Google、Gemini Flash モデルに「エージェント型動画理解」を導入しトークン数を最大88%削減

記事の3ポイント

1. 1

   処理方式の転換

   従来の全フレーム固定抽出から、モデルが自らの推論とツールを用いて必要なセグメントのみを選択・スキャンするループ処理へ変更された。

2. 2

   コストと精度の改善

   同社によると、トークン使用量は最大88%削減され、コストは66%低下し、標準ベンチマークでの精度は7%向上するとしている。

3. 3

   API 実装と利用制限

   この機能は Gemini API および Google AI Studio を通じてのみ提供され、オープンウェイトやセルフホストは不可能である。