Google представила Agentic Video Understandingi — новый режим анализа видео в Gemini, в котором модель сама решает, как изучать ролик: выбирает нужные фрагменты, переключается между кадрами, аудио и транскриптом, меняет частоту обработки. Раньше Gemini смотрела видео статично — примерно 1 кадр в секунду плюс аудио, читая заранее размеченные таймстемпы, независимо от того, важен ли момент.

По данным Google, новый подход снижает расход токенов до 88%, стоимость анализа — до 66%, а точность на длинных видео растёт до 7%. Эффект особенно заметен на многочасовых записях — лекциях, вебинарах, записях с камер, где раньше модель тратила огромные ресурсы на кадры, не влияющие на ответ.

Полный разбор →

Google открывает доступ к новому сервису Pics — инструменту в стиле Canva для создания и редактирования изображений, построенному на модели Nano Bananai. Сервис работает как отдельный продукт и одновременно встраивается в Google Workspacei: Docs, Slides и Drive, позволяя редактировать картинки без выхода из документа.

Доступ уже получают подписчики тарифов Google AI Pro и AI Ultrai, а также большинство бизнес-клиентов Workspace; по данным PRO Hi-Tech, для корпоративных клиентов и подписчиков AI Pro/AI Ultra доступ откроют в ближайшие недели.

Полный разбор →

Исследователи Google разработали архитектуру SKILL.statei, которая заменяет накопление всей истории диалога агента на компактное структурированное «execution statei». Вместо ReAct-подхода, где промпт растёт линейно с числом шагов, а суммарный расход токенов — квадратично, модель на каждом шаге получает только инструкции навыка, текущее состояние и последнее наблюдение.

В тестах на синтетической задаче складского управления из 100 шагов экономия токенов достигла 93,8% (по данным Data Secrets) при сохранении и даже росте точности решения задач — важно, что подход применим к любой, в том числе закрытой, модели.

ВыводМеханика: на каждом шаге модель выдаёт JSON-блок с двумя полями — конкретная команда для исполнения в среде и state_patch (изменения относительно прошлого состояния); агент выполняет команду, получает ответ от среды и обновляет state по state_patch

Полный разбор →

27 августа Google представила Gemini Omni 1.1 Flashi — production-релиз (GA, не preview) видеомодели gemini-omni-1.1-flash в Gemini API. Главное новшество: ролики теперь можно продлевать кусками по 10 секунд до суммарных 40 секунд, причём при продлении модель учитывает до 10 секунд контекста предыдущего видео вместо примерно одной секунды раньше.

Модель также умеет достраивать середину сцены по заданным первому и последнему кадру, генерировать быстрые черновики в 360p и апскейлить финал до 1080p/4K. Новинка уже доступна в Google Flow и Google AI Studio, а старую preview-версию отключат 30 сентября.

Полный разбор →