구글, 제미나이에 ‘에이전트 기반’ 영상 분석 도입…토큰 사용량 최대 88% 절감

구글이 제미나이(Gemini) 일부 모델에 에이전트 기반 영상 분석 기능을 도입했다. 기존처럼 영상을 초당 일정 프레임으로 훑는 방식이 아니라, 모델이 스스로 필요한 구간을 찾아 분석하는 구조다. 구글은 이 방식으로 토큰 사용량과 비용을 크게 줄일 수 있다고 밝혔다.

이번 기능은 Gemini 3.7 Flash, 3.6 Flash, 3.5 Flash-Lite에 적용된다. 구글에 따르면 이들 모델은 1초보다 짧은 순간의 변화도 포착할 수 있어, 초당 1프레임 수준의 고정 샘플링으로는 놓치기 쉬운 장면 전환이나 상태 변화까지 잡아낼 수 있다. 특히 자동 영상 편집이나 긴 영상 속 특정 장면 탐색에서 정확도가 높아진다는 설명이다. 구글은 자체 벤치마크인 LongVideoBench 등에서 Gemini 3.7 Flash의 성능과 비용 효율이 가장 우수했다고 전했다.

그동안 제미나이의 영상 분석은 기본적으로 고정 프레임 속도에 맞춰 처리됐다. 2025년 네이티브 영상 분석 기능이 도입된 뒤에도 오디오 전사와 프레임 분석을 초 단위로 수행하는 방식이 중심이었다. 반면 새 방식은 모델의 추론과 영상 도구를 직접 연결해, 어떤 구간을 어떤 속도로 어떤 방식으로 볼지 모델이 판단한다. 프레임뿐 아니라 오디오와 자막까지 함께 활용해 필요한 정보만 불러오는 구조다.

구글은 이 기능이 10분짜리 튜토리얼부터 90분 강의, 수시간 분량의 녹화 영상처럼 긴 콘텐츠에서 특히 효과적이라고 설명했다. 의심 구간은 더 높은 프레임 속도로 다시 샘플링해 이상 징후를 찾고, 반복 동작이나 개별 객체 수를 세는 작업도 더 정확하게 처리할 수 있다고 밝혔다. 개발자는 Gemini API와 Google AI Studio, Gemini Enterprise Agent Platform에서 영상 업로드와 유튜브 영상에 이 기능을 사용할 수 있다. 별도 추가 요금은 없고 기존 Gemini API 토큰 요금이 적용된다.

구글은 이 기능을 자사 서비스에도 확대할 계획이다. 우선 Flash와 Flash Lite 기반의 Gemini 앱 사용자에게 곧 적용할 예정이며, 향후에는 유튜브 재생 페이지의 ‘Ask YouTube’ 기능에도 반영해 영상에서 실제로 보이는 내용과 더 밀접한 답변을 제공하겠다고 밝혔다.