De selectieve blik van Gemini: de belofte van goedkoper videobegrip

Tot vandaag betekende een taalmodel een video laten analyseren dat je het dwong een starre reeks frames te verwerken, doorgaans één per seconde. Een even rechtlijnige als verkwistende methode, waarbij het verbruik meegroeit met de lengte van de clip en niet met de werkelijke relevantie van de inhoud. Met agentisch videobegrip, door Google aangekondigd op 1 september 2026, verandert die aanpak: het model ondergaat de beeldstroom niet langer, maar neemt een actieve rol en beslist zelf welke segmenten het laadt, met welke snelheid en via welke modaliteit — frames, audio of transcripties — met behulp van daarvoor gemaakte native tools.

De cijfers die Google belooft zijn aanzienlijk: tot 66% lagere analysekosten, tot 88% minder tokenverbruik en tot 7% meer nauwkeurigheid. Wie de technische stukken leest, stuit echter op nuances die het aanvankelijke enthousiasme temperen. De officiële aankondiging noemt als compatibele modellen Gemini 3.7 Flash, Gemini 3.6 Flash en Gemini 3.5 Flash-Lite, terwijl de ontwikkelaarsdocumentatie op ai.google.dev ook Gemini 3.8 Flash aan de lijst toevoegt — vermoedelijk omdat dat model de dag na de aankondiging verscheen. Bovendien is, zoals ook een reconstructie van MarkTechPost van 4 september 2026 opmerkt, de hele infrastructuur uitsluitend bereikbaar via de API die in Google AI Studio of op het Gemini Enterprise Agent Platform draait. Er zijn geen open gewichten en geen manier om het systeem zelf te draaien: precies daarom kan niemand buiten Google die percentages hermeten. De modus wordt via de configuratie aangezet ('processing': 'agentic') tegen de standaardprijs van de API, zonder toeslag; Google zegt dat hij 'binnenkort' in de Gemini-app komt en 'in de komende maanden' in Ask YouTube — data die vaag blijven.

Bij nadere beschouwing hebben de efficiëntiecijfers hun schaduwzones. Google heeft noch de specifieke gegevens noch de vergelijkingstabellen gepubliceerd van de standaardbenchmarks waarmee deze maximale besparingen zijn berekend. Sterker nog, de officiële documentatie roept zelf op tot voorzichtigheid: bij latentiegevoelige verzoeken op clips onder de vijf minuten, en wanneer over de hele clip precisie op frameniveau nodig is, wordt uitdrukkelijk aangeraden bij de standaard statische sampling te blijven. Ook de 7% extra nauwkeurigheid is niet universeel: de technische documentatie beperkt die tot langere content.

Het idee dat een model zelf kan bepalen waar het naar kijkt om rekenkosten te besparen, is een uitstekende oefening in het optimaliseren van middelen. Jammer dat we, om te controleren of die besparing niet uitmondt in verloren details of in een wachttijd die Google nooit heeft becijferd, moeten vertrouwen op percentages zonder publieke benchmarks. Efficiëntie is uiteindelijk een prima maatstaf, zolang de gebruiker niet degene is die op eigen kosten de proefrit mag doen. — Olya