9月2日、The Decoderが「Google Gemini's new agent-based video analysis cuts token usage by up to 88 percent」と題した記事を公開した。GoogleがGeminiにエージェントベースの動画解析機能を追加し、精度を維持したままトークン使用量を最大**88%**削減することに成功したという内容だ。コスト削減と精度改善が同時に達成されるという主張は、長尺動画を扱う開発者にとって注目に値する。
固定フレームレートから「必要な箇所だけ見る」へ
これまでのGeminiの動画解析は、デフォルトで毎秒1フレームという固定レートで全体をスキャンする静的処理だった。長尺動画になるほどトークンコストが膨れ上がり、開発者はコストを抑えるか精度を犠牲にするかのトレードオフを迫られてきた。
新しいエージェントベース処理では、モデル自身がどのセクションを、どの速度で、どのモダリティ（フレーム・音声・文字起こし）で確認するかを自律的に判断する。動画全体を一律に処理するのではなく、タスクに必要な瞬間と信号だけを取得する仕組みだ。
アーキテクチャとしては、get_transcript・get_frames(start, end, fps)・get_audio(start, end) という内部ツールを使い、「クエリ → 思考 → 観測 → 出力」のループを回しながら必要部分だけを選択的に取得する。
トークン88%削減、精度はむしろ向上
Googleのベンチマーク結果が具体的だ。
1H-VideoQA（1時間動画の質問応答）とLVBench（長尺動画理解ベンチマーク）では、エージェントベース処理によりトークン使用量が88%削減されつつ、精度はわずかに向上している。コスト削減と精度改善が同時に達成されている点が目を引く。
コスト対精度のチャートでは、Gemini 3.7 Flashのエージェントモードが他モデルより高い精度を低コストで達成しているとGoogleの自社評価では示されている。チャート上に登場する「GPT 5.6 Terra」「Claude Opus 5.0」「Grok 4.6」という表記は元記事の図表に記載されたモデル名であり、一般的な呼称とは異なる可能性がある点に注意されたい。いずれにせよ、比較結果はGoogle自身による評価であり、独立した第三者検証ではない点は留意が必要だ。
効果が顕著に現れるのは長尺コンテンツだ。10分のチュートリアルから90分の講義、数時間に及ぶ録画まで、静的処理では何百万トークンを消費していたような処理が現実的なコストに収まる。
対応モデルと利用方法
対応するのはGemini 3.7 Flash・3.6 Flash・3.5 Flash-Liteの3モデル（いずれも元記事記載のモデル名に従う）。
また、1秒未満の瞬間（状態変化やカット）も検出できるほか、不審な時間帯を高フレームレートで再サンプリングして異常を検知する機能や、繰り返し動作や個別オブジェクトのカウント機能も備える。
開発者向けには、Gemini API（Google AI Studio）およびGemini Enterprise Agent Platformで既に利用可能だ。APIの設定で処理モードを "agentic" に指定するだけで有効になり、追加料金はなく通常のGemini APIトークン料金のみが適用される。
詳細な実装手順はDeveloper Guideに記載されている。
背景と今後の展開
この機能の下地は、2026年1月にGemini 3 Flashへ導入された「agentic vision」にある。画像に対してPythonコードを書いて実行し、ズームやクロップ、アノテーションを自律的に処理する機能で、今回の動画対応はその延長線上に位置する。
この「agentic vision」が採用するthink-act-observeループとは、AIエージェントが「何をすべきか考える（Think）→ツールを使って行動する（Act）→結果を観察して次の行動を決める（Observe）」というサイクルを繰り返す処理モデルだ。静的な一括処理とは異なり、タスクの途中で戦略を変更できる点が特徴で、ReActフレームワークなどAIエージェント研究の流れを汲む設計思想である。今回の動画解析では、このループが「どの時間帯のフレームを追加取得するか」を動的に決定することでトークン削減を実現している。
今後はGeminiアプリのFlash・Flash Liteユーザーへの展開も予定されており、YouTubeの再生ページで動画内容に基づいた回答を提供する「Ask YouTube」機能への統合も計画されている。
詳細はGoogle Gemini's new agent-based video analysis cuts token usage by up to 88 percentを参照していただきたい。
