O Google anunciou nesta quarta-feira uma atualização nos seus modelos de inteligência artificial Gemini que promete tornar a análise de vídeos muito mais eficiente. A novidade se chama “compreensão agente de vídeo” — um jeito de a IA “assistir” ao conteúdo de forma seletiva, em vez de processar cada quadro da gravação. O resultado é uma economia expressiva: o consumo de tokens (unidades de dados que o modelo processa) cai até 88%, e o custo, 66%. Além disso, a precisão das respostas melhora em até 7%.
Em vez de analisar o vídeo em uma taxa fixa de quadros por segundo, como acontecia antes, o Gemini agora usa ferramentas nativas para vasculhar o arquivo à procura dos trechos mais relevantes. Ele pode, por exemplo, acelerar partes sem importância, voltar em cenas específicas ou até combinar áudio, imagens e transcrições para entender o que está acontecendo. A funcionalidade está disponível para os modelos Gemini 3.7 Flash, 3.6 Flash e 3.5 Flash-Lite via API, e pode ser ativada com uma configuração simples no Google AI Studio ou na plataforma Gemini Enterprise Agent.
A mudança é significativa porque, até agora, analisar vídeos longos — como palestras de 90 minutos ou tutoriais de 10 minutos — era caro e demorado. Os desenvolvedores precisavam escolher entre processar tudo (gastando muitos tokens) ou pular partes (arriscando perder informações importantes). O novo método resolve esse dilema: a IA decide por si mesma o que merece atenção, como um assistente que só pausa o vídeo nos momentos que realmente interessam. Para aplicações como detecção de anomalias, contagem de movimentos rápidos ou busca de trechos específicos, os ganhos são enormes.
Na prática, quem usa a API do Gemini para construir aplicações com vídeo já pode testar o recurso hoje. Para o usuário comum, a novidade chegará em breve: o Google promete integrar a funcionalidade ao aplicativo Gemini (nos modelos Flash e Flash-Lite) e, nos próximos meses, ao recurso “Pergunte ao YouTube” — que permite fazer perguntas sobre o conteúdo de um vídeo diretamente na página de exibição. Não é uma revolução imediata para quem só assiste vídeos, mas, para quem desenvolve ferramentas com IA, o custo menor e a qualidade maior abrem portas para usos que antes eram inviáveis.