Google añade comprensión de video agente a los modelos Gemini
Google ha presentado una nueva función de comprensión de video agente en sus modelos Gemini, que permite un procesamiento más eficiente de videos largos. Esta tecnología reduce los costos de tokens y mejora la precisión del procesamiento.
Google añade comprensión de video agente a los modelos Gemini
Google ha presentado una nueva función en sus últimos modelos Gemini — comprensión de video agente. Ahora los desarrolladores pueden procesar videos largos de manera más precisa, consumiendo hasta un 88% menos de tokens.
La comprensión de video agente permite a Gemini procesar videos de manera dinámica: el modelo decide qué segmentos explorar en más detalle, revisando fotogramas, audio y transcripciones, y ajustando la velocidad de procesamiento utilizando herramientas integradas.
Según Google, al trabajar con videos largos, el nuevo enfoque proporciona:
- Hasta un 88% menos de tokens
- Hasta un 66% menos de costos
- Hasta un 7% más de precisión
Esta función ya está disponible a través de la API de Gemini y en Google AI Studio.
Por qué es importante
AnálisisEsta nueva capacidad mejora significativamente la eficiencia del procesamiento de video, marcando un paso importante en el desarrollo de tecnologías de IA. La reducción de costos de tokens y la mejora de la precisión abren nuevas oportunidades para los desarrolladores.
Debatir en la comunidad
Comparte tus preguntas e ideas con desarrolladores
Relacionado en el ecosistema
Guías prácticas, terminología y skills de agentes
Google AI Studio: Claves API Gratis de Gemini
Sandbox oficial de Google: cómo obtener una clave API gratis de Gemini 2.0/1.5 sin tarjeta, configurar prompts del sistema y contexto de 2M. Guía 2026.
Claude Sonnet 4.6 vs GPT-5.5 vs Gemini 3.1 Pro: comparación de modelos 2026
Cada pocas semanas sale un nuevo modelo y cada vez surgen las mismas preguntas: ¿debería cambiar? ¿Qué cambió por qué pagar?
Prompts para automatización en Google Gemini
Una recopilación versátil de prompts para la automatización del flujo de trabajo, la planificación estratégica y la optimización del estilo de vida con Google Gemini y Workspace.
Gemini Flash & Pro (Google Gemini)
Familia de modelos multimodales de Google DeepMind que combina una ventana de contexto récord (hasta 2 millones de tokens), velocidad de generación extrema (más de 150 tokens/s) y percepción nativa de video y audio.