Компания Google DeepMind анонсировала обновление для своих моделей Gemini, которое наделяет их способностью к «агентному» пониманию видео. В отличие от стандартных систем, которые лишь классифицируют или описывают визуальный контент, новая технология позволяет модели выступать в роли активного агента. ИИ способен анализировать видеопоток, сопоставлять события во времени и предпринимать действия на основе увиденного, что значительно расширяет возможности автоматизации при работе с мультимедиа. Новый подход позволяет Gemini эффективнее справляться с задачами, требующими глубокого контекстного понимания: от поиска конкретных моментов в длинных записях до логического вывода о действиях персонажей или объектов. Разработчики отмечают, что агентные возможности помогают модели лучше интерпретировать динамические изменения в кадре, что критически важно для создания интерактивных помощников и инструментов анализа данных. Обновление направлено на то, чтобы сделать взаимодействие пользователя с видеоконтентом более естественным и продуктивным, превращая ИИ из пассивного наблюдателя в полноценного участника процесса обработки информации.