Gemini analyseert video zelf en bespaart 88 procent tokens

Google heeft agentic video understanding uitgebracht voor Gemini 3.7 Flash, Gemini 3.6 Flash en Gemini 3.5 Flash-Lite. Het model werkt een video niet langer af op een vast aantal beelden per seconde, maar zoekt zelf de fragmenten op die het nodig heeft. Dat scheelt volgens Google tot 88 procent aan tokens.

Het model bepaalt zelf wat het bekijkt

Bij de gangbare aanpak gaat een video als een lange reeks frames naar het model, op een vooraf ingesteld tempo. Bij een instructiefilm van tien minuten valt dat mee. Bij een college van anderhalf uur of een opname van een hele werkdag loopt het hard op, en dan moesten ontwikkelaars kiezen tussen een forse rekening of beelden weggooien met de kans dat precies het relevante moment sneuvelt.

De nieuwe modus draait dat om. Gemini krijgt native videotools en beslist in een agentische lus wat het opvraagt: eerst globaal scannen, dan inzoomen op een fragment, en waar nodig de audio of het transcript erbij pakken. Google beschrijft in de aankondiging op zijn eigen blog hoe het model zo zelf het tempo kiest per stuk video.

De cijfers achter de besparing

Google meet de winst op LongVideoBench, een benchmark voor het begrijpen van lange video. Naast de 88 procent minder tokens noemt het bedrijf tot 66 procent lagere kosten en een nauwkeurigheid die tot 7 procent hoger uitvalt. Gemini 3.7 Flash levert daarbij de beste verhouding tussen kwaliteit en prijs, aldus Google. Android Authority tekent erop aan dat die winst vooral zichtbaar wordt bij langere opnames, waar de oude methode het duurst is.

De toepassingen die Google noemt liggen dicht bij het echte werk. Een montageredacteur kan een moment terugvinden tot op de fractie van een seconde. Bij bewakingsbeelden helpt het variabele scantempo om afwijkingen op te sporen zonder uren aan materiaal integraal door te rekenen. Ook het tellen van handelingen of objecten wordt betrouwbaarder.

Vandaag al te gebruiken

Ontwikkelaars zetten in de Gemini API de configuratie op “agentic”, via Google AI Studio of het Gemini Enterprise Agent Platform. Er komt geen aparte toeslag bij; de gewone tarieven blijven gelden. Dat past bij de manier waarop Google Gemini de laatste tijd naar buiten brengt, met kleine functionele uitbreidingen boven op bestaande modellen in plaats van steeds een nieuw vlaggenschip. Vorige week liet Khan Academy zien wat dat oplevert toen Khanmigo live diagrammen ging tekenen met Gemini.

Wat betekent dit

Video was tot nu toe de duurste modaliteit om aan een taalmodel te voeren. Wie een archief wilde doorzoeken, betaalde per beeldje, ook voor de minuten waarin niets gebeurde. Door het model zelf te laten beslissen waar het aandacht aan besteedt, verschuift video van een kostenpost naar iets wat je gewoon in een workflow zet.

Voor Nederlandse organisaties met veel beeldmateriaal, denk aan opleiders, verzekeraars of gemeenten met camerabeelden, wordt doorzoekbaarheid daarmee een reële optie in plaats van een pilot. De bredere beweging is dezelfde als bij andere modaliteiten: modellen krijgen gereedschap en ruimte om zelf te bepalen hoe ze aan informatie komen. Dat zagen we eerder bij wereldmodellen die 3D-uitvoer produceren, bij Runway dat met Solaris interfaces laat tekenen zonder code en bij de wedloop in realtime spraakherkenning. De vraag voor ontwikkelaars is niet langer of een model video aankan, maar hoeveel het mag kosten om er iets zinnigs uit te halen.