prácticas de diez minutos hasta conferencias de 90 minutos, donde el enfoque de tasa fija anterior obligaba a elegir entre costos altos de tokens y perder detalles críticos.
¿Cuánto cuesta y puedo probarlo?
El video agéntico está disponible hoy a través de la API de Gemini en Google AI Studio y la Plataforma de Agente Empresarial de Gemini. Los precios utilizan tasas de tokens normales de la API de Gemini, y no hay tarifa adicional por activar la función. Los desarrolladores la activan estableciendo processing en "agentic" en la llamada de API.
Así es como se alinean los modelos:
| Modelo | Ideal para | Tarifa adicional por función |
|---|---|---|
| Gemini 3.7 Flash | Calidad más alta, mejor equilibrio costo-precisión | Ninguno |
| Gemini 3.6 Flash | Análisis de video sólido y versátil | Ninguno |
| Gemini 3.5 Flash-Lite | Opción más económica para trabajos más ligeros | Ninguno |
Para el resto de nosotros, Google dice que la función se implementará en la aplicación Gemini en los modelos Flash y Flash-Lite pronto, e impulsará el cuadro 'Ask YouTube' de YouTube en la página de visualización en los próximos meses.
¿Hay alguna trampa de privacidad?
Algo que vale la pena saber: si pegás un enlace de YouTube, es contenido público. Si cargás tus propios videos, van a los servidores de Google para procesamiento, y los datos de la aplicación Gemini para consumidores pueden usarse para mejorar los servicios de Google a menos que lo desactives en tu configuración de actividad de Gemini. El tráfico de API empresarial se maneja conforme a los términos de datos habituales de Google Cloud, que no utilizan tus insumos para entrenamiento de forma predeterminada.
Videos de vacaciones familiares: probablemente lo pensarías dos veces. Grabaciones de reuniones de trabajo: primero verifica la política en la nube de tu empresa. Clips públicos de YouTube: adelante sin problemas.
El veredicto honesto aquí es que los números de costo y precisión son genuinamente buenos, pero el tema mayor es la conveniencia para desarrolladores. Gemini ahora hace el trabajo tedioso de búsqueda e inspección que los ingenieros anteriormente tenían que escribir por sí mismos.
