When Agentic Video Helps — and When Static Is Better
你只是想找一支長影片裡的一個數字，為什麼要讓 AI 把整支影片每秒抽一格全部看完？
Google 在 9 月 1 日正式公開 Agentic Video Understanding。原本的 static 模式會用固定取樣率讀完整支影片；agentic 模式則讓模型先判斷問題，再自己決定要讀逐字稿、看哪一段畫面、要不要提高特定片段的取樣率。
9 月 2 日接著推出的 Gemini 3.8 Flash 也已列入公開文件的支援名單。目前可用模型包含 3.8 Flash、3.7 Flash、3.6 Flash 與 3.5 Flash-Lite。如果是現在才開始的新專案，可以直接評估 3.8 Flash；本文的量測仍固定使用 3.7 Flash，避免把不同模型的差異混進 agentic／static 比較。
官方公布的數字很漂亮：長影片最高少用 88% token、成本降低 66%、品質提升 7%。但我更想知道的是：每一種影片、每一種問題都比較省嗎？
我用同一支影片、同一個問題，分別跑 agentic 和 static。答案是：長片差很多，短片真的不一定。
開啟方式只差一個欄位
我用 Gemini 3.7 Flash 與 Interactions API 做這次 benchmark；新專案也可以把 model 換成 gemini-3.8-flash。影片輸入加上 processing: "agentic" 就會啟用；對照組也明確寫成 "static"，不依賴預設值。
response = client.interactions.create(
model="gemini-3.7-flash", # 本文量測模型；新專案可評估 gemini-3.8-flash
input=[
{
"type": "video",
"uri": video.uri,
"mime_type": video.mime_type,
"processing": "agentic", # 對照組改成 "static"
},
{"type": "text", "text": prompt},
],
)公開文件現在寫得很清楚：預設是 static。要確認 agentic 真的有跑，不要只看答案有沒有回來；我另外檢查 response 的 steps，12 次 agentic 呼叫都有 processing_call 與 processing_result，12 次 static 呼叫則全部沒有。
怎麼測
素材是我自己的兩支影片：一支 2 分 21 秒的 UI 操作錄影，一支 10 分 21 秒的演講影片。問題分成四種：
短片裡找 UI 操作變化。
短片裡找很短暫的畫面。
長片做五點摘要並附時間戳。
長片找只出現一次的細節。
每個問題都用 agentic、static 各跑 3 次。下面是 API total_tokens 與端到端時間的中位數，不拿單次最好看的結果下結論。
這不是小差異。10 分鐘影片做摘要時，agentic 的 total tokens 只剩 static 的約 2.4%；找單次細節也只剩約 7.8%。
但 2 分多鐘的短片完全相反。找 UI 變化時多用 20%，找快動作時中位數多用 222%，延遲也超過三倍。
而且快動作那組的 agentic total tokens 三次落在 12,300 到 56,487，波動很大。如果只跑一次，很容易得到完全不同的故事。
多花的 token 有換到東西嗎？
有，但要看你需不需要。
短片快動作那題，agentic 找到只出現約 0.2 秒的 Loading agents, please wait... 畫面；我回頭抽查 0.75 秒與 0.9 秒影格，確實是載入提示切換到完整介面的瞬間。Static 找到的是另一個維持約 2 秒的事件畫面。
也就是說，agentic 多花三倍 token，不是單純浪費：它真的重新看得更細。但如果產品只需要「找一個明顯的 UI 變化」，static 的答案已經夠用，而且更快、更穩。
長片兩題則是 agentic 最適合的場景。摘要與單次細節都能回出可核對的時間戳；我抽查 8:20 的投影片，static 找到的 Managed Agent resource ID 確實存在。兩種模式都有可用答案，但 agentic 不必先把整支影片塞進 context。
如果是我, 會怎麼選
不需要將 agentic 當成「新版一定比較好」，而是把它當成: 問題適合先讀逐字稿、再鎖定少數片段時，它非常省；問題要求完整視覺覆蓋或逐格找細節時，導航本身就可能比直接看完更貴。
影片處理現在多了一個很實用的選擇，不代表可以少做量測。你手上如果有課程、會議、demo 或長篇訪談，最簡單的開始方式是：挑一個真實問題，agentic／static 各跑三次，再決定預設值。