Google lance Gemini 3.8 Flash avec l’avantage remarquable de prendre en charge le traitement vidéo natif, tandis que GPT-6 Astra et Claude Fable 5.1 ne prennent pas encore en charge les entrées vidéo directes.
Le modèle accepte plusieurs types de données, notamment le texte, les images, la vidéo, l’audio et les fichiers PDF, ainsi qu’une fenêtre de contexte de plus d’un million de jetons (tokens).
Gemini utilise un mécanisme de « compréhension vidéo agentique » (agentic video understanding), décidant de manière autonome des segments vidéo, des images, de l’audio et des transcriptions à analyser au lieu de traiter l’intégralité de la vidéo de la même manière.
Google affirme que cette méthode réduit la consommation de jetons jusqu’à 88 % pour les vidéos longues tout en augmentant la qualité des résultats d’environ 7 %.
Les utilisateurs peuvent poser des questions contextuelles telles que le moment où un sujet a été mentionné, les événements survenus avant ou après un moment précis, ou le contenu affiché à l’écran à un moment donné.
GPT-6 Astra dispose d’une fenêtre de contexte d’environ 1,05 million de jetons mais ne prend en charge que le texte et les images, sans prise en charge des entrées audio et vidéo.
Claude Fable 5.1 dispose également d’une fenêtre de contexte d’un million de jetons, prenant en charge la compréhension des images, mais nécessite l’extraction d’images ou de transcriptions à l’aide d’un autre outil pour analyser une vidéo.
Gemini 3.8 Flash traite également directement l’audio, combinant images, parole et horodatages dans une seule et même tâche, ce qui le rend idéal pour analyser des cours, des réunions et des vidéos de longue durée.
📌 Gemini 3.8 Flash se démarque grâce à sa capacité à comprendre directement la vidéo et l’audio au sein d’un modèle multimodal unique. En sélectionnant automatiquement les parties de contenu à analyser, il réduit les jetons jusqu’à 88 % tout en améliorant la qualité d’environ 7 % selon Google. Bien que GPT-6 Astra et Claude Fable 5.1 restent performants en matière de raisonnement et d’agents (Agents), Gemini détient actuellement un net avantage dans les applications liées à la vidéo, aux enregistrements, aux cours magistraux et au contenu multimédia.
