O Google lançou em 1º de setembro de 2026 o vídeo agentic no Gemini, um modo de processamento em que o modelo busca apenas os trechos de vídeo, áudio e transcrição necessários para responder à pergunta. A função estreou no Gemini 3.7 Flash, no 3.6 Flash e no 3.5 Flash-Lite, com acesso imediato por upload e por YouTube na API do Gemini.
Rohan Doshi, senior product manager do Google DeepMind, e Mario Lučić, research director da mesma área, apresentaram a novidade no post Introducing agentic video understanding with Gemini, no Google Blog. Segundo a empresa, o modo agentic pode reduzir o consumo de tokens em até 88% e o custo em até 66%, com ganho de precisão de até 7% em benchmarks padrão de vídeo.
Para quem já paga a API do Gemini em dólares para analisar aulas, webinars, reuniões gravadas ou vídeos longos do YouTube, o anúncio muda a conta sem exigir um modelo novo. O modo fica disponível no Google AI Studio e na Gemini Enterprise Agent Platform, com precificação por token padrão e sem taxa extra pela função.
O post da Google não avalia qualidade em português do Brasil e não lista restrições por país. A ausência de menção geográfica não equivale a liberação formal no mercado brasileiro. O plano gratuito do aplicativo Gemini também fica de fora deste anúncio: o app consumidor deve receber o recurso “em breve”, sem data, e a busca Ask YouTube na página de watch chega “nos próximos meses”.
O que muda no vídeo agentic no Gemini
No modo estático, o modelo amostra o vídeo a uma taxa fixa de quadros. O padrão informado pela Google é 1 FPS. Isso gera uma sequência previsível de tokens, mas cobra trechos irrelevantes quando a pergunta aponta para poucos momentos do material.
No modo agentic, o modelo entra em um loop interno com ferramenta própria. Ele inspeciona frames, áudio e transcrições e busca só os segmentos úteis. Doshi e Lučić descreveram o processo como uma busca dirigida, em vez de uma amostragem uniforme do arquivo inteiro.
A diferença aparece sobretudo em conteúdo longo. O post cita ganhos maiores em how-tos de cerca de 10 minutos, aulas de até 90 minutos e gravações de várias horas. O benchmark LongVideoBench é o exemplo nomeado pela Google para ilustrar o comportamento em vídeos extensos.
A empresa afirmou que o Gemini 3.7 Flash ficou na fronteira de precisão por custo entre os modelos testados nesse cenário. Os números de token, custo e acurácia são reivindicações do fabricante e devem ser lidos com essa atribuição. Em material curto e denso, o ganho relativo tende a ser menor, porque há menos margem para pular trechos sem valor para a pergunta.
Outro ponto prático é o controle explícito. O padrão permanece estático. Quem quer o loop agentic precisa enviar o parâmetro de processamento correspondente. Isso evita surpresa de fatura para quem já opera pipelines com amostragem fixa e prefere previsibilidade de tokens.
Capacidades anunciadas e números do fabricante
Segundo o post, o modo agentic cobre recuperação de momentos com precisão de subsegundo, busca do tipo needle-in-a-haystack em material longo, detecção de anomalias com reamostragem em FPS mais alto e contagem de ações ou objetos. Em cenas rápidas, o modelo eleva a taxa de amostragem só onde precisa.
A Google informou redução de até 88% no volume de tokens, custo até 66% menor e precisão até 7% melhor em benchmarks padrão de vídeo. Os maiores ganhos, afirmou a empresa, concentram-se em conteúdo de longa duração. O LongVideoBench aparece como referência explícita no anúncio.
Os valores não vêm de auditoria independente nesta publicação. Também não há, no texto de lançamento, tabela pública de preço por token específica do modo agentic. A cobrança segue as tarifas padrão da API, sem taxa adicional pelo recurso.
Na prática, a promessa de economia depende do perfil da pergunta. Uma consulta que exige varrer quase todo o vídeo pode manter o consumo elevado, mesmo com o loop. Já uma pergunta sobre um instante específico tende a se beneficiar mais da busca seletiva descrita pela Google.
Doshi e Lučić declararam que o desenho prioriza precisão com menos dados enviados ao modelo. O post, porém, não detalha limites de duração, tetos de passos do loop ou exemplos de falha. Quem for a produção precisa validar com o próprio corpus, não só com o marketing do lançamento.
Como ativar na API e no Cloud
No Google AI Studio e na plataforma enterprise, o modo se habilita com o parâmetro de processamento definido como agentic. O exemplo oficial usa a Interactions API com um vídeo do YouTube e uma pergunta em texto. O modelo citado no snippet é o gemini-3.7-flash.
from google import genai
client = genai.Client()
interaction = client.interactions.create(
model="gemini-3.7-flash",
input=[
{"type": "video", "uri": "https://youtu.be/7Z5Vy9JBANs", "processing": "agentic"},
{"type": "text", "text": "What are the 3 most important announcements in this keynote?"},
],
)
print(interaction.output_text)A documentação de Cloud, atualizada em 3 de setembro de 2026 (UTC), trata o recurso como Generative AI Preview. No GenerateContent, o campo correspondente é media_processing="AGENTIC" (REST: mediaProcessing com valor AGENTIC). O modo só aparece em v1beta1, não em v1.
O padrão continua estático ou desabilitado. Quem não opta pelo agentic mantém a amostragem fixa. A documentação lista fontes YouTube, Google Cloud Storage e Base64. Em conversas multi-turno, a Google afirmou que é preciso preservar o step_list, sob pena de perder o contexto do loop. É possível misturar vídeos agentic e estáticos na mesma requisição.
O guia para desenvolvedores, em Agentic video understanding with Gemini, e as páginas de video understanding no Cloud detalham o comportamento. As docs de Cloud já incluem o Gemini 3.8 Flash entre os modelos com suporte a compreensão de vídeo, enquanto o post de lançamento nomeou apenas 3.7 Flash, 3.6 Flash e 3.5 Flash-Lite.
Para integração em produção, o status Preview e a restrição a v1beta1 importam. Contratos, SDKs e gateways que forçam só a API v1 estável não enxergam o parâmetro AGENTIC. Times que dependem de GCS ou de Base64 precisam confirmar cotas, tamanho máximo e política de retenção antes de migrar lotes grandes.
Disponibilidade, preço e o que o anúncio não cobre
Hoje o recurso vale para uploads e para YouTube via API do Gemini no AI Studio e na Gemini Enterprise Agent Platform. Doshi e Lučić declararam que a cobrança segue o preço padrão por token, sem taxa de feature. As tarifas por token em si não foram republicadas no post de 1º de setembro.
No aplicativo Gemini para consumidores, a função ainda não está disponível. A Google disse que chega “em breve”, sem calendário. Ask YouTube na página de watch do YouTube foi descrito como chegando “nos próximos meses”, também sem data.
Há um custo oculto a considerar. O loop agentic gera tokens de raciocínio e de saída que entram na fatura às tarifas padrão. Em perguntas que exigem alto esforço, o modelo pode inspecionar mais segmentos e o gasto sobe mesmo com menos frames amostrados de forma uniforme. O padrão STATIC obriga o desenvolvedor a optar de forma explícita pelo modo agentic.
O anúncio também não discute SLAs, latência média do loop nem comparativos lado a lado com fornecedores rivais. A leitura correta é de um recurso novo na família Flash, com números de economia e precisão atribuídos à Google, ainda em Preview no Cloud e já exposto na API via Studio e na plataforma enterprise.
Leitura para o Brasil
Quem já processa vídeo longo na API do Gemini e paga em dólares pode reduzir a conta agora, sem migrar de família de modelo, desde que ative o processamento agentic. Aulas gravadas, webinars, reuniões e vídeos do YouTube são os casos em que o post da Google aponta os maiores ganhos de eficiência.
O material oficial não mede desempenho em português do Brasil. Também não nomeia restrições territoriais. Tratar a omissão como liberação no Brasil seria extrapolar o texto. O plano gratuito do app fica fora do escopo deste lançamento.
Para times que já usam a API, o caminho imediato é testar o mesmo prompt em STATIC e em AGENTIC, comparar tokens, latência e qualidade da resposta, e só então mudar o padrão de produção. A documentação em Preview e a exigência de v1beta1 indicam que a superfície ainda pode mudar.
Empresas brasileiras que cobram clientes em reais e liquida a fatura da API em dólares sentem o câmbio duas vezes: no volume de tokens e na conversão. Qualquer corte real no uso de frames, se confirmado nos testes internos, alivia os dois lados da planilha. Ainda assim, o custo do raciocínio do loop precisa entrar na mesma conta.
Em resumo, o vídeo agentic no Gemini entra como opção de processamento seletiva para Flash 3.7, 3.6 e 3.5 Flash-Lite, com números de economia e precisão atribuídos à Google, disponibilidade imediata na API e chegada posterior ao app e ao Ask YouTube. O ganho concreto depende do comprimento do vídeo, da pergunta e do quanto o loop interno consome em tokens de pensamento e saída.