# Khả năng phân tích video theo hướng tác nhân của gemini

Đăng ngày: 2026-09-02

Tôi thấy Google vừa tung ra một tính năng mới mang tên "agentic video understanding" cho các mô hình Gemini 3.7 Flash, 3.6 Flash và 3.5 Flash-Lite. Đây không chỉ là một cải tiến nhỏ mà là một bước nhảy vọt đáng kể, khi nó có thể cắt giảm lượng token tiêu thụ tới 88%, giảm chi phí lên đến 66% và đồng thời tăng chất lượng phân tích thêm 7%. Với một thế giới ngày càng ngập tràn nội dung video, khả năng này hứa hẹn sẽ thay đổi cách chúng ta tương tác và trích xuất thông tin từ dữ liệu phức tạp này. Cơ chế hoạt động của tính năng này khá thông minh. Thay vì xử lý video một cách "tĩnh" – tức là mô hình phải nạp toàn bộ luồng video với tốc độ khung hình cố định (mặc định 1 khung hình/giây), agentic video understanding cho phép Gemini chủ động "suy nghĩ" và sử dụng các công cụ video bản địa để quét, tìm kiếm và kiểm tra các phân đoạn mục tiêu một cách linh hoạt. Nó sẽ xem xét các khung hình, âm thanh và thậm chí là bản ghi phụ đề, chỉ lấy những khoảnh khắc và tín hiệu cần thiết. Điều này mở ra nhiều khả năng mới như truy xuất khoảnh khắc dưới một giây, phát hiện dị thường chính xác hơn hay đếm số lượng đối tượng, hành động cụ thể. Lợi ích của phương pháp này càng rõ rệt hơn đối với video dài, từ các hướng dẫn 10 phút đến bài giảng 90 phút hay các bản ghi kéo dài nhiều giờ. Trong khi phương pháp tĩnh thường buộc nhà phát triển phải đánh đổi giữa chi phí token cao ngất ngưởng hoặc bỏ lỡ các chi tiết quan trọng, thì agentic video understanding giải quyết được bài toán này. Đặc biệt, Gemini 3.7 Flash khi được kích hoạt tính năng này còn đạt được chất lượng tổng thể tốt nhất, đồng thời cũng mang lại sự kết hợp tối ưu giữa chất lượng và hiệu quả chi phí, đưa nó lên vị trí dẫn đầu về hiệu quả trên chi phí trong số các mô hình đã thử nghiệm. Tính năng này hiện đã có sẵn thông qua API của Gemini trong Google AI Studio và Gemini Enterprise Agent Platform, áp dụng cho cả video tải lên và video YouTube. Người dùng chỉ cần thiết lập cấu hình API thành "agentic" để kích hoạt, mà không phải trả thêm phí nào ngoài giá token Gemini tiêu chuẩn. Trong tương lai gần, Google cũng sẽ tích hợp khả năng này vào ứng dụng Gemini cho người dùng cuối và đặc biệt, nó sẽ cung cấp sức mạnh cho tính năng "Ask YouTube" ngay trên trang xem video trong những tháng tới, hứa hẹn mang lại câu trả lời chất lượng cao hơn dựa trên nội dung hình ảnh. Rõ ràng, đây không chỉ là một tính năng kỹ thuật mà còn là một định hướng chiến lược, cho thấy AI đang dần chuyển mình từ vai trò thụ động xử lý dữ liệu sang chủ động "tác nhân" tìm kiếm và phân tích thông tin một cách thông minh hơn rất nhiều.

Canonical: https://www.tungpham.vn/blog/kha-nang-phan-tich-video-theo-huong-tac-nhan-cua-gemini