Google-ը հայտարարում է Gemini API-ում տեսանյութերի գործակալական ընկալման ներդրման մասին
Google-ի փոխանցմամբ՝ Gemini API-ում Flash երեք մոդելի համար հասանելի է տեսանյութերի գործակալական ընկալումը, որն ակտիվանում է «agentic» կարգավորմամբ: Google-ը հայտնում է թոքենների ծախսի և արժեքի նվազեցման ու ճշգրտության բարձրացման մասին և մեկ համեմատության համար նշում LongVideoBench-ը, սակայն չի տրամադրում բենչմարքերի ամբողջական մեթոդաբանությունը կամ պայմանները: Ընկերությունը նաև նշում է, որ գործառույթը Gemini հավելվածում շուտով հասանելի կդառնա բոլոր օգտատերերին Flash և Flash-Lite մոդելներում՝ առանց հստակ ժամկետի կամ տարածաշրջանային շրջանակի: [1]
Այս թողարկումն անցել է «Իմանանք»-ի հրապարակման ընդլայնված ստուգումները: Որոշ էական պնդումներ շարունակում են հստակ վերագրվել պաշտոնական կամ ընկերության աղբյուրներին, քանի որ այս թողարկմանը դեռ անկախ աղբյուր կցված չէ: Համակարգը շարունակում է ստուգել հաստատված աղբյուրները և անկախ հաստատումը կավելացնի միայն ամբողջական ստուգում անցած նոր թողարկմամբ:
Google-ը 2026 թ. սեպտեմբերի 1-ին հայտարարել է Gemini 3.7 Flash, 3.6 Flash և 3.5 Flash-Lite մոդելներում տեսանյութերի գործակալական ընկալման (agentic video understanding) ներդրման մասին: Ընկերության փոխանցմամբ՝ Gemini API-ի այս հնարավորությունը մոդելներին թույլ է տալիս ընտրողաբար զննել տեսանյութի կադրերը, ձայնն ու սղագրությունը՝ ամբողջ տեսանյութը միայն ֆիքսված արագությամբ մշակելու փոխարեն: [1]
01
02
Գործարկման մեջ նշված մոդելները
Google-ը նշում է Gemini 3.7 Flash, 3.6 Flash և 3.5 Flash-Lite մոդելները:Թոքենների խնայողության՝ Google-ի նշած առավելագույն ցուցանիշը
Արտադրողի ներկայացրած առավելագույն արդյունքն է: Google-ը մեկ համեմատության համար նշում է LongVideoBench-ը, սակայն չի տրամադրում ամբողջական մեթոդաբանությունը կամ պայմանները:Ծախսերի կրճատման՝ Google-ի նշած առավելագույն ցուցանիշը
Արտադրողի ներկայացրած առավելագույն արդյունքն է այնպիսի պայմաններում, որոնք հայտարարության մեջ ամբողջությամբ մանրամասնված չեն:Ճշգրտության աճի՝ Google-ի նշած առավելագույն ցուցանիշը
Արտադրողի ներկայացրած առավելագույն արդյունքն է: Մեկ համեմատության համար նշվում է LongVideoBench-ը, սակայն ամբողջական չափանիշները, ելակետերը և փորձարկման պայմանները ներկայացված չեն:Արտադրողականության բոլոր ցուցանիշները Google-ի ներկայացրած առավելագույն արդյունքներն են և տրամադրված նյութերում անկախ ստուգում չեն անցել: [1]
03
Ինչ է հայտարարել Google-ը
Google-ը հայտնել է Gemini Flash երեք մոդելների համար տեսանյութերի գործակալական ընկալման API հնարավորության գործարկման մասին: Հայտարարությունում չեն նշվում տարածաշրջանային ծածկույթը, հաշիվների տեսակներով հասանելիությունը կամ քվոտաները, ուստի նշված հարթակներից և կարգավորումներից զատ մուտքի այլ պայմաններ հստակեցված չեն: [1]
- Ըստ Google-ի՝ գործառույթը հասանելի է Gemini API-ի միջոցով Google AI Studio-ում և Gemini Enterprise Agent Platform-ում:
- Ընկերությունը որպես աջակցվող մոդելներ նշում է Gemini 3.7 Flash, 3.6 Flash և 3.5 Flash-Lite-ը:
- Google-ի փոխանցմամբ՝ այն աշխատում է ներբեռնված և YouTube-ի տեսանյութերի հետ, իսկ այն ակտիվացնելու համար անհրաժեշտ է API-ի կարգավորումներում տեսանյութերի մշակման ռեժիմը սահմանել «agentic»:
04
Ինչպես է աշխատում համակարգը՝ ըստ Google-ի
Google-ի տվյալներով՝ գործառույթը Gemini-ին թույլ է տալիս որոշել, թե տեսանյութի որ հատվածները զննել, ինչ արագությամբ և որ մոդալության միջոցով: Ըստ Google-ի՝ համակարգն օգտագործում է գործակալական շրջափուլ (agentic loop), որը գործարկում է ներքին գործիք՝ տեսանյութի անհրաժեշտ նյութերը բեռնելու համար: Սա մատակարարի տեխնիկական նկարագրությունն է. տրամադրված տվյալներում համակարգի վարքագծի անկախ փորձարկում չկա: [1]
- Google-ն այս գործառույթը հակադրում է կադրերի ֆիքսված հաճախականությամբ ստատիկ մշակմանը, որը, ըստ ընկերության, լռելյայն կազմում է վայրկյանում մեկ կադր և կարող է կարգավորվել API-ի միջոցով:
- Ընկերության փոխանցմամբ՝ մոդելը կարող է դինամիկ կերպով որոնել, սկանավորել և զննել համապատասխան հատվածները վիզուալ կադրերում, ձայնում և սղագրություններում:
- Հայտարարության մեջ որպես կիրառման հնարավոր տարբերակներ նշվում են կարճ դրվագների որոնումը, երկար տեսանյութերի զննումը, անոմալիաների հայտնաբերումը և գործողությունների կամ առարկաների հաշվարկը:
05
Արտադրողականության և ծախսերի վերաբերյալ տվյալների վերապահումները
Նշված բարելավումները Google-ի ներկայացրած առավելագույն արդյունքներն են, ոչ թե ընդհանուր երաշխիքներ: Հայտարարության մեջ Gemini 3.7 Flash-ի մեկ համեմատության համար նշվում է LongVideoBench-ը, սակայն չեն բացահայտվում բենչմարքերի ամբողջական փաթեթը, ելակետերը, չափանիշները, գնահատման մեթոդաբանությունը կամ առավելագույն ցուցանիշների հիմքում ընկած պայմանները: Բացի այդ, նշված չեն թոքենների համապատասխան գները և այն, թե արդյոք գնագոյացումը փոխվում է ըստ մոդելի, տարածաշրջանի կամ մշակման պայմանների: [1]
- Google-ը հայտնում է թոքենների ծախսի մինչև 88% նվազեցման մասին:
- Ընկերության տվյալներով՝ վերլուծության ծախսերը կրճատվում են մինչև 66%-ով:
- Տեսանյութերի վերլուծության՝ ընկերության կողմից ստանդարտ որակված բենչմարքերում նշվում է ճշգրտության մինչև 7% աճ:
- Google-ը LongVideoBench-ը նշում է որպես երկարաֆորմատ տեսանյութերի ընկալման բենչմարք, որն օգտագործվել է Gemini 3.7 Flash-ը տեսանյութերի գործակալական ընկալմամբ և առանց դրա համեմատելու համար:
- Google-ի փոխանցմամբ՝ գործում է Gemini API թոքենների ստանդարտ գնագոյացումը, իսկ գործառույթի համար լրացուցիչ վճար չի գանձվում:
06
Ինչը դեռևս հաստատված չէ
Սրանք Google-ի հայտարարություններն են հետագա գործարկման ծրագրերի մասին, ոչ թե հաստատված հասանելիության փաստեր: Google-ը նշում է Gemini հավելվածի գործարկումը բոլոր օգտատերերին հասանելի դարձնելու մտադրության մասին, սակայն կոնկրետ ժամկետ կամ տարածաշրջանային շրջանակ չի տրամադրում: «Ask YouTube»-ի դեպքում ևս հստակ ժամկետ կամ աշխարհագրական շրջանակ նշված չէ: API-ի կիրառումը դիտարկող ծրագրավորողները պետք է հաշվի առնեն նաև, որ տևողության ու ֆայլերի չափերի սահմանաչափերը, հապաղումը (latency), քվոտաների կանոններն ու տվյալների պահպանման պայմանները մնում են չհստակեցված, քանի դեռ իրենց հաշվի և համակարգի համար փաստաթղթավորված չեն: [1]
- Google-ի տվյալներով՝ գործառույթը շուտով հասանելի կդառնա Gemini հավելվածի բոլոր օգտատերերին Flash և Flash-Lite մոդելներում:
- Նշվում է, որ տեսանյութերի գործակալական ընկալումն առաջիկա ամիսներին կկիրառվի տեսանյութերի դիտման էջում հասանելի YouTube-ի «Ask YouTube» գործառույթում:
07
Ինչ կարող են անել ծրագրավորողները
Հայտարարությունում նկարագրվում է API-ի նոր կարգավորում, որը ծրագրավորողները կարող են փորձարկել, եթե այն հասանելի է իրենց հաշվին: Շահագործման մի շարք կարևոր մանրամասներ տրամադրված նյութերում նշված չեն: [1]
- 01
Օգտագործել Gemini 3.7 Flash, 3.6 Flash կամ 3.5 Flash-Lite մոդելները՝ ներբեռնված կամ YouTube-ի տեսանյութերի հետ Gemini API-ի միջոցով Google AI Studio-ում կամ Gemini Enterprise Agent Platform-ում: [1]
- 02
Գործառույթն ակտիվացնելու համար API-ի կոնֆիգուրացիայում տեսանյութերի մշակման ռեժիմը սահմանել «agentic»: [1]
- 03
Նախքան համակարգում ներդնելը ճշտել մոդելի թոքենների գներն ու հաշվի հասանելիությունը: Ըստ Google-ի՝ գործում է Gemini API թոքենների ստանդարտ գնագոյացումը և առանձին վճար չի նախատեսվում, սակայն հայտարարությունում նշված չեն թոքենների սակագները, քվոտաները, տարածաշրջանները կամ հաշիվների տեսակների պայմանները: [1]
- 04
Ներկայացուցչական տեսանյութերի վրա ստուգել որակը, հապաղումը (latency), մուտքային տվյալների սահմանաչափերն ու ծախսերը: Մեկ համեմատության համար Google-ը նշում է LongVideoBench-ը, սակայն չի տրամադրում բենչմարքերի ամբողջական փաթեթը, մեթոդաբանությունը, մանրամասն պայմանները կամ շահագործման սահմանաչափերը, որոնք անհրաժեշտ են աշխատանքային արդյունքները կանխատեսելու համար: [1]
08
Այս թողարկման սահմանափակումները
Տրամադրված նյութը Google-ի արտադրանքի պաշտոնական հայտարարությունն է և անկախ աղբյուրներով չի ստուգում հասանելիությունը, տեխնիկական վարքագիծը, բենչմարքերի արդյունքները կամ գնային պնդումները: [1]
Google-ը LongVideoBench-ը նշում է որպես երկարաֆորմատ տեսանյութերի բենչմարք, որն օգտագործվել է Gemini 3.7 Flash-ի համեմատության համար, սակայն չի տրամադրում բենչմարքերի ամբողջական փաթեթը, ելակետերը, չափանիշները, գնահատման մեթոդաբանությունը կամ առավելագույն արդյունքների փորձարկման մանրամասն պայմանները: [1]
Հայտարարությունում նշված չեն տարածաշրջանները, հաշիվների տեսակները, քվոտաները, հապաղումը (latency), տեսանյութերի թույլատրելի տևողությունը, ֆայլերի չափերի սահմանաչափերը, տվյալների պահպանման պայմանները կամ թոքենների գները: [1]
Google-ի փոխանցմամբ՝ Gemini հավելվածի գործառույթը շուտով նախատեսվում է բոլոր օգտատերերի համար Flash և Flash-Lite մոդելներում, սակայն հստակ ժամկետ կամ տարածաշրջանային շրջանակ նշված չէ: «Ask YouTube»-ը նկարագրվում է որպես առաջիկա ամիսների ծրագիր՝ առանց հստակ ժամկետի կամ աշխարհագրական շրջանակի: [1]
SRC
Աղբյուրների բաժին
Ուղիղ հղումներ այս ընտրանու հիմքում եղած նյութերին: Աղբյուրը տեսնելը նույնքան կարևոր է, որքան սինթեզն ընթերցելը:
Շարունակել ընթերցումը
3 սեպ, 2026 թ.
«Google»-ը ներկայացնում է «Gemini 3.8 Flash»-ը՝ թոքենների նշված գներով և ռեսուրսների ծախսի պայմաններով
«Google»-ը ներկայացրել է «Gemini 3.8 Flash»-ը՝ նշելով ծրագրավորողների, կորպորատիվ և սպառողական հասանելիության ուղիները, ինչպես նաև մեկնարկային գները, որոնք համընկնում են «Gemini 3.7 Flash»-ի սակագներին: Ըստ «Google»-ի՝ բարդ և ավելի մեծ ծանրաբեռնվածություն պահանջող առաջադրանքները կարող են ավելացնել թոքենների ծախսը: Առանձին «Flash Cyber» մոդելը սահմանափակված է «Fairwind» ծրագրով, որի հիմնական պայմանները հստակեցված չեն: [1]
6 սեպ, 2026 թ.
Last Translation Benchmark-ն առաջարկում է մեքենայական թարգմանության սխալների ստուգման նոր մոտեցում
Last Translation Benchmark պրեպրինտն առաջարկում է մուլտիմոդալ սխալների օրինակներ՝ ձեռքով կազմված ստուգման կանոններով՝ մեքենայական թարգմանության կոնկրետ խնդիրները բացահայտելու համար: arXiv-ը հաստատում է 1 տարբերակի պրեպրինտի առկայությունն ու ներկայացման ժամանակը, իսկ շտեմարանի բովանդակությունը, գրախոսման ընթացքը, հասանելիության պայմաններն ու արդյունքները տրամադրված տվյալներում մնում են չստուգված: [1]
3 սեպ, 2026 թ.
Նախատպագիր հոդվածը նկարագրում է ամփոփագրերի սխալներից մինչև LLM գնահատական տանող երկփուլ ուղին
Նախատպագիր հոդվածը հայտնում է, որ ամփոփագրեր գնահատող երկու մոդել attention-ի սկզբնական շերտերն օգտագործում են սխալների ազդանշանները համեմատելու և ուղղորդելու համար, որից հետո MLP-ի ավելի բարձր շերտերն այդ ազդանշանները միավորում են գնահատականների մեջ։ Llama-3-8B հիմնային ստուգիչ մոդելը պահպանել է ուղղորդումն ու բյուրեղացումը, սակայն ոչ նույն փուլային տարանջատումը․ հեղինակներն այս տարբերությունը վերագրում են լրացուցիչ ուսուցման կոնկրետ հետևանքներին։ Այս արդյունքները հեղինակային պնդումներ են կոնկրետ մոդելների համար և տրամադրված նյութերում անկախ ստուգում չեն անցել։