Google impulsiona análise de vídeo no Gemini com recurso 'agentic' e maior eficiência

A Google acaba de dar um salto significativo na análise de vídeo com IA, introduzindo o recurso de 'agentic video understanding' nos modelos Gemini 3.7 Flash, 3.6 Flash e 3.5 Flash-Lite. Em vez do processamento 'estático', que analisa vídeos a uma taxa fixa de quadros por segundo, a abordagem agentic permite que o Gemini atue de forma mais inteligente. O modelo agora consegue buscar, escanear e inspecionar dinamicamente segmentos de vídeo específicos, considerando não só o visual, mas também o áudio e as transcrições.

Essa capacidade ativa de 'decidir o que assistir' e 'com qual velocidade' revoluciona a eficiência. A nova funcionalidade pode reduzir o consumo de tokens em até 88% e cortar os custos em até 66%, tudo isso enquanto melhora a precisão em até 7%. É um avanço crucial, especialmente para vídeos longos, onde o processamento tradicional era caro e propenso a perder detalhes importantes. O objetivo é que o Gemini se torne uma ferramenta ainda mais autônoma e eficaz na compreensão de conteúdo visual complexo.

A grande mudança é a evolução do processamento de vídeo de uma abordagem passiva e 'estática' para uma 'agentic'. Antes, o Gemini ingeria o vídeo a uma taxa fixa de quadros por segundo (normalmente 1 FPS). Agora, com a atualização, o modelo usa ferramentas nativas de vídeo para buscar e analisar seletivamente as partes relevantes. Isso significa que o Gemini não apenas processa o vídeo, mas também 'entende' o que precisa ser analisado, otimizando o uso de recursos de forma inédita. É um passo além do que foi visto nas notícias de agosto de 2026 sobre o Gemini Omni 1.1 Flash, que focava na produção e edição generativa de vídeo, e também aprofunda as capacidades de modelos como o Gemini 3.6 Flash, já aprimorado em julho de 2026 para agentes gerenciados.

Este avanço é fundamental para desenvolvedores e empresas. Com a redução drástica de custos e tokens, além do aumento da precisão, a análise de vídeo em larga escala se torna mais viável e eficiente. A capacidade de pinpointar mudanças em subsegundos, realizar buscas complexas em vídeos de várias horas, detectar anomalias e contar objetos com mais acurácia abre portas para novas aplicações em áreas como segurança, monitoramento, produção de conteúdo e automação. A Google já indicou que a funcionalidade chegará a produtos como o 'Ask YouTube', elevando a qualidade das respostas baseadas em conteúdo visual, consolidando o Gemini como um pilar central na estratégia de IA da empresa.