أعلنت Google DeepMind عن الفهم الوكيلي للفيديو داخل عائلة Gemini Flash. بدلاً من الاعتماد على عينة ثابتة بمعدل إطار واحد في الثانية، يستطيع النموذج أن يقرر متى يبحث في الفيديو، وأي مقاطع يعيد فحصها، وكيف يربط الصورة بالصوت والنص المفرغ للوصول إلى اللحظة المطلوبة.
تطرح Google التقنية لمهام مثل العثور على حدث محدد داخل تسجيل طويل، عد الأشياء أو الأفعال، واكتشاف الحالات غير الطبيعية. ووفق اختبارات الشركة، يمكن أن تقل التكلفة بنسبة تصل إلى 66%، وينخفض استهلاك الرموز حتى 88%، مع تحسن دقة يصل إلى 7%. هذه الحدود تختلف حسب نوع الفيديو والسؤال، وليست ضماناً ثابتاً لكل استخدام.
الخدمة متاحة عبر Gemini API وAI Studio ومنتجات المؤسسات للنماذج المدعومة. الفائدة الأكبر تظهر في المقاطع الطويلة أو عندما يبحث المستخدم عن لحظة دقيقة، بينما قد تظل المعالجة التقليدية أنسب لمقطع قصير يحتاج زمناً منخفضاً للاستجابة.
ليه ده مهم؟
الفيديو عادة مكلف لأنه يجمع عدداً ضخماً من الإطارات مع الصوت. جعل النموذج يختار ما يفحصه يشبه انتقال البحث من قراءة كتاب صفحة صفحة إلى استخدام فهرس ثم الرجوع للفقرات المهمة. إذا أثبتت التقنية دقتها خارج اختبارات الشركة، فقد تجعل أرشيفات الفيديو، المراقبة الصناعية، وتحليل الاجتماعات أكثر عملية وأقل استهلاكاً.
المصادر: Google DeepMind — 2026-09-01
