Google lancia Gemini 3.8 Flash con il notevole vantaggio di supportare l’elaborazione video nativa, mentre GPT-6 Astra e Claude Fable 5.1 non supportano ancora l’input video diretto.
Il modello accetta molteplici tipi di dati tra cui testo, immagini, video, audio e PDF, insieme a una finestra di contesto di oltre 1 milione di token.
Gemini utilizza un meccanismo di “comprensione video agentica” (agentic video understanding), decidendo autonomamente quali segmenti video, fotogrammi, audio e trascrizioni analizzare anziché elaborare l’intero video allo stesso modo.
Google afferma che questo metodo riduce il consumo di token fino all’88% per i video lunghi, aumentando al contempo la qualità dei risultati di circa il 7%.
Gli utenti possono porre domande contestuali come il momento in cui viene menzionato un argomento, eventi accaduti prima o dopo un momento specifico o il contenuto visualizzato sullo schermo in un dato momento.
GPT-6 Astra presenta una finestra di contesto di circa 1,05 milioni di token ma supporta solo testo e immagini, senza supporto per l’input audio e video.
Anche Claude Fable 5.1 vanta una finestra di contesto di 1 milione di token e supporta la comprensione delle immagini, ma per analizzare i video richiede l’estrazione di fotogrammi o trascrizioni tramite un altro strumento.
Gemini 3.8 Flash elabora inoltre direttamente l’audio, combinando immagini, parlato e timestamp in un unico compito, rendendolo adatto all’analisi di lezioni, riunioni e video di lunga durata.
📌 Gemini 3.8 Flash si distingue grazie alla capacità di comprendere direttamente video e audio all’interno di un unico modello Multimodale. Selezionando automaticamente le parti di contenuto da analizzare, riduce i token fino all’88% migliorando al contempo la qualità di circa il 7% secondo Google. Sebbene GPT-6 Astra e Claude Fable 5.1 rimangano forti nel ragionamento e negli Agent, Gemini detiene attualmente un chiaro vantaggio nelle applicazioni legate a video, registrazioni, lezioni e contenuti multimediali.
