目次

Gemini API に動画を送るとき、ファイルをどうトークン化するかの選択でもあります。Video understanding ドキュメントは処理モードを二つ説明します。Static は Gemini 4 を含む全モデルの既定で、およそ毎秒 1 フレームを抜き一度載せる方式です。Agentic は表に載る一部モデル向けで、質問に沿ってタイムラインを探索し、最初から全サンプルフレームをコンテキストに流し込まない契約です。以下は北京時間 2026 年 10 月 26 日時点の Google 開発者ドキュメントに沿った整理です。対象は Gemini API のみ—Gemini アプリではありません。参考情報として；当サイトでは static と agentic のコスト／品質を実測していません。 フィードバックは、フッターのサイト管理者連絡先から送れます。

二つのモード：static と agentic

モード何をするか対象
Static（既定）固定レート（1 FPS）でフレームを抜き、単一パスでコンテキストへ載せる。Gemini 4 を含む全 Gemini モデル
Agentic（オプトイン）タイムラインを動的にナビゲートし、字幕を選択的に検査し、プロンプトに応じてフレームレート／解像度を適応。ドキュメント表：Gemini 4 Argon、3.8 Flash、3.6 Flash、3.5 Flash Lite

Static は単純で予測しやすいです。Agentic は別契約で、どの区間・字幕を載せるかをモデルが決めます。長い・狙い撃ちのクエリでは助けになり得ますが、クリップ全体をなお見る必要があるときは思考トークンやツール往復が増えることもあります。

どちらを選ぶか

Google の「Choose a processing mode」は、よくある用途にそのまま当てはまります。

Static を優先する場合：

  • クリップが短い（おおよそ 5 分未満）。
  • 録画の大半が関係する全編ざっくり要約。
  • レイテンシ重視のクエリ。
  • クリップ全体のフレーム単位の精度が要る。
  • タイムラインナビが足し得る追加の思考トークン（total_thought_tokens）とツール往復（total_tool_use_tokens）を避けたい。

Agentic を優先する場合：

  • 長尺（おおよそ 5〜10 分超）。
  • 干し草の中の針型の検索。
  • 特定の瞬間や話題を狙うプロンプト。

同ドキュメントは 1 FPS だと速い動きや一瞬の字幕を取りこぼし得ると注記しています。短いクリップで毎フレームが重要なら static のままにし、密度を上げるなら static モード専用の fps を上げる。

オプトイン：processing: agentic

Agentic は自動では入りません。input 配列の動画パートに "processing": "agentic" を付けます。

python
interaction = client.interactions.create(
    model="gemini-3.8-flash",
    input=[
        {
            "type": "video",
            "uri": video_file.uri,
            "mime_type": video_file.mime_type,
            "processing": "agentic",
        },
        {"type": "text", "text": "What are the three main arguments presented?"},
    ],
    background=True,
)

同一リクエストで動画ごとにモードを混ぜられます—一方 "agentic"、もう一方 "static"。agentic が走ったかは interaction.steps に processing_call と processing_result があるかで確認します。

Static 専用のつまみ： クリップ区間（start_offset／end_offset）とカスタム fps は static の processing オブジェクト配下です。agentic モードでは使えません。

長尺や複雑なプロンプトで agentic が壁時計時間を食う場合、ドキュメントはストリーミング（stream=True）またはバックグラウンド実行（background=True）を勧めています。

対応モデルは全系ではない

Agentic はすべての Gemini モデルで使えるわけではありません。現行の公式表では：

  • Gemini 4 Argon
  • Gemini 3.8 Flash
  • Gemini 3.6 Flash
  • Gemini 3.5 Flash Lite

それ以外—agentic 表に無い Gemini 4 系も含め—既定は static のままです。本番にモード前提を埋め込む前に、現行の Video understanding 表を必ず再確認する。

公式の効率主張—参考情報として

Google の表は、長尺コンテンツで agentic が最大約 88% トークン効率が良く、品質が約 ~7% 高いとし得ると述べています。これらは公式の自報です。当サイトではこの比較をまだ実測していません。予算見積もり時のベンダー参考値として扱い、特定のクリップとプロンプトで常に安く・速く・良くなる保証ではない。短い動画や、なお大半を見る必要のある広いプロンプトでは、ナビ自体が思考・ツール利用トークンを増やすとドキュメント自身が注意しています。

これは何ではないか

  • Gemini アプリではない。 ここでの設定と挙動は Gemini API の Video understanding 経路向けです。
  • agentic が常に勝つという約束ではない。 長さ・クエリ形・レイテンシ予算で選ぶ必要があります。
  • Argon のプランや公開文脈の代替ではない。 利用上限やローンチ価格は別記事—下記の関連記事へ。

関連記事

当サイト上の近い Gemini／harness 文脈：