先了解这件事
2026年9月1日,Google DeepMind为Gemini 3.7 Flash、3.6 Flash和3.5 Flash-Lite推出代理式视频理解功能。据官方说明,模型可动态扫描视频片段,按需检索画面、音频和转录文本,相比固定1 FPS的静态处理,token消耗最多降低88%、成本最多降低66%、准确率最多提升7%。该功能已在Google AI Studio和Gemini Enterprise Agent Platform的Gemini API上线,支持视频上传和YouTube视频,按标准token计费且不额外收费。9月2日,Google AI Developers进一步说明,该能力可自动调整处理速度,从而准确识别并计数拍手等快速动作。官方还表示后续将接入Gemini应用和YouTube的Ask YouTube功能。
AI 根据公开报道生成
最新进展 · 正式报道
Fable 5.1 实测：用 AI 复刻被 Canva 收购后关停的 remove.bg事件进展
1 个已确认进展
- 来源：Google DeepMind
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
9月3日
Ben's Bites
Fable 5.1 实测：用 AI 复刻被 Canva 收购后关停的 remove.bg
Ben's Bites 作者用 Fable 5.1 一次性复刻了将于 12 月关停的 remove.bg 抠图工具，并开源供人克隆。Anthropic 同时把 Fable 的缓存输入成本降低 75%，API 使用成本比此前便宜约 25%。Gemini 模型现可自行判断视频中值得观看的片段，跨帧、音频和字幕检索，token 用量减少 88%，成本最多降低 66%。
9月2日
Google AI for Developers一手
Gemini 3.7 Flash 推出智能体视频理解能力，可自动调整处理速度
Google AI Developers 宣布 Gemini 3.7 Flash 上线新的智能体视频理解能力，可自动调整处理速度，从而准确识别并计数快速动作，例如拍手。该能力已支持 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite，今天起可通过 Gemini API 在 Google AI Studio 和 Gemini Enterprise Agent Platform 上传视频或使用 YouTube 视频。
Philipp Schmid
Gemini 视频理解引入智能体模式，长视频 token 最多减少 88%
Gemini 的视频理解改为智能体式处理，模型可自行浏览视频时间线、决定看哪些片段、选择帧率，并判断是否需要语音转录、音频或视觉帧来回答提示词。官方称长视频最多减少 88% 的 token 和 66% 的成本，基准准确率提升约 7%。启用方式是在 video 上设置 processing="agentic"，2 分钟以内的视频仍用 static；该功能已在 Gemini API 和 Google AI Studio 上线，覆盖 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash Lite。
9月1日
Google DeepMind一手精选
Google DeepMind 为 Gemini 3.7 Flash 等模型推出智能体视频理解功能
Google DeepMind 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 推出智能体视频理解功能，模型可动态扫描视频片段，token 消耗最多降低 88%、成本最多降低 66%、准确率最多提升 7%。该功能已在 Google AI Studio 和 Gemini Enterprise Agent Platform 的 Gemini API 中上线，支持视频上传和 YouTube 视频，按标准 token 计费且不额外收费。相比固定 1 FPS 的静态处理，它结合模型推理与原生视频工具，按需检索画面、音频和转录文本，后续还将接入 Gemini 应用和 YouTube 的 Ask YouTube 功能。