Gemini 推出 Agentic 视频理解能力

Google DeepMind 在官方博客宣布，Gemini 模型现已具备 Agentic 视频理解能力。该功能允许模型主动与视频内容进行交互，而非仅被动观看。用户可通过自然语言指令，让 Gemini 执行复杂的视频分析任务，例如定位特定事件、追踪物体轨迹或回答关于视频情节的细节问题。这一更新标志着多模态大模型从内容识别向主动推理与交互的演进，旨在提升长视频场景下的信息提取效率与准确性。