DeepMind在官方博客发布Gemini的“agentic video understanding”能力，表示Gemini开始把视频理解从单纯问答推进到可执行任务的交互式处理，面向需要解析长视频、定位关键片段、总结事件线索和继续追问的用户与开发者。相比以往只回答“视频里发生了什么”的模式，这次更新把视频识别、语义提取和后续操作连成一条链条，也让Gemini在多模态能力上更接近可直接上手的工作流助手。据DeepMind Blog报道。
来源：DeepMind Blog
原始发布时间：2026年9月2日 01:08