Gemini Agentic Video：Token 省 88%、成本降 66%

Post Views: 7

更新日期：2026 年 9 月 2 日

Google 於 2026 年 9 月 1 日正式推出 Gemini Agentic Video Understanding。和傳統固定 1 FPS 的 static 影片處理不同，agentic 模式會依照問題主動探索影片時間軸，動態決定要查看哪些片段、影格、音訊或逐字稿。Google 官方 benchmark 顯示，長影片分析的 Token 使用量最多可減少 88%、分析成本最高可降低 66%，品質最高提升約 7%。

這不是 Gemini API 的 66% 固定折扣，而是因為模型只載入回答問題所需的影片訊號，因此在部分任務中能使用更少 Token。對課程、會議、監控錄影、體育影片、長篇 YouTube 與影音素材庫等情境，這項改變可能直接影響 API 成本與影片搜尋效率。

文章目錄

30 秒看懂 Gemini Agentic Video

支援模型：Gemini 3.7 Flash、Gemini 3.6 Flash、Gemini 3.5 Flash-Lite。
最高改善：Token 最多減少 88%、成本最高降低 66%、品質最高提升約 7%；這些是官方 benchmark 上限，不是每次呼叫保證值。
適合情境：長影片問答、指定瞬間定位、異常偵測、動作／物件計數與多影片比較。
使用入口：Gemini API、Google AI Studio 與 Gemini Enterprise Agent Platform。
費用：沒有額外 Agentic Video 功能費，仍依 Gemini API Token 計價。
Gemini App：Google 表示將很快把相關改善導入 Flash 與 Flash-Lite；Ask YouTube 則預計在未來數月採用。

重點整理：Gemini Agentic Video Understanding 改了什麼？

Gemini static 與 agentic 影片處理方式的比較資訊圖 — static 以固定方式處理影片；agentic 則依提示探索相關內容，實際結果會因任務而異。

發布時間：Google 於 2026 年 9 月 1 日發布此功能。
支援模型：Gemini 3.7 Flash、Gemini 3.6 Flash 與 Gemini 3.5 Flash-Lite。
既有預設：Gemini API 的影片輸入預設採用 static 處理，以 1 FPS 擷取影格。
agentic 作法：依提示動態探索時間軸，選擇性檢查逐字稿，並調整影格率與解析度。
成本意義：Google 指出採標準 Gemini API Token 計價，沒有額外功能費；省費空間來自任務可能使用較少 Token，而非一項固定的 API 折扣。
Enterprise 狀態：Gemini Enterprise Agent Platform 版本目前是 Preview，且僅適用於 v1beta1，不適用於 v1。

Gemini Agentic Video Understanding 與既有影片理解有何差別？

差異可先從 Gemini API 對影片的預設處理方式理解。現行預設是 static：系統以 1 FPS 擷取影格來處理影片。這種方式的好處是處理邏輯固定、容易預期；但若問題只和影片中的少數片段有關，固定掃描也可能涵蓋許多與答案無關的內容。

Agentic video understanding 則是由模型根據提示決定如何探索影片。官方文件描述，模型可動態瀏覽時間軸、選擇性查看逐字稿，並改變影格率與解析度。換句話說，處理資源可更集中在回答當前問題所需的時間點與畫面資訊。

處理模式	官方描述的行為	較適合先評估的任務類型
static（預設）	以 1 FPS 擷取影片影格。	短影片、希望維持固定處理方式的工作流程，或工作本身要求以一致頻率檢視整段素材的情境。
agentic	依提示動態探索時間軸，選擇性檢查逐字稿，並調整影格率與解析度。	長影片問答、特定片段定位、異常檢查，以及需要從多段內容中尋找相關線索的任務。

為何長影片可能更省 Token 與成本？

Google 標準影片分析 benchmark 的最高結果：Token 減少 88%、成本降低 66%、準確率提高 7%，並附有非保證值提醒 — 圖中數字是 Google 在標準影片分析 benchmark 中觀察到的最高結果，不代表所有工作負載都能達成。

影片長度增加時，固定方式處理整段素材所需的資訊量也會上升。Agentic 模式的設計方向，是讓模型依問題探索內容，而不是對每個問題都以相同方式掃描全部影片。

例如，任務若只要求找出一段錄影中某個事件出現的位置，理想處理方式可能是先縮小時間範圍，再針對相關段落查看更多資訊；若使用者問題需要綜觀全片，模型所需處理的內容則可能不同。實際 Token 與成本會受到影片內容、影片長度、提示設計及任務要求影響，不能直接用 Google 的最高 66% 節省幅度預估專案 ROI。

66% 成本下降是 API 折扣嗎？

不是固定折扣。Google 表示，Agentic video understanding 仍採用標準 Gemini API Token 計價，且沒有額外功能費。所謂成本降低，是 Google 在標準影片分析 benchmark 中觀察到、最高可達 66% 的結果；其前提是 agentic 處理在該類任務中可能消耗較少 Token。

同一份 benchmark 結果也提到最高可減少 88% Token、提高 7% 準確率。三項數字都應理解為官方 benchmark 中的上限結果，而不是每次呼叫都會發生的固定比例。

支援哪些模型？Gemini 3.7 Flash、3.6 Flash、3.5 Flash-Lite 怎麼看？

依 Gemini API release notes，Agentic video understanding 支援 Gemini 3.7 Flash、Gemini 3.6 Flash 與 Gemini 3.5 Flash-Lite。

Google 表示，三款支援模型都能獲得 agentic video 的效率與品質提升，其中 Gemini 3.7 Flash 在官方測試中提供最佳整體品質，以及最好的品質／成本組合。不過，實際導入仍應使用自己的影片與問題集測量 Token、端到端延遲、正確率與人工覆核需求，而不是只依模型名稱決定。

如何啟用 Gemini API 的 agentic 影片處理？

Agentic 不是目前影片輸入的預設模式；Gemini API 文件指出，影片預設仍使用 static processing。要啟用 agentic，需要在影片輸入中明確指定 processing: "agentic"（不同 API／SDK 的欄位形式可能不同，正式實作仍應以當下官方文件為準）。

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-3.7-flash",
    input=[
        {
            "type": "video",
            "uri": "YOUR_VIDEO_OR_YOUTUBE_URL",
            "processing": "agentic"
        },
        {
            "type": "text",
            "text": "找出影片中最重要的 3 個事件，並附上時間點。"
        }
    ]
)

print(interaction.output_text)

如果使用 Gemini Enterprise Agent Platform 的 GenerateContent API，官方文件使用的是 mediaProcessing = "AGENTIC"，且目前 Agentic video understanding 僅支援 v1beta1。因此不要把不同 API 介面的欄位名稱直接混用。

官方完整範例可參考 Gemini API Video understanding 文件。

導入前的最小驗證清單

比較 Gemini static 與 agentic 影片分析的四步驟 PoC 驗證流程 — 導入前應使用代表性影片與相同問題，量測 Token、延遲、正確性及人工覆核率。

選擇一組具代表性的長影片與短影片，不要只用單一素材測試。
為 static 與 agentic 設定相同的問題與成功判準。
記錄每次任務的輸入 Token、端到端延遲、答案正確性與人工覆核率。
把需要全片一致檢視的任務，和只需定位少數片段的任務分開比較。
確認程式碼與所用 API 版本符合官方現行文件，再納入正式工作流程。

什麼情況適合 agentic？什麼情況應保留 static？

Agentic 模式的價值，在於模型可以依問題調整影片探索策略。因此，當問題只涉及部分時間點、需要找特定事件或需要從長片段中定位相關內容時，它值得優先納入測試。

相對地，若影片很短，或任務明確要求以一致方式檢視整段內容，static 仍是合理的比較基準。Google 的開發文件也提醒，對少於約 5 分鐘的短片，agentic 因為需要進行內部導航推理與工具往返，可能讓 Time to First Token（TTFT）略微增加。因此「更省 Token」不代表每種短影片工作都一定更快。

如果你的需求是逐格檢查、固定採樣或對短片追求最低啟動延遲，建議把 static 保留為 A/B 測試基準，再依實測結果決定是否切換。

價格、Token 與預算：應如何估算？

功能本身沒有額外費用，仍按標準 Gemini API Token 計價。若團隊需要以 Gemini 3.6 Flash 編列短期預算，官方價格頁面顯示，截至 2026 年 9 月 2 日，Paid Tier Standard 的促銷價為每 100 萬輸入 Token 0.75 美元、每 100 萬輸出 Token 3.75 美元，適用至 2026 年 12 月 31 日；自 2027 年 1 月 1 日起，分別為 1.50 美元與 7.50 美元。

但請注意，單一模型的 Token 單價不等於一項影片任務的總成本。要判斷 agentic 是否划算，仍應以實際 Token 用量乘上對應計價，再與 static 的相同任務結果比較。

最新費率與適用條件應以 Gemini Developer API pricing 頁面為準。

台灣開發者與 Enterprise 使用者要注意什麼？

Google 官方的可用地區清單目前列有 Taiwan，適用於 Google AI Studio 與 Gemini API。這表示台灣在官方列出的支援地區內；不過，這不代表每個台灣帳號都必然具備 Gemini app、Gemini Enterprise Agent Platform 或某項特定功能的使用資格。帳戶、產品與服務層級的實際可用性仍應以官方產品介面及文件為準。

Google 目前沒有公布 Agentic video understanding 針對繁體中文影片、台灣口音或台灣情境的專屬 benchmark。因此，若產品主要處理繁中課程、會議或影音內容，仍應用自己的素材建立測試集，不應把一般 benchmark 成績直接當成繁中品質保證。

Gemini Enterprise Agent Platform 的限制

Enterprise Agent Platform 的 Agentic video understanding 目前標示為 Preview，且官方文件明定僅適用於 v1beta1，不適用於 v1。規劃企業導入時，應把 Preview 狀態及版本限制納入技術評估與上線風險控管。

詳細限制請參考 Gemini Enterprise Agent Platform 的 Video understanding 文件。

Gemini app 與 Ask YouTube 已經能用嗎？

目前 Agentic video understanding 已可供開發者透過 Gemini API 使用，但還不能寫成「所有 Gemini App 使用者都已經能用」。Google 的 2026 年 9 月 1 日公告表示，相關效率與品質改善將很快推送到 Gemini App 的 Flash 與 Flash-Lite 模型。

至於 YouTube，Google 已明確表示 Agentic video understanding 將在未來數月用於影片觀看頁面的 Ask YouTube 功能，以提供更高品質、能根據畫面內容回答的結果；這是已公布的產品路線，但不是目前所有使用者都已完成 rollout。

對開發者而言，現階段最明確的可用入口仍是 Gemini API；Enterprise 團隊則需額外留意 Preview 與 v1beta1 限制。

FAQ：Gemini Agentic Video 常見問題

Gemini Agentic Video 已經正式推出了嗎？

是。Google 於 2026 年 9 月 1 日正式宣布 Agentic video understanding，開發者目前可透過 Gemini API 在 Google AI Studio 與 Gemini Enterprise Agent Platform 使用。

哪些模型支援 Agentic Video？

目前官方列出的模型是 Gemini 3.7 Flash、Gemini 3.6 Flash 與 Gemini 3.5 Flash-Lite。其他 Gemini 模型仍可使用 static 影片處理，但不代表支援 agentic 模式。

Token 減少 88%、成本降低 66% 是保證嗎？

不是。這是 Google 在標準影片分析 benchmark 中觀察到的最高改善幅度，尤其以長影片較明顯。實際 Token、延遲、成本與正確率都會依影片內容、問題複雜度與模型導航策略改變。

Agentic Video 會另外收費嗎？

不會收取獨立的 Agentic Video 功能費，仍按所選 Gemini 模型的標準 API Token 費率計價。所謂成本下降主要來自模型可能只載入必要的影片內容。

Agentic Video 一定比 static 快嗎？

不一定。長影片與特定片段搜尋通常更適合 agentic；但 Google 文件提醒，對少於約 5 分鐘的短影片，內部導航與工具往返可能讓 TTFT 略微增加。

Gemini App 與 Ask YouTube 可以用了嗎？

開發者 API 已可使用。Gemini App 的 Flash／Flash-Lite 改善正在陸續推出；Google 也表示 Ask YouTube 將在未來數月導入這項能力。

官方來源

結論：把「最高省 66%」當成驗證假設，而不是承諾

Gemini Agentic Video Understanding 的關鍵，不是推出一個固定折扣，而是改變模型讀影片的方式：從預設 static 的 1 FPS 抽幀，延伸到依提示動態探索時間軸、選擇性查看逐字稿，以及調整影格率與解析度。

對長影片問答、片段定位與內容檢查工作，這有機會降低不必要的 Token 使用量。Google 的 benchmark 顯示最高可省 66% 成本，但真正的導入決策仍應回到自己的影片集、提示設計、正確率門檻與延遲需求，以 static 與 agentic 的 A/B 測試結果作為依據。

Gemini Agentic Video 正式推出：Token 最多省 88%、影片分析成本降 66%

30 秒快速摘要

30 秒看懂 Gemini Agentic Video

重點整理：Gemini Agentic Video Understanding 改了什麼？

Gemini Agentic Video Understanding 與既有影片理解有何差別？