Google Gemini「動画を読むAI」：トークン88%削減・コスト66%減で長時間動画を自律分析
Googleが2026年9月1日、Geminiに「Agentic Video Understanding（エージェント型動画理解）」機能を追加した。90分超の長尺動画をAIが自律的に分析し、トークン使用量88%削減・コスト66%削減・精度7%向上を実現。追加料金なしで利用できる。
エージェント型AIが動画を「自律判断」で処理する時代へ
従来の動画処理は、固定フレームレートで全フレームを均一に処理する方式だった。新機能ではGeminiがエージェント（自律的なAI）として動作し、動画の視覚フレーム・音声・文字起こしを動的にスキャンする。
どの部分を、どの速度で、どの方式で見るかをモデル自身が判断する。10分のハウツー動画から90分の講義、数時間に及ぶ記録映像まで対応する。
対応モデルはGemini 3.7 Flash・3.6 Flash・3.5 Flash-Lite。Google AI StudioとGemini Enterprise Agent PlatformのAPIで、処理パラメータを「agentic」に設定するだけで利用できる。標準のGemini APIトークン価格が適用され、追加料金は発生しない。
GeminiアプリへのAgentic Video機能展開と、YouTubeの「Ask YouTube」機能への統合も予定されている。APIを使わない現場担当者にとっても、近い将来に身近なツールとなる見込みだ。
“dynamically search, scan, and inspect target video segments across visual frames, audio, and transcripts”
（筆者意訳: 視覚フレーム・音声・文字起こしにわたって、対象の動画セグメントを動的に検索・スキャン・精査する）
── Google Blog（出典：Google、2026年9月1日）
出典: Google Blog「Introducing agentic video understanding with Gemini」（2026-09-01）
https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-agentic-video-in-gemini/
