
목차지금까지는 영상 전체를 통째로 읽었습니다
구글이 영상 분석 토큰을 최대 88%, 비용을 최대 66% 줄였습니다. 정확도는 최대 7% 올렸다고 밝혔어요.
구글이 9월 1일 재미나이에 넣은 새 기능, 에이전틱 비디오 이해 이야기입니다. 딥마인드의 로한 도시와 마리오 루치치가 공식 블로그에 올렸고, Google AI Studio 계정이 데모 영상과 함께 알렸어요.
발표 문구가 과장인지 구조를 뜯어봤습니다. 구글은 재미나이가 영상을 보는 방법을 바꿔서 비용을 깎았어요.
지금까지는 영상 전체를 통째로 읽었습니다
구글은 기존 방식을 정적 처리라고 부릅니다. 영상을 초당 1프레임씩 잘라 전부 컨텍스트에 밀어넣습니다. 질문이 뭐든, 영상 전체를 씹어 삼키고 시작해요.
사용자는 여기서 비용을 치릅니다. 구글 문서 기준으로 기본 해상도에서 영상 1초당 약 100토큰. 고해상도면 약 300토큰입니다. 1시간 강의를 물어보면 컨텍스트에 약 108만 토큰을 넣습니다. "23분 지점에서 강사가 뭐라고 했지?" 같은 질문 하나에도 나머지 59분을 전부 계산한 값을 치르는 구조였어요.
새 방식은 영상을 '봅니다'
구글은 사람이 영상을 보는 방식에서 에이전틱 모드를 떠올렸습니다. 사람은 2시간 녹화에서 한 장면을 찾을 때 처음부터 끝까지 보지 않죠. 넘겨 보고, 배속을 올리고, 자막을 훑습니다.
재미나이가 이제 그걸 합니다. 뭘 볼지, 어떤 속도로 볼지, 프레임·오디오·자막 중 어떤 경로로 볼지를 모델이 질문에 맞춰 스스로 정합니다. 내부 도구를 호출해 영상 파일의 필요한 구간만 로드하고, 필요한 순간과 신호만 가져와요.
구글 문서의 예시 하나로 효과를 볼게요. 정적 모드로 약 108만 토큰을 쓰던 1시간 강의를, 에이전틱 모드에선 프롬프트에 따라 약 10.8만 토큰으로 처리합니다. 구글은 표준 벤치마크에서 최대치로 토큰 88% 절감, 비용 66% 절감, 정확도 7% 상승을 보고했어요.
구글은 용도도 문서에 구체적으로 적었습니다. 초 단위 순간 검색, 긴 영상에서 바늘찾기, 특정 구간만 프레임을 촘촘히 다시 뽑는 이상 감지, 동작·사물 개수 집계.
켜는 법은 한 줄입니다
API 요청의 비디오 파트에 processing: "agentic" 한 줄. 이게 전부입니다.
추가 기능 요금은 없습니다. 표준 재미나이 API 토큰 과금 그대로예요. 토큰을 덜 쓰니 그만큼 덜 냅니다. 구글은 재미나이 3.7 플래시, 3.6 플래시, 3.5 플래시 라이트에서 이 기능을 지원합니다. 오늘 기준 재미나이 API와 AI 스튜디오, 엔터프라이즈 에이전트 플랫폼에서 쓸 수 있습니다.
구글은 로드맵도 밝혔습니다. 재미나이 앱 전체 사용자에게 곧 풀고, 몇 달 안에 유튜브의 'Ask YouTube' 기능에도 이 엔진을 넣는다고 예고했어요.
깨알 조건들
조건도 같이 봐야 합니다.
수치 셋은 전부 '최대'치입니다. 영상이 길수록 많이 줄이고, 모든 영상에서 88%를 줄이지는 못해요. 5분 미만 짧은 클립에서는 오히려 재미나이가 탐색하느라 첫 토큰을 늦게 낼 수 있다고 구글 스스로 적어뒀습니다. 그래서 짧은 클립에는 정적 모드를 권합니다.
구글은 기본값을 여전히 정적 처리로 뒀습니다. 직접 켜야 작동해요. 플래시 계열 셋만 지원하고, 프로 계열은 이번에 넣지 않았습니다. 엔터프라이즈 쪽은 아직 v1beta1 프리뷰고요.
남는 생각
저는 이번 출시로 API 사용자들이 긴 영상을 훨씬 부담 없이 다루게 됐다고 봅니다.
지금까지 API 사용자에게 긴 영상은 사치재였습니다. 1시간에 백만 토큰이라는 입장료를 내야 했으니까요. 구글이 그 요금을 10분의 1 수준으로 내리면 사람들은 다른 종류의 질문을 던집니다. 개발자는 회의 녹화 전체, 90분 강의, 몇 시간짜리 CCTV를 요약은 물론 검색, 감시, 집계에도 쓸 수 있어요.
저는 구글이 모델을 키우지 않고 보는 법을 고쳤다는 점이 제일 마음에 듭니다. 에이전트 시대에는 이런 식으로 최적화할 거라고 봅니다.
원문·소스
- Google AI Studio 발표 트윗: https://x.com/GoogleAIStudio/status/2094841307935957304
- 공식 블로그 (The Keyword): https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-agentic-video-in-gemini/
- Gemini API 영상 이해 문서: https://ai.google.dev/gemini-api/docs/video-understanding
FAQ
자주 묻는 질문
- 어떻게 토큰을 깎나요?
- 영상을 초당 1프레임씩 전부 넣지 않습니다. 모델이 질문에 맞춰 구간·속도·신호 경로를 골라 필요한 부분만 로드해요.
- 켜는 법과 추가 요금은요?
- 비디오 파트에 processing agentic 한 줄입니다. 추가 기능 요금은 없고 표준 토큰 과금 그대로예요.
- 짧은 클립에도 켜야 하나요?
- 5분 미만은 탐색 때문에 첫 토큰이 느려질 수 있어 정적 모드가 낫다고 구글이 적어 뒀습니다. 수치 셋은 전부 최댓값이에요.
