Google запускaет Gemini 3.8 Flash с главным преимуществом в виде поддержки нативной обработки видео, в то время как GPT-6 Astra и Claude Fable 5.1 пока не поддерживают прямой ввод видео.
Модель принимает множество типов данных, включая текст, изображения, видео, аудио и PDF, а также имеет контекстное окно объемом более 1 миллиона токенов.
Gemini использует механизм «агентного понимания видео» (agentic video understanding), самостоятельно определяя, какие видеосегменты, кадры, аудио и стенограммы необходимо проанализировать, вместо того чтобы обрабатывать все видео одинаково.
Google заявляет, что этот метод сокращает потребление токенов до 88% для длинных видео, одновременно повышая качество результатов примерно на 7%.
Пользователи могут задавать контекстные вопросы, например, когда упоминается определенная тема, какие события происходили до или после конкретного момента, или какой контент отображается на экране в определенное время.
GPT-6 Astra имеет контекстное окно около 1,05 миллиона токенов, но поддерживает только текст и изображения, не поддерживая ввод аудио и видео.
Claude Fable 5.1 также имеет контекстное окно в 1 миллион токенов, поддерживает понимание изображений, но для анализа видео требует извлечения кадров или стенограмм с помощью другого инструмента.
Gemini 3.8 Flash также напрямую обрабатывает аудио, объединяя изображения, речь и временные метки в одной задаче, что делает его подходящим для анализа лекций, встреч и длинных видеоматериалов.
📌 Gemini 3.8 Flash выделяется благодаря способности напрямую понимать видео и аудио в рамках единой мультимодальной модели. Автоматический выбор фрагментов контента для анализа позволяет сократить количество токенов до 88%, одновременно повышая качество примерно на 7%, по данным Google. Хотя GPT-6 Astra и Claude Fable 5.1 по-прежнему сильны в рассуждениях и агентах (Agent), Gemini в настоящее время имеет явное преимущество в приложениях, связанных с видео, записью, лекциями и мультимедийным контентом.
