Gemini Bisa Nonton Video Lebih Pintar, Biaya Turun 66%

Kalian yang pernah nyoba nganalisis rekaman webinar dua jam pakai Gemini dan kaget lihat tagihan token-nya, sekarang ada kabar baik. Google baru saja mengubah cara Gemini "nonton" video.

Apa yang baru

• Agentic video understanding resmi meluncur untuk tiga model — Gemini 3.7 Flash, 3.6 Flash, dan 3.5 Flash-Lite — dengan konsumsi token turun sampai 88% dan biaya turun sampai 66%, sementara akurasi malah naik sampai 7%.
• Cara mindai video berubah total: alih-alih memproses tiap frame di kecepatan tetap (default 1 FPS), model sekarang mencari sendiri segmen video yang relevan berdasarkan tujuan tugasnya — lewat frame, audio, atau transcript.
• Paling terasa di video panjang — dari tutorial 10 menit sampai rekaman kuliah atau meeting berjam-jam, di mana proses lama memaksa developer memilih antara token mahal atau kehilangan detail penting.
• Tersedia hari ini lewat Gemini API di Google AI Studio dan Gemini Enterprise Agent Platform, cukup set processing: "agentic" di konfigurasi API, tanpa biaya fitur tambahan.
• Rencana rollout lanjutan: kemampuan ini bakal masuk ke aplikasi Gemini biasa untuk model Flash dan Flash-Lite, dan dalam beberapa bulan ke depan juga menopang fitur "Ask YouTube" di halaman nonton YouTube.

Cara kerjanya

Selama ini, kalau developer mau efisienkan analisis video panjang, mereka harus manual milih frame mana yang penting — semacam bikin ringkasan sebelum kasih ke model. Sekarang Gemini melakukan itu sendiri lewat agentic loop: model punya alat internal buat "memanggil" bagian video yang relevan sesuai pertanyaan yang diajukan.

Bayangin bedanya kayak nyari satu adegan di kaset VHS lama versus di DVD. Cara lama, kalian harus muter pelan-pelan dari awal sampai ketemu momennya. Cara baru ini kayak langsung lompat ke chapter yang tepat — model tahu ke mana harus "melompat" tanpa nonton ulang semuanya dari detik nol. Ini yang bikin Gemini bisa deteksi anomali di gerakan cepat, menghitung objek berulang secara akurat, sampai menemukan momen spesifik di video berjam-jam tanpa menghabiskan jutaan token.

Kenapa ini penting

Buat tim yang selama ini pakai Gemini buat riset kompetitor lewat video YouTube, transkrip podcast, atau rekaman rapat internal, biaya token selama ini jadi rem utama buat naikin skala. Sekarang rem itu longgar — video 90 menit gak lagi otomatis berarti tagihan tiga digit dolar.

Ini juga berarti alur kerja yang tadinya butuh pra-pemrosesan manual (potong video, pilih frame, transcribe dulu) bisa dipangkas satu langkah. Kalau kalian pernah coba bangun sistem yang otomatis nge-scan video YouTube buat briefing pagi, pengurangan biaya dan overhead pengembangan macam ini langsung berdampak ke berapa banyak video yang bisa diproses tanpa bikin budget bulanan jebol.

Gemini 3.7 Flash dengan fitur ini disebut berada di titik terbaik antara kualitas dan efisiensi biaya dibanding model lain yang diuji — artinya buat kebanyakan use case video, gak perlu lagi lompat ke model paling mahal cuma demi akurasi.

Buat kalian

• Yang harus peduli: kalian yang bikin produk atau workflow berbasis analisis video panjang — riset konten, moderasi, atau ringkasan meeting — karena biaya yang selama ini jadi penghambat sekarang jauh lebih murah tanpa ubah kode banyak.
• Yang boleh santai: kalau video yang kalian proses pendek (di bawah beberapa menit), gainnya gak akan terasa dramatis — fitur ini didesain buat kasus video panjang.
• Langkah kecil pertama: ambil satu video lama yang biayanya bikin kalian mikir dua kali buat proses ulang, jalankan lagi dengan processing: "agentic" diaktifkan, lalu bandingkan langsung token dan hasilnya dengan proses lama kalian.

Yang menarik dari perubahan ini bukan cuma soal Gemini jadi lebih murah — tapi soal cara berpikir yang dipindahkan dari developer ke model itu sendiri: dari "saya yang harus tahu bagian mana yang penting" jadi "model yang mencari tahu sendiri". Prinsip yang sama — biarkan sistem yang menentukan effort sesuai kebutuhan, bukan kalian yang manual mengatur semuanya dari awal — itu salah satu hal yang gw latih bareng murid-murid di kelas gw.

Sumber primer: pengumuman resmi Google DeepMind (deepmind.google/blog/introducing-agentic-video-in-gemini).