Google dice que la nueva comprensión de video agente de Gemini puede buscar dinámicamente fotogramas, audio y transcripciones en lugar de muestrear un video a una velocidad fija. Eso podría hacer que el análisis de video con IA sea más eficiente, pero los puntos de referencia de los proveedores no le dicen si un modelo encuentra el momento del que depende su edición. Una auditoría útil oculta un conjunto de eventos reales, ejecuta preguntas idénticas en modos estático y agente, y valora los errores y los tokens.
Convierta los hallazgos de vídeo verificados en un resumen del guión gráfico APOB
El anuncio de Google del 1 de septiembre de 2026 informa mejoras de referencia de hasta un 88 % menos de tokens, hasta un 66 % menos de costo de análisis y hasta un 7 % más de precisión para los modelos Gemini compatibles. Esos son los resultados "actualizados" de Google, no resultados APOB y no hay ahorros garantizados en su metraje. El siguiente protocolo produce un recibo fechado y específico del archivo en lugar de repetir el titular.
Trate esto como una prueba de regresión de análisis de contenido de video. Compara dos modos de procesamiento en un archivo controlado; No compara a Gemini con ningún otro modelo ni demuestra su idoneidad para cada género.
Plante un conjunto de eventos de verdad sobre el terreno
Crea un vídeo de 20 minutos de tu propiedad. Debe ser lo suficientemente común como para representar su trabajo y lo suficientemente estructurado para calificar exactamente. Oculte la clave de respuestas al operador hasta que se completen ambas ejecuciones.
Recuperación de momentos
Plante cuatro breves cambios de estado: una luz cambia de color, una etiqueta gira hacia la cámara, un cronómetro llega a cero y una mano intercambia dos objetos. Registre el primer y último fotograma de cada evento. Al menos uno debería durar menos de un segundo, por lo que el muestreo de tasa fija enfrenta un verdadero desafío.
Coloque los eventos lo suficientemente separados como para que sus ventanas de evidencia no se superpongan. Eso hace posible calificar la precisión de la recuperación e identificar cuándo una respuesta amplia incluye el momento adecuado por accidente.
recuento de acciones
Repita una acción visible con un espacio controlado, como colocar una taza sobre una mesa nueve veces. Incluya dos repeticiones rápidas y una acción cercana que no se complete. La clave de respuestas debe definir qué es lo que cuenta antes de que comience el análisis.
Registre un recuento manual con códigos de tiempo. La cuenta, no la memoria del autor, es la verdad fundamental contra la cual se califica el analizador de video de IA.
Hecho solo en audio
Diga un hecho mientras el objeto relevante está fuera de la pantalla: The blue case belongs to order 418. Coloque un número diferente en una trampa de transcripción en pantalla más tarde. Esto prueba si el sistema utiliza el audio, la transcripción y el contexto visual de forma adecuada.
ventana de anomalía
Inserte una breve anomalía: la etiqueta de un producto se invierte durante ocho fotogramas o un accesorio se mueve entre cortes que de otro modo coincidirían. Registre su código de tiempo y límite visual. No incluya una pista en el nombre del archivo.
ID de evento | Tipo | Verdad fundamental | Iniciar | Fin | Señuelo/casi accidente |
|---|---|---|---|---|---|
E01 | Momento | La luz cambia de ámbar a azul | ___ | ___ | Solo reflejo |
E02 | Recuento | 9 ubicaciones completadas | ___ | ___ | 1 movimiento incompleto |
E03 | Solo audio | Orden 418 | ___ | ___ | La transcripción muestra 481 más adelante |
E04 | Anomalía | Etiqueta invertida | ___ | ___ | Rotación normal |
Guarde el manifiesto por separado y haga un hash tanto del vídeo como de la clave de respuestas. El operador recibe únicamente el vídeo y la hoja de consulta.
Mantenga el archivo original, la copia cargada, la transcripción y la hoja de eventos bajo identificadores estables. Si el servicio crea un proxy, tenga en cuenta ese hecho para que las diferencias posteriores en las marcas de tiempo se puedan rastrear hasta el archivo correcto en lugar de atribuirlas automáticamente al modelo.
Haga las mismas seis preguntas de dos maneras
Utilice el mismo modelo, archivo, cuenta, región, temperatura, esquema de respuesta y preguntas de Gemini. Cambie solo el modo de procesamiento. El anuncio de vídeo agente de Google describe el procesamiento agente como una decisión dinámica sobre qué inspeccionar; la guía para desarrolladores es la fuente de configuración que se debe verificar antes de ejecutar.
Línea de base estática
Ejecute las seis preguntas bloqueadas con procesamiento estático. Identificador de modelo de registro, configuración de muestreo, referencia de archivo, aviso, respuesta, tokens de entrada/salida, costo, latencia y cualquier advertencia. No ajuste el mensaje después de una respuesta incorrecta.
Preguntas:
¿En qué momento exacto la luz se vuelve azul por primera vez?
¿Cuántas colocaciones de copa completas ocurren?
¿Qué número de pedido se habla para el caso azul?
¿Durante qué período de tiempo se invierte la etiqueta?
¿Qué evidencia respalda la respuesta del número de orden: visual, de audio, transcripción o más de una?
¿Qué respuesta es menos segura y por qué?
carrera agenteica
Repita con el procesamiento agente habilitado de acuerdo con la documentación API actual. Capture llamadas a herramientas o ventanas inspeccionadas cuando la interfaz las exponga. No dar al agente pistas de ejecución derivadas del fallo estático.
Utilice el mismo ciclo de vida de URI de archivo o carga para ambos modos. Volver a codificar una entrada pero no la otra podría cambiar las marcas de tiempo y invalidar la comparación de comprensión del video Gemini.
bloqueo de consulta
Haga un hash en la lista de preguntas y use el mismo formato de respuesta: respuesta, marca de tiempo/ventana, modalidad de evidencia, confianza y observación de respaldo. Un cambio de redacción puede alterar el comportamiento y convertiría la comparación en dos tareas diferentes.
Ejecutar registro
Registre cada solicitud, respuesta, tokens, costo, latencia, segmentos inspeccionados, errores, reintentos y fecha. Actualmente, Google dice que la comprensión de video agente está disponible en Gemini 3.7 Flash, 3.6 Flash y 3.5 Flash-Lite; Registre el modelo exacto utilizado en lugar de citar a la familia.
Campo | Estático | Agente |
|---|---|---|
Modelo/versión | ___ | ___ |
Configuración de procesamiento | ___ | ___ |
Hash de consulta | ___ | ___ |
Tokens de entrada/salida | ___ | ___ |
Costo | ___ | ___ |
Latencia | ___ | ___ |
Errores/reintentos | ___ | ___ |
Recuperación de puntuaciones, conteo y contexto.
Revele la clave de respuestas solo después de que ambos recibos estén congelados. Dos revisores califican de forma independiente. Publicar respuestas incorrectas y desacuerdos; un único número de precisión agregada oculta qué decisiones de edición no son seguras.
Vuelva a consultar la guía de comprensión en video de Gemini actual al interpretar fallas específicas de la configuración; no transfiera un resultado entre modos o modelos sin una nueva ejecución.
Precisión de marca de tiempo
Mida la diferencia entre la marca de tiempo devuelta y el inicio/final de la verdad fundamental. Defina ventanas exactas, aceptables y omitidas antes de puntuar. Para una edición de una fracción de segundo, una respuesta dentro de cinco segundos aún puede resultar inutilizable.
Califique tanto el límite como la recuperación. Una respuesta puede localizar la escena correcta sin perder el punto de edición exacto. Conserve esa distinción para los editores que necesitan decisiones a nivel de marco.
Precisión de conteo
Compare el recuento de acciones e inspeccione si se incluyó la acción cercana. Registre el error absoluto y la explicación. Un número correcto con un razonamiento no fundamentado aún necesita revisión.
Evidencia intermodal
Compruebe si el número de pedido proviene del audio, la transcripción o el señuelo visual. Recompense una respuesta sólo cuando el número y la modalidad citada coincidan con la verdad fundamental. Esto expone trampas de transcripción segura.
Respuesta no admitida
Marque cualquier afirmación que no pueda atribuirse a un período de tiempo o modalidad. La redacción de confianza no reemplaza la evidencia. A un analizador de vídeo con IA se le debería permitir decir que no puede verificar un momento.
Pregunta | Verdad fundamental | Resultado estático | Resultado de Agentic | Puntuación estática | Puntuación de Agent | Nota del revisor |
|---|---|---|---|---|---|---|
Momento | ___ | ___ | ___ | ___ | ___ | ___ |
Recuento | 9 | ___ | ___ | ___ | ___ | ___ |
Dato de audio | 418 | ___ | ___ | ___ | ___ | ___ |
Anomalía | ___ | ___ | ___ | ___ | ___ | ___ |
Evidencia | ___ | ___ | ___ | ___ | ___ | ___ |
Incertidumbre | ___ | ___ | ___ | ___ | ___ | ___ |
Google dice que el procesamiento agente puede realizar recuperación en menos de un segundo, búsqueda de videos largos, inspección de anomalías y análisis de acciones dinámicas de FPS. Trátelas como capacidades para probar, no como su resultado.
El precio falla, no solo los tokens
El costo del token y de la API es fácil de totalizar. La corrección humana y una mala edición posterior pueden costar más. Cree una vista sin formato y ajustada en calidad.
Delta de token
Calcule (static tokens - agentic tokens) / static tokens con los recibos reales. Informe la entrada y la salida por separado cuando esté disponible. No sustituya su resultado por el punto de referencia de Google de hasta el 88%.
delta de costos
Utilice los precios actuales y fechados aplicables al modelo y región registrados. Incluya las tarifas de funciones, si corresponde; El anuncio de Google actualmente dice que la comprensión agente utiliza el precio estándar del token API de Gemini sin tarifa de función adicional. Verifique esa declaración antes de su publicación.
tiempo de corrección
Pídale a un revisor que verifique cada respuesta y corrija los errores. Registre los minutos dedicados a encontrar el evento, reescribir el informe y documentar la incertidumbre. Una respuesta barata cuya auditoría lleva más tiempo puede no ser más barata desde el punto de vista operativo.
Costo de riesgo de edición
Asigne una clase de riesgo. Una frase resumida incorrecta puede ser reversible; eliminar el único toma correcto, aprobar una afirmación de cumplimiento o encaminar una decisión de seguridad tiene un mayor impacto. No convierta el riesgo en moneda falsa si el equipo no tiene un modelo de costos defendible. Utilice bajo/medio/alto más un revisor obligatorio.
Medida | Estático | Agente | Diferencia |
|---|---|---|---|
Total de tokens | ___ | ___ | ___% |
Costo de API | ___ | ___ | ___% |
Minutos de corrección | ___ | ___ | ___ |
Falsos negativos | ___ | ___ | ___ |
Falsos positivos | ___ | ___ | ___ |
Errores de alto riesgo | ___ | ___ | ___ |
El costo ajustado por calidad se puede expresar como API cost + reviewer time + documented remediation. Mantenga las entradas visibles para que el resultado pueda volver a calcularse cuando cambien los precios o la dotación de personal.
Ruta de trabajos seguros y revisión humana
La auditoría termina con la ruta, no con una insignia de ganador. Asigne cada caso de uso al nivel de revisión justificado por los errores específicos de su archivo.
Seguro para la automatización
Comience con el trabajo que a nadie le importa rehacer: una lista aproximada de capítulos, momentos B-roll candidatos o un índice de navegación de primer paso. La máquina apunta, no decide. Mantenga la fuente abierta junto a la sugerencia y asegúrese de que un evento perdido no borre, apruebe ni publique nada.
Verificación al azar
Si la prueba plantada supera su tolerancia, permita resúmenes, recuentos, resultados de búsqueda o notas de edición de borradores en una cola de verificación aleatoria. Un revisor abre el código de tiempo citado, observa los segundos circundantes y acepta o rechaza la nota. Muestra un momento ordinario y duro. La próxima semana, rote las preguntas; de lo contrario, el control se convierte silenciosamente en una prueba de la misma escena fácil.
Requerido por humanos
Algunos trabajos siguen siendo humanos. La interpretación legal o de cumplimiento, las decisiones sensibles a la identidad, los eventos de seguridad y las eliminaciones irreversibles necesitan el metraje original y un revisor responsable. Lo mismo ocurre con cualquier respuesta que llegue sin pruebas que la respalden. En este flujo de trabajo, el análisis Gemini no es una función APOB; es un aporte externo que debe ganarse su lugar en el informe.
Activador de nueva prueba
Guarde algún pequeño vídeo de prueba de 20 minutos. Ejecútelo nuevamente cuando cambie el modelo, el modo de procesamiento, el precio, el formato de entrada, el esquema de consulta o el tipo de fuente. Una nueva nota de versión no es un resultado de regresión. El archivo antiguo y la clave de respuestas oculta hacen que el cambio se pueda medir en una tarde.
Trabajo | Ruta | Evidencia requerida | Aprobación humana |
|---|---|---|---|
Sugerencias aproximadas de capítulos | Pase posterior seguro para automatización | Marcas de tiempo candidatas | Revisión de muestra |
Recuperación de momento | Comprobación aleatoria | Ventana y marco exactos | Editor |
Recuento de acciones | Comprobación puntual/revisión completa por tolerancia | Definición de recuento + ventana | Revisor |
Cumplimiento o identidad | Requerido por humanos | Fuente y revisión de especialistas | Propietario calificado |
Edición irreversible | Requerido por humanos | Decisión de edición verificada | Editor/productor |
Una vez que se verifica un hallazgo, puede convertirse en una tarjeta de escena en el Guión gráfico de APOB AI, una nota de origen en el Editor de video de APOB AI o un resumen para el Generador de video de APOB AI. Adjunte el recibo y el código de tiempo. Trasladar una respuesta no verificada a una herramienta creativa refinada no la hace más segura.
Antes de que un análisis de IA genere un corte real, haga estas seis preguntas sobre un video de su propiedad. Quizás el procesamiento agente ahorre tokens. Quizás encuentre la inversión de ocho fotogramas. Quizás no cambie nada. Los tres son resultados útiles cuando los recibos permanecen visibles.
Fuentes
Sé el primero en darle me gusta a esto.
No se necesita tarjeta de crédito
