Компания Google DeepMind анонсировала обновление для своих моделей Gemini, которое добавляет возможности «агентного понимания видео». В отличие от стандартных систем, которые ограничиваются простым описанием кадров, новая технология позволяет ИИ анализировать видеопоток как динамическую среду. Модель способна отслеживать объекты, интерпретировать действия персонажей и соотносить визуальные данные с контекстом задачи, которую перед ней ставит пользователь. Функциональность ориентирована на выполнение многошаговых действий. Например, ИИ может проанализировать запись процесса сборки устройства, выявить ошибки или пропущенные этапы и дать конкретные инструкции по их исправлению. Разработчики отмечают, что такой подход значительно расширяет возможности применения Gemini в сферах технической поддержки, обучения и анализа сложных производственных процессов, где требуется глубокое понимание временной последовательности событий.