# Gemini 现在能看视频学操作，然后自己上手点按、打字、滚动页面

> 原标题：Google DeepMind 为 Gemini 推出 agentic 视频理解功能

- 来源：AI HOT 精选
- 发布时间：2026-09-01T17:08:51.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/54121
- 原文：https://deepmind.google/blog/introducing-agentic-video-in-gemini

## 摘要

Google DeepMind 发布博客，为 Gemini 推出 agentic 视频理解功能。官方称该能力让 Gemini 以智能体方式处理视频理解任务，原文链接为 https://deepmind.google/blog/introducing-agentic-video-in-gemini。

## 推荐理由

Google DeepMind 为 Gemini 推出 agentic 视频理解功能，模型可观看操作录屏后自行完成点击、输入与滚动等界面操作，这条资讯交代了该能力的基本机制与发布来源。

## 锐评

看录屏学操作这个方向，比让模型自己瞎点靠谱多了，人怎么点的它照着学，省掉一大堆 prompt 工程。但官方博客里一个成功率、一个延迟都没给，UI 自动化最要命的就是这两项，点错一步整条流程就废。开放到 Gemini 应用和 AI Studio 测试，门槛确实低，谁都能上手跑两下。我的判断是这功能现在当 demo 看，真接进生产流程还早，等有人把成功率跑出来再决定要不要花时间。
