غوغل أعلنت اليوم على إطلاق خاصية الفهم الذكي للفيديوهات (agentic video understanding) فـأحدث نماذج Gemini 3.7 Flash و3.6 Flash و3.5 Flash-Lite. هاد الخاصية الجديدة كتزيد فدقة تحليل الفيديوهات، وكتنقص بشكل كبير من استعمال Token والتكلفة خلال عملية التحليل.
هاد الخاصية كتستعمل تسعيرة Token العادية ديال Gemini API، وما كايناش شي مصاريف إضافية على استعمالها.
بخلاف الطريقة «الثابتة» الحالية، اللي كيقرأ فيها النموذج الفيديو بمعدل إطارات محدد، افتراضياً 1 FPS، مع إمكانية تغييره عبر API، كتجمع خاصية الفهم الذكي للفيديوهات بين الاستدلال الأساسي ديال النموذج وأدوات الفيديو الأصلية، باش تقلب وتمعن وتفحص بشكل ديناميكي فالإطارات المرئية والصوت والنصوص المفرغة ديال مقاطع الفيديو المستهدفة.
فـاختبارات معيارية لتحليل الفيديوهات، نماذج Gemini اللي كتستعمل الفهم الذكي للفيديوهات كتقدر تنقص تكلفة التحليل حتى لـ 66%، واستهلاك Token حتى لـ 88%، مع رفع الدقة حتى لـ 7%. هاد التحسن فالكفاءة كيبان خصوصاً فالفيديوهات الطويلة، حيث إن المعالجة الثابتة التقليدية كتخلي المطورين يختارو بين تكلفة Token المرتفعة وضياع التفاصيل المهمة.
وغوغل وضحات أن Gemini 3.7 Flash مع الفهم الذكي للفيديوهات كيقدم أحسن جودة إجمالية، وكيحقق توازناً أمثل بين الجودة والكفاءة من ناحية التكلفة، وكيكون فمهام فهم الفيديوهات على جبهة باريتو المثلى بين الدقة والتكلفة.
بخلاف المعالجة الثابتة اللي كيقرأ فيها النموذج تدفق الوسائط بمعدل إطارات محدد، كتخلي خاصية الفهم الذكي للفيديوهات Gemini يقرر بشكل استباقي وموجّه شنو يشوف، وبأي سرعة يشوفو، وبأي صيغة يحصل على المعلومات، واش عبر الإطارات أو الصوت أو النص المفرغ. وكيستخرج غير المقاطع والإشارات اللي محتاجها. من قبل، كان المطورون خاصهم يديرو هاد العمليات يدوياً، أما دابا فبفضل الفهم الذكي للفيديوهات، يقدر Gemini ينفذها عبر حلقة ذكية، ويستعمل أدوات داخلية لتحميل الأجزاء المرتبطة بالفيديو، الشي اللي كينقص بشكل كبير من مجهود التطوير.
وحسب علم IT之家، هاد الخاصية جابت بزاف ديال الإمكانيات الجديدة للمطورين فمعالجة محتوى الفيديوهات الطويلة.
البحث عن اللحظات فجزء من الثانية: تحديد دقيق للتغييرات اللحظية فالحالة وحدود المونتاج السريع اللي من السهل تفويتها عند 1 FPS، باش يتدار تحرير الفيديو بشكل آلي ودقيق.
البحث عن «إبرة فكومة قش» فالفيديوهات الطويلة: الإجابة على استفسارات معقدة داخل فيديوهات كتدوم ساعات، بلا حاجة لاستهلاك ملايين Token.
اكتشاف الحالات غير العادية: إعادة أخذ عينات من النوافذ الزمنية المهمة بمعدل إطارات أعلى، لفحص الحركة السريعة والعيوب البصرية الدقيقة.
عدّ الحركات والأجسام: تتبع دقيق للحركات الجسدية المتكررة والأجسام المختلفة مع مرور الوقت.
هاد الخاصية ولات متاحة دابا فـ Gemini API ديال Google AI Studio وGemini Enterprise Agent Platform، وكتدعم رفع الفيديوهات وتحليل فيديوهات YouTube. المطورين غير خاصهم يضبطو نمط المعالجة على «agentic» فإعدادات API باش يفعّلوها.
وغوغل ناوية حتى هي توسع هاد القدرة لمنتجات أخرى موجهة للمستخدمين العاديين. وقريباً غادي توصل خاصية الفهم الذكي للفيديوهات لجميع مستخدمي نماذج Flash وFlash-Lite فـتطبيق Gemini؛ وخلال الأشهر الجاية، غادي توفر هاد الخاصية الدعم لوظيفة «Ask YouTube» فصفحة مشاهدة فيديوهات YouTube، باش تقدم عبر Gemini أجوبة بجودة أعلى مبنية على محتوى الفيديو.