Gemini lleva la comprensión de video al terreno de los agentes

Google presentó una nueva capacidad para sus modelos Gemini más recientes: la comprensión de video agéntica. La función permite a los desarrolladores procesar contenido de video de formato largo con mayor precisión mientras usa hasta 88% menos tokens que el enfoque tradicional de ingerir cada fotograma. El cambio importa por el mecanismo. En lugar de consumir el video completo de forma lineal, el modelo opera como un agente que planifica, navega y consulta los segmentos relevantes según la tarea. Esa lógica de agente convierte una operación costosa en una secuencia dirigida por objetivos, y ahí está el ahorro de tokens. Para las organizaciones que trabajan con archivos audiovisuales extensos (monitoreo de medios, análisis de reuniones, revisión de material grabado) el resultado es directo: el análisis automatizado de video baja de precio y se vuelve viable a escala. La comprensión agéntica traslada el video del terreno de la transcripción pasiva al de la consulta activa. Fuente: [Google. Introducing agentic video understanding with Gemini](https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-agentic-video-in-gemini/) (2 de septiembre de 2026).