AI & MACHINE LEARNING

Google เปิดตัว Agentic Video ใน Gemini ช่วยลดการใช้ Token ลง 88%

Google DeepMind01 Sep 2026
1 min read
Key Takeaways
  • Agentic Video ช่วยให้ Gemini ประมวลผลวิดีโอได้ฉลาดขึ้น โดยเลือกวิเคราะห์เฉพาะจุดที่สำคัญ ทำให้ประหยัดทั้งเงินและทรัพยากรการประมวลผล

ทำไมเรื่องนี้ถึงสำคัญ

เป็นการทลายขีดจำกัดด้านต้นทุนและความซับซ้อนในการประมวลผลวิดีโอขนาดยาว ซึ่งจะช่วยให้การสร้างแอปพลิเคชันวิเคราะห์วิดีโอเป็นไปได้จริงในเชิงธุรกิจ

Google DeepMind เปิดตัวฟีเจอร์ Agentic Video Understanding สำหรับโมเดล Gemini 3.7 Flash, 3.6 Flash และ 3.5 Flash-Lite โดยเปลี่ยนจากการประมวลผลวิดีโอแบบเฟรมเรตคงที่ (Static) มาเป็นการใช้เอเจนต์ในการ 'ตัดสินใจ' ว่าจะดูช่วงเวลาไหนของวิดีโอด้วยความเร็วและรายละเอียดเท่าใด

การเปลี่ยนแปลงนี้ช่วยให้นักพัฒนาสามารถวิเคราะห์วิดีโอที่มีความยาวมากได้โดยไม่ต้องเสียค่าใช้จ่ายมหาศาล ระบบสามารถค้นหาเหตุการณ์ที่เกิดขึ้นเพียงเสี้ยววินาที หรือนับจำนวนวัตถุในวิดีโอที่เคลื่อนที่เร็วได้อย่างแม่นยำขึ้น โดยใช้การประมวลผลผ่านวงจรเอเจนต์ (Agentic Loop) ที่เรียกใช้เครื่องมือวิเคราะห์วิดีโอภายในของ Google โดยตรง

สรุปประเด็นหลัก

ลดการใช้ Token ลงได้สูงสุด 88% และลดค่าใช้จ่าย 66%

เพิ่มความแม่นยำในการวิเคราะห์วิดีโอขึ้น 7%

รองรับการค้นหาช่วงเวลาสำคัญ (Moment Retrieval) และการตรวจจับสิ่งผิดปกติ

นวัตกรรมและเทคโนโลยี

models

Dynamic Frame Scanning

การปรับเฟรมเรตในการวิเคราะห์วิดีโอตามความเหมาะสมของเนื้อหาโดยอัตโนมัติ

creative ai

Sub-second Moment Retrieval

ความสามารถในการค้นหาเหตุการณ์เฉพาะเจาะจงที่มีความยาวไม่ถึงวินาทีในวิดีโอขนาดยาว

Developer Impact
นักพัฒนาแอปพลิเคชันมัลติมีเดียสามารถลดต้นทุนการรันโมเดลได้อย่างมหาศาล และสร้างฟีเจอร์อย่าง 'Ask YouTube' หรือระบบตัดต่อวิดีโออัตโนมัติที่แม่นยำขึ้น
Keywords
#gemini #video-understanding #agentic-ai #multimodal #google-deepmind
Original Source

อ่านข้อมูลเพิ่มเติมจากแหล่งข่าวหลัก

Google DeepMind