据谷歌官方博客，谷歌为Gemini API上线Agentic Video Understanding功能。该功能让模型自主决定视频分析策略：传统模式按1 FPS固定抽帧后一次性处理，新模式则沿时间轴动态定位片段，并根据问题选择画面、音频或转录文本，快速动作时自动提高帧率重检。谷歌自测显示，Gemini 3.7 Flash开启后Token消耗最高下降88%，分析成本最高下降66%，准确率相对提升最高约7%；

可定位不到1秒的瞬间或数小时视频中的细节。该技术将开发者此前需手动搭建的“先定位、再精看”流程内置至Gemini内部。目前Gemini 3.7 Flash、3.6 Flash和3.5 Flash-Lite均支持，上传视频和YouTube视频均可使用，不另收功能费，后续将接入Gemini App和YouTube的Ask YouTube。