Google 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 模型上推出 agentic video understanding（智能体式视频理解）功能。该功能让模型主动决定观看内容、速度和模态（画面、音频或字幕），动态检索和检查视频片段，而非按固定帧率静态处理。基准测试显示，成本最高降低 66%，token 消耗最高降低 88%，准确率提升最高 7%，在长视频分析中优势尤为明显。新能力包括亚秒级片段检索、长视频大海捞针式搜索、异常检测和精确计数等。该功能已通过 Gemini API、Google AI Studio 和 Gemini Enterprise Agent Platform 开放，未来将集成到 Gemini 应用和 YouTube 的 Ask YouTube 功能中。
Google 推出 Gemini 3.7 Flash，这是其 Flash 系列中最智能的模型，专为编码和智能体设计。相比 3.6 Flash，它在软件工程、知识工作和网页开发方面有显著提升，例如在 FrontierCode 和 DeepSWE 基准上得分更高，并在 WebDev Arena 中 Elo 分数更高。该模型还改进了对复杂文档的处理和真实业务流程的完成能力。开发者体验得到改善，且以半价推出（每百万输入 token 0.75 美元，输出 3.75 美元）。Gemini Spark 也将采用此模型。安全方面，更新了 CBRN 和网络攻击的防护措施。
本文介绍了 Gemini API 中的 File Search 工具，该工具现已通过 Gemini Embedding 2 支持多模态检索。文章详细讲解了如何创建存储、上传图文文档、执行具备依据生成的查询以及检索引用和图像。File Search 提供了全托管的 RAG 解决方案，具备原生图像搜索、内置引用和成本效益高等优势。
Google 发布了 Deep Research 和 Deep Research Max 两种新的自主研究 Agent，旨在通过 Interactions API 为开发者提供企业级的研究能力。这些 Agent 集成了 Gemini 3.1 Pro，支持混合网络与专有数据，具备原生图表生成、MCP 协议支持及多模态研究功能，致力于为金融和生命科学等领域提供高性价比的专业级分析报告。
