Google Gemini Flash, 필요한 장면만 찾는 동영상 이해
긴 동영상을 AI로 분석할 때는 정확도뿐 아니라 비용도 중요한 제약이 된다. 모든 구간을 일정한 속도로 처리하면 영상이 길어질수록 토큰 사용량이 빠르게 늘기 때문이다.
Google이 2026년 9월 1일 공개한 ‘에이전트형 동영상 이해’는 이런 고정 처리 방식을 목적형 탐색으로 바꾼다. Gemini Flash가 질문에 답하는 데 필요한 장면과 정보 유형을 스스로 찾아 분석하는 기능이다.1
고정 샘플링에서 목적형 탐색으로
기존 정적 처리는 기본적으로 동영상을 초당 1프레임으로 샘플링한다. API에서 속도를 조정할 수 있지만, 샘플링을 줄이면 짧은 장면을 놓칠 수 있고 늘리면 토큰 사용량이 커지는 절충이 필요했다.1
에이전트형 방식에서 Gemini는 먼저 질문의 목적을 파악한다. 이어 프레임·오디오·자막 가운데 필요한 정보 유형을 선택하고, 조사할 구간과 재생 속도를 결정한다. 내부 도구를 반복 호출하는 ‘에이전트 루프’를 통해 관련 구간만 불러오는 구조다.1
핵심은 동영상 전체를 같은 밀도로 읽지 않는다는 점이다. 넓게 탐색한 뒤 답과 관련된 구간을 더 자세히 확인함으로써 불필요한 처리를 줄인다.
비용과 정확도를 함께 개선하는 이유
Google의 표준 동영상 분석 벤치마크에서는 토큰 사용량이 최대 88%, 분석 비용이 최대 66% 감소했다. 정확도는 최대 7% 향상됐다.1 단순히 영상을 덜 보는 것이 아니라, 과제에 필요한 부분에 분석을 집중한 결과다.
이 방식은 특정 발언 찾기, 순간적인 이상 동작 확인, 반복 행동 집계처럼 관련 장면이 일부 구간에 집중된 작업에 유용하다. 모델이 의심 구간과 적절한 재생 속도를 선택하므로, 개발자가 검색·선별·재분석 절차를 직접 설계해야 하는 부담도 줄어든다.
도입 전에 확인할 기준
지원 모델은 Gemini 3.7 Flash, 3.6 Flash, 3.5 Flash-Lite다. 동영상 업로드와 YouTube 영상에 적용할 수 있으며, Gemini API 설정에서 처리 방식을 agentic으로 지정하면 된다.1
다만 ‘최대 88%’의 토큰 절감은 모든 작업에 보장되는 수치가 아니다. 실제 효과는 영상 길이, 질문 범위, 관련 장면의 밀도에 따라 달라질 수 있다. 도입 전에는 기존 정적 처리와 비교해 다음 항목을 함께 측정하는 것이 좋다.
답변 정확도
토큰 사용량과 분석 비용
응답 시간
짧지만 중요한 장면의 탐지 여부
요약: Google의 에이전트형 동영상 이해는 Gemini Flash가 영상을 더 많이 처리하도록 만든 기능이 아니다. 무엇을 보고 어디를 자세히 분석할지 스스로 결정하게 함으로써 비용과 개발 부담을 줄이고, 정확도를 높이는 접근이다.
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.