Google ha introdotto l’analisi agentica dei video nella Gemini API il 1° settembre 2026. Il modello può navigare nella sequenza temporale e scegliere immagini, audio o trascrizioni, anziché usare sempre un campionamento fisso.

L’annuncio riguardava Gemini 3.7 Flash, 3.6 Flash e 3.5 Flash-Lite; la documentazione attuale include anche 3.8 Flash. Google riferisce nei propri test un consumo di token inferiore fino all’88%. È un massimo dipendente dal compito, non un risparmio garantito.

Vediamo possibili applicazioni nella ricerca di un momento all’interno di una lunga lezione o registrazione di manutenzione. Una persona potrebbe ricevere un segmento suggerito e tornare al video originale per controllarlo.

La valutazione deve includere eventi mancati e tempi di risposta. La documentazione riconosce che per brevi clip con esigenze di rapidità può essere preferibile l’elaborazione statica.

Stima redazionale ottimistica: un progetto pilota sul proprio archivio può essere valutato entro 1–2 mesi. Senza prove non si possono prevedere affidabilità e costi continuativi.