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 →