Gemini, uzun videolarda ilgili sahneyi bulup yeniden incelemeye başladı

Google, 1 Eylül 2026'da Gemini'de ajanlı video anlamayı duyurdu. Yeni yöntem, videodan sabit aralıklarla kare almak yerine modelin ilgili bölümleri seçmesini ve gerektiğinde yeniden incelemesini sağlıyor. Amaç, uzun bir kayıttaki soruya cevap vermek için bütün içeriği aynı ayrıntıda işlemek zorunda kalmamak.

Duyuru, uzun içeriklerde token tüketiminin ve maliyetin azalabildiğini söylüyor. Bu bir iş yüküne bağlı iddia; her kısa videoda aynı tasarrufun görüleceği anlamına gelmiyor. API rehberi, kısa kliplerde gezinme ve araç dönüşlerinin ilk yanıt süresini artırabileceğini açıkça belirtiyor. Verimlilik ile bekleme süresi ayrı ölçütler.

Rehber, ajanlı işlemin videonun zaman çizelgesinde ihtiyaç duyduğu transkripti, kareleri ve sesi yüklediğini açıklıyor. Uzun görevlerde akış veya arka plan yürütmenin kullanılması da öneriliyor. Google'ın önceki ajanlı görsel anlama duyurusu, bir görüntüyü araçlarla inceleme yaklaşımına ilişkin destekleyici bağlam sağlıyor; video farklı zaman ilişkileri ekliyor.

Zaman damgası ve eksik bağlam

Editoryal değerlendirmemize göre bu yaklaşım, özellikle bir konuşma veya gösterim içinde belirli bir anı arayan kullanıcı için değerli olabilir. Ancak modelin sahneyi seçmesi, önemli bir önceki ayrıntıyı atlamadığına dair garanti değil. Bir hareketin veya ifadenin anlamı, yalnızca bulunduğu birkaç saniyeden daha geniş bağlama dayanabilir.

Haber ve araştırma ekipleri açısından zaman damgası bu nedenle önemli. Modelin yaptığı özet, hangi bölüme dayandığını gösterebilirse insan incelemesi kolaylaşır. Bir iddianın geçtiği yeri bulmak ile o iddianın doğru olduğunu doğrulamak farklı işlerdir; video içindeki konuşma, dış dünyaya ilişkin otomatik kanıt sayılmaz.

Uzun kayıtlarla çalışan geliştiriciler, başarısız aramaları da değerlendirmeli. Bizce yalnızca doğru sahnenin bulunduğu örnekler yerine, benzer olayların tekrarlandığı ve istenen anın belirsiz olduğu kayıtlar da denenmeli. Modelin hangi durumda daha fazla bölüm açtığı, tüketimi ve yanıt süresini birlikte etkileyebilir.

Token hesabında gezinme sırasında üretilen muhakeme ile sonradan yüklenen içerik de yer alıyor. Böylece daha az kare yüklemek, tamamen ücretsiz bir inceleme anlamına gelmiyor. Uygulamanın kendi kayıt türlerinde toplam harcamayı ölçmesi, duyurudaki genel tasarruf oranını doğrudan bütçeye taşımaktan daha anlamlı bir karar sağlayabilir.

Ajanlı video anlama, AI'ın hareketli görüntüyü tek seferde tüketilen bir girdiden daha etkileşimli bir kaynağa dönüştürdüğünü gösteriyor. İzlenmesi gereken sonuç, soruya uygun sahnenin ne kadar güvenilir bulunduğu. Daha az token kullanımı değerli; fakat eksik bağlam veya uzayan bekleme süresiyle birlikte değerlendirilirse gerçek fayda daha açık anlaşılır.

■ MİZAN HABER