Gemini deja de ver los vídeos fotograma a fotograma

Hasta esta semana, cuando le pasabas un vídeo a Gemini, el modelo se lo tragaba entero a un fotograma por segundo, pagando tokens por cada imagen mirara lo que mirara. Desde el lunes puede hacer lo que haría cualquier persona con prisa: saltar directamente a las partes que importan. Google llama a la técnica comprensión agéntica de vídeo y la ha activado en Gemini 3.7 Flash, 3.6 Flash y 3.5 Flash-Lite.

Cómo funciona el salto

La mecánica es la misma que Google estrenó en enero con la visión agéntica de imágenes, donde el modelo escribía código para hacer zoom y recortar antes de responder. Aplicada al vídeo: ante la pregunta "¿cuáles son los tres argumentos principales?", el modelo ya no procesa una hora de grabación entera, sino que consulta la transcripción, localiza los momentos candidatos y examina solo esos segmentos en detalle, en un bucle de pensar, actuar y comprobar.

Las mejoras más aparatosas están donde cabría esperar: contenido largo. Tutoriales de diez minutos, grabaciones de reuniones de horas, clases enteras. Y hay una capacidad nueva que el muestreo fijo no podía dar: detectar momentos de menos de un segundo, cortes o cambios de estado que a un fotograma por segundo simplemente se colaban entre dos muestras.

El detalle de la factura tiene su gracia: solo se pagan los tokens de los fragmentos que el modelo decide mirar, más su razonamiento a tarifa normal. Es la misma dirección que el Gemini 3.8 Flash que contamos ayer: la guerra ya no es solo de capacidad, es de coste por respuesta.

Qué se puede hacer con esto

Para desarrolladores, los casos son inmediatos: buscadores de momentos dentro de videotecas, detección de anomalías en cámaras de vigilancia sin procesar horas de nada, recuento preciso de objetos o eventos, resúmenes de reuniones que citan el minuto exacto. Todo con vídeos subidos o enlaces de YouTube, cambiando un parámetro en la API.

Para el resto, la promesa es a corto plazo: Google dice que llevará la técnica a sus productos de consumo pronto, lo que apunta a un YouTube donde preguntar "¿en qué minuto explica lo del contrato?" deje de ser ciencia ficción. Mientras llega, cualquiera puede probar los modelos Flash gratis en AI Studio; la lista de las mejores IA gratis explica cómo. El mismo anuncio llegó acompañado de Google Pics, la nueva herramienta de creación y edición de imágenes para Workspace, señal de la semana de producto más cargada que se le recuerda a Google.

La lectura sin humo

Los porcentajes llevan la firma del fabricante y el "hasta" trabaja mucho en esa frase: el ahorro del 88% es el mejor caso, medido contra la propia línea de base de Google, y nadie lo ha replicado aún desde fuera. Dicho lo cual, la dirección es indiscutiblemente sensata y, de hecho, tardía: procesar una hora de vídeo entera para responder una pregunta puntual siempre fue la versión cara de no saber buscar.

La consecuencia práctica sí es inmediata: el análisis de vídeo con IA acaba de bajar de precio lo suficiente como para que casos que no salían a cuenta (archivos enteros de televisiones, videotecas corporativas, horas de cámaras) empiecen a salir. Cuando una capacidad se abarata un orden de magnitud, no mejora el mercado existente: aparece uno nuevo. Ahí es donde conviene mirar los próximos meses.

Fuentes: Google · The Decoder · 1-2 septiembre 2026