Gemini 에이전틱 비디오 이해 — 토큰 88% 절감의 조건

무슨 일인가요

Google은 9월 1일 Gemini에 "에이전틱 비디오 이해"를 출시했습니다. 공식 글은 이 기능이 "모델의 핵심 추론을 네이티브 비디오 도구와 짝지어, 목표 구간을 동적으로 검색·훑기·검사한다"고 설명합니다. 공식 대상은 Gemini 3.7 Flash, 3.6 Flash, 3.5 Flash-Lite이고, 같은 날 릴리스 노트에는 "장편 콘텐츠에서 정적 처리 대비 최대 88% 적은 토큰"이라는 문구가 올라왔습니다. 공식 API 문서는 9월 2일 나온 3.8 Flash도 지원 목록에 올려 두었습니다. 공식

Google이 내세우는 수치는 세 가지입니다. 토큰 최대 88% 절감, 비용 최대 66% 절감, 정확도 최대 7% 향상입니다. 공식 제공 경로는 Google AI Studio와 Gemini Enterprise의 Gemini API이며, Gemini 앱에는 Flash·Flash-Lite 모델 사용자에게 순차 적용되고, YouTube의 "Ask YouTube"에는 몇 달 안에 들어갈 예정입니다. 공식 별도 기능 요금은 없고 표준 토큰 단가가 그대로 적용됩니다. 공식

어떻게 동작하나요

API 문서에 따르면 정적 모드는 "고정 속도(1 FPS)로 프레임을 추출"해 즉시 컨텍스트에 넣고, 에이전틱 모드는 "비디오 타임라인을 동적으로 탐색하며 필요한 내용만 로드"합니다. 공식 탐색에 쓰는 추론은 생각 토큰(total_thought_tokens), 불러온 프레임·오디오·자막은 도구 사용 토큰(total_tool_use_tokens)으로 따로 집계되므로 사용량 메타데이터에서 두 항목을 확인할 수 있습니다. 공식 켜는 방법은 비디오 입력 객체에 한 줄을 추가하는 것입니다.

interaction = client.interactions.create(
    model="gemini-3.8-flash",
    input=[
        {"type": "video", "uri": video_file.uri,
         "mime_type": video_file.mime_type, "processing": "agentic"},
        {"type": "text", "text": "세 가지 핵심 주장은 무엇인가요?"},
    ],
)

문서는 최대 3시간 길이 영상에서 동작하고, YouTube 영상은 정적 모드와 같은 제한을 따르며, "장편 영상이나 특정 순간을 겨냥한 질의"에 에이전틱 모드를 권한다고 적었습니다. 공식 공식 글이 든 활용 사례는 1초 미만 단위의 순간 검색, 장편 영상에서 바늘 찾기, 높은 프레임 속도가 필요한 이상 탐지, 시간에 따른 물체·동작 세기입니다. 공식

숫자의 조건

PPC Land가 Google 자료를 인용해 정리한 바로는, 88%는 1H-VideoQA에서 39만 7,600토큰이 4만 7,700토큰으로 준 결과이고, 7%는 Minerva 벤치마크 정확도가 73.7%에서 79.0%로 오른 값입니다. 보도 같은 기사는 88%와 66%가 서로 다른 벤치마크에서 나왔는데 Google이 이를 잇는 비용표를 내지 않았고, 순차 탐색 루프와 고정 프레임 방식의 지연 시간 비교도 없다고 지적했습니다. 보도 초기 사용 기업 Ponder는 "우리의 재현율을 유지하면서 입력 토큰을 약 3.5배 적게 썼다"고 밝혔습니다. 보도

무엇을 보면 되나요

• 긴 영상을 다루는 팀: 강의·회의·방송 아카이브처럼 한 시간이 넘는 영상에서 특정 장면을 찾는 작업이라면 바로 켜 볼 만합니다. 정적 모드로는 1 FPS 프레임이 컨텍스트를 채워 버립니다.
• 짧은 클립 요약: 영상 전체를 훑어야 하는 작업은 절감 폭이 작을 수 있습니다. 두 모드로 같은 요청을 보내 생각 토큰과 도구 사용 토큰 합계를 비교하세요. 추정
• 지연 시간이 중요한 서비스: 탐색이 순차적이라 응답 시간은 늘 수 있습니다. 공식 비교치가 없으니 직접 재야 합니다. 추정