الوضع الوكيلي في Gemini 2026: تحليل فيديو أذكى بتوفير يصل إلى 88%

آخر تحديث: سبتمبر 2026

في أول سبتمبر 2026 أطلقت Google قدرة الفهم الوكيلي للفيديو (Agentic Video Understanding) في أحدث نماذج Gemini من عائلة Flash، وهي طريقة جديدة لتحليل الفيديو يتنقل فيها النموذج بنفسه عبر الخط الزمني ويحمّل فقط ما يحتاجه للإجابة عن سؤالك. النتيجة الرسمية المعلنة: كفاءة أعلى في التوكنات تصل إلى 88% وجودة أفضل بنحو 7% على المحتوى الطويل — تغيير جوهري في اقتصاديات أي تطبيق يحلل الفيديو بالذكاء الاصطناعي.

موظفة إعلام في فريق برامج بوثائق طويل؟ محاضر يريد تفريغ محاضراته المرئية؟ مطور سعودي يبني منصة تحليل مباريات؟ المشكلة كانت واحدة: تحليل فيديو طويل بالذكاء الاصطناعي كان يعني إدخال آلاف الإطارات دفعة واحدة — فاتورة توكنات تقتل المشروع قبل أن يبدأ. هذه بالضبط المشكلة التي يقول جوجل إنه حلها بالوضع الوكيلي الجديد.

ما الوضع الوكيلي للفيديو، وما الفرق عن الطريقة القديمة؟

لفهم حجم التغيير، لا بد من فهم الطريقة القديمة أولاً. الوضع الافتراضي في Gemini — ويسمى الوضع الثابت (static) — يعامل الفيديو كمجموعة صور: يستخرج إطارات بمعدل إطار واحد كل ثانية (1 FPS) ويضعها كلها في سياق النموذج دفعة واحدة، مع مسار صوتي أحادي بـ1 Kbps وطابع زمني كل ثانية. سؤالك كان يُجاب بعد «مشاهدة» كل شيء مسبقاً، سواء احتجت ذلك أم لا.

الوضع الوكيلي يقلب المنطق: بدل تحميل كل شيء مسبقاً، يقرر النموذج بنفسه أين «ينظر». عندما تسأله عن لحظة معينة في فيديو مدته ساعتان، يتنقل ديناميكياً في الخط الزمني، يطلب النص المكتوب أو الإطارات أو مقاطع الصوت التي يحتاجها فقط، ويكيّف معدل الإطارات ودقتها حسب الحاجة — تماماً كما يفعل المشاهد الإنساني الذي يمرر الفيديو سريعاً ويتوقف عند ما يهمه.

المصدر: Google Blog — Introducing agentic video understanding with Gemini

الأرقام الرسمية: 88% و7% وماذا تعني عملياً

رقما الإعلان الرسمي يستحقان التوقف عندهما لأنهما يغيران حسابات المشاريع فعلياً:

• كفاءة توكنات أعلى بنسبة تصل إلى 88% على المحتوى الطويل. التوكنات هي وحدة الفوترة في واجهات البرمجة، أي أن الفاتورة على تحليل الفيديوهات الطويلة قد تنخفض إلى أقل من خُمس تكلفتها السابقة في أفضل الحالات.
• جودة أعلى بنحو 7% على المحتوى الطويل — أي أن التوفير لا يأتي على حساب النتيجة، بل مع تحسن فيها. هذا ليس بديهياً: كثير من حلول «التوفير» تعمل بمعالجة أقل ودقة أقل.

كيف يتحقق الاثنان معاً؟ لأن النموذج بدل أن «يرى» 7200 إطار من فيديو ساعتين، يقرأ أولاً فهرس المحتوى ثم يشاهد فعلياً الثواني التي يحتاجها فقط وبالدقة التي يحتاجها.

المصدر: Google Blog — Introducing agentic video understanding with Gemini

وراء الكواليس، يعمل الوضع الوكيلي بنوعين من العمليات الموثقة في الواجهة الرسمية: استدلال التنقل يُحتسب ضمن «توكنات التفكير» (thought tokens)، بينما الإطارات والصوت والنصوص التي يطلبها النموذج عند الحاجة تُحتسب ضمن «توكنات استخدام الأدوات» (tool-use tokens). يمكنك التحقق من أن التحليل الوكيلي حدث فعلاً عبر فحص خطوات التفاعل في الاستجابة.

أي النماذج تدعمه وكيف تشغّله؟ (دليل عملي)

هذه ليست ميزة داخل تطبيق Gemini للهاتف، بل قدرة في واجهات البرمجة الرسمية — والمطورون والمؤسسات هم مستخدموها الأول. بحسب الوثائق الرسمية المحدثة في 3 سبتمبر 2026:

خطوات البدء لمن يبني بالفعل على منصة جوجل:

1. حدّث مكتبة العميل إلى أحدث إصدار يدعم حزمة معالجة الوسائط في واجهة Gemini.
2. ارفع الفيديو عبر واجهة الملفات (Files API) أو مرر رابطاً مباشراً له.
3. أضف "processing": "agentic" على كائن إدخال الفيديو — الإعداد مستقل تماماً عن إعداد دقة الوسائط ويمكن ضبطهما معاً.
4. للمعالجات الطويلة استخدم وضع البث أو التنفيذ في الخلفية كي لا تنقطع الجلسة.

نصيحة عملية: إن كان تطبيقك يعمل على مقاطع قصيرة حساسة لزمن الاستجابة — مثل تعليق مباشر على مقطع قصير — أبقه على الوضع الثابت. الوضع الوكيلي مصمم للمحتوى الطويل، وقد يزيد زمن أول توكن على المقاطع القصيرة بسبب خطوات التفكير والتنقل الإضافية.

مقارنة سريعة: الوضع الثابت مقابل الوضع الوكيلي

ماذا يعني هذا لك؟ صورة الاستخدام العربي والخليجي

لفرق الإعلام والمحتوى في الخليج: أرشيف قناة أو استوديو إنتاج إقليمي يعني آلاف الساعات. تحليل هذا الأرشيف آلياً — بحثاً عن مشهد أو شخص أو عبارة — كان مشروعاً بميزانية مستحيلة، والآن تدخل أرقامه في نطاق المتاح. المنصات الإخبارية العربية تستطيع بناء بحث داخلي داخل أرشيفها الفيديوي بتكلفة تشغيلية معقولة.

للطلاب والباحثين: تسجيل محاضرات كاملة وفصول دراسية مسجلة يمكن تلخيصها والبحث فيها آلياً. اجمع هذه القدرة مع Gemini 3.5 Transcribe لتحويل الصوت إلى نص الذي شرحنا سابقاً، وستحصل على خط إنتاج كامل من الفيديو إلى الملخص القابل للبحث. ولتجربة أدوات مذاكرة ذكية مبنية على نفس الفلسفة، جرّب أدوات الذكاء الاصطناعي في Truescho.

للمطورين ورواد الأعمال العرب: الفجوة بين «فكرة تطبيق يحلل الفيديو» و«مشروع قابل للتمويل» كانت غالباً فاتورة التوكنات. انخفاض الكلفة بهذا الحجم يفتح نماذج أعمال جديدة: منصات تعليمية تحلل محتوى الكورسات، تطبيقات رياضية تحلل المباريات، أدوات أمن للمصانع والموانئ الخليجية الكبرى.

للمؤسسات: مع نمو نماذج Gemini 3.8 Flash و3.7 Flash الموجهة للبرمجة والوكلاء، صار بناء وكيل داخلي «يشاهد» فيديوهات التدريب أو التفتيش ممكناً ضمن بيئة سحابية واحدة — وتغطية جوجل تتسع باستمرار بعد تجاوز تطبيق Gemini مليار مستخدم شهرياً. وقد رأينا سابقاً كيف تدخل قدرات فهم الفيديو الطبي حتى في استشارات AMIE الطبية بالفيديو — الاتجاه واضح: الفيديو صار مادة أولية قابلة للفهم الآلي في كل قطاع.

من الفكرة إلى التشغيل: ثلاث حالات استخدام بخطواتها

لننتقل من النظرية إلى ما يمكن بناؤه فعلياً هذا الشهر بقدرات متاحة الآن للجميع:

الحالة الأولى — منصة تعليمية تفهرس محاضراتها المسجلة. عندك فصل دراسي مسجل بـ90 دقيقة أسبوعياً وتريد أن يسأل الطالب: «متى شرح الدكتور قانون بقاء الكتلة؟». خطوات التشغيل: ارفع التسجيلات إلى واجهة الملفات مرة واحدة عند النشر، مرر كل فيديو للنموذج بالوضع الوكيلي مع سؤال فهرسة عام («استخرج المواضيع الرئيسية وتوقيتاتها»)، خزّن الناتج في قاعدة بياناتك، ثم مرر أسئلة الطلاب على الفهرس أولاً وعلى الفيديو الأصلي فقط عند الحاجة. الكلفة هنا تنقسم: الفهرسة تتم مرة واحدة، وأسئلة الطلاب تصبح رخيصة لأن النموذج يقرأ الفهرس لا الفيديو كاملاً.

الحالة الثانية — بحث داخلي في أرشيف إعلامي. استوديو يملك 500 ساعة أرشيفية يريد «كل المقاطع التي ظهر فيها المتحدث الفلاني قبل 2020». لا يحتاج بناء نظام معقد: مرر وصف الفيديوهات الوصفية (metadata) أولاً، فلتر المرشحات بالكلمات المفتاحية، ثم شغّل الوضع الوكيلي على العشرات المرشحة فقط لسؤال محدد. بهذا الترتيب تستفيد من انخفاض كلفة التحليل الطويل دون أن تدفع أصلاً لتحليل الأرشيف كله.

الحالة الثالثة — مراجعة مكالمات خدمة العملاء للالتزام. مركز اتصال يسجل آلاف الدقائق يومياً ويحتاج مراقبة الالتزام بالإجراءات. الحيلة العملية: لا تحلل كل المكالمة — اطلب من النموذج الوكيلي التحقق من لحظات محددة (التحية، إبلاغ السعر، طلب الموافقة) فيقفز إليها مباشرة عبر الخط الزمني. استخدم التنفيذ في الخلفية لأن الدفعات كبيرة، وحدد عينة يومية بدل الرقابة الشاملة إن كان حجمك ضخماً.

كيف تقيس التوفير في حالتك بنفسك؟

الأرقام الرسمية (88% و7%) قياسات جوجل على محتواها الاختباري — لا تبنِ ميزانيتك عليها مباشرة. جرّب هذا الاختبار البسيط قبل تحويل أي خط إنتاج:

1. اختر 10 فيديوهات تمثل حمولتك الحقيقية (قصيرة وطويلة، جودة صوت متفاوتة).
2. شغّل نفس الأسئلة على الوضعين — الثابت والوكيلي — وسجل إجمالي التوكنات وتوكنات التفكير في كل مرة.
3. قارن جودة الإجابات عمياناً: بدون معرفة أي إجابة من أي وضع، رتبها دقةً.
4. احسب التكلفة الفعلية لكل ألف سؤال في الوضعين، وأضف هامشاً لأن أسعار النماذج تتغير.

نصيحة من الميدان: الفيديوهات التي تحتاج «فهم الحدث الكامل» (ملخص شامل مثلاً) تجني أقل من التي تحتاج «إجابات مستهدفة عن لحظات محددة» — لأن السؤال المستهدف هو ما يسمح للنموذج بتحميل أقل ممكن من المحتوى.

وأضف للاختبار بُعداً ثالثاً غير الكلفة والجودة: الاستقرار. شغّل الاختبار نفسه مرتين في يومين مختلفين وسجل الفروق، فقد تتأثر نتائج معالجة الوسائط باختلاف أحمال الخدمة، والقرار المبني على عينة من جلسة واحدة قد لا يصمد أمام الاستخدام اليومي الحقيقي. وراقب أيضاً توكنات التفكير وحدها في التقرير — فهي المؤشر الذي يكشف لك متى يصبح سؤالك معقداً أكثر من اللازم بحيث يكلف النموذج تنقلاً مكلفاً قبل الإجابة.

القيود التي يجب أن تعرفها قبل البناء عليها

الشفافية تقتضي ذكر ما لا يظهر في العناوين التسويقية. أولاً، الوضع الوكيلي متاح في نماذج Flash الحالية — 3.8 و3.7 و3.6 Flash و3.5 Flash Lite — ولم تعلن جوجل توفره في نماذج Pro في هذه الجولة. ثانياً، ميزات قصّ المقاطع وتحديد معدل الإطارات يدويًا تعمل في الوضع الثابت فقط. ثالثاً، في المحادثات متعددة الأدوار بدون حفظ الحالة عليك إعادة إرسال خطوات المعالجة مع كل طلب متابعة، وإلا يفقد النموذج سياق الفيديو بصمت — دون رسالة خطأ تنبهك. رابعاً، «توكنات التفكير» التي يستخدمها النموذج للتنقل تُحتسب ضمن الاستهلاك، فالتوفير الهائل يتحقق على المحتوى الطويل تحديداً وليس بالضرورة على كل حالة استخدام. وأخيراً، الأرقام المعلنة (88% و7%) هي قياسات جوجل الرسمية على مجموعات المحتوى الطويل — نتائجك ستختلف حسب نوع الفيديو وأسئلتك.

وخلاصة القيود في سطور: الوضع الوكيلي أداة طويلة المحتوى لا بديل شامل. إن كان عملك يعتمد على التقطيع الزمني الدقيق أو معالجة دفعات المقاطع القصيرة بسرعة، فابقَ على الوضع الثابت وأدر الوضع الوكيلي تدريجياً على المحتوى الطويل فقط. وراقب في أول أسبوعين مؤشرين اثنين: متوسط التوكنات لكل سؤال، وزمن أول استجابة — فإن تحسّن الأول دون أن يتضرر الثاني فقد وجدت نقطة التوازن التي تناسب حمولتك.

الأسئلة الشائعة

ما هو الفهم الوكيلي للفيديو في Gemini؟

قدرة أطلقتها Google في 1 سبتمبر 2026 تتيح لنماذج Gemini تحليل الفيديو بأسلوب تنقل ذكي: يقرر النموذج بنفسه أي أجزاء الخط الزمني يقرأ وأي إطارات وصوت يحمّل حسب السؤال، بدل تحميل كل الإطارات دفعة واحدة. النتيجة المعلنة: كفاءة توكنات أعلى بنسبة تصل إلى 88% وجودة أعلى بنحو 7% على المحتوى الطويل.

أي نماذج Gemini تدعم الوضع الوكيلي للفيديو؟

بحسب الوثائق الرسمية المحدثة في 3 سبتمبر 2026: Gemini 3.8 Flash و3.7 Flash و3.6 Flash و3.5 Flash Lite، إضافة إلى أي نماذج أحدث تطلقها جوجل لاحقاً. الوضع الثابت التقليدي يبقى متاحاً لجميع نماذج Gemini دون استثناء.

كيف أفعّل الوضع الوكيلي في واجهة برمجة Gemini؟

عبر ضبط القيمة "processing": "agentic" على كائن إدخال الفيديو داخل الطلب، وهو إعداد مستقل عن إعداد دقة الوسائط ويمكن الجمع بينهما. للفيديوهات الطويلة يُنصح باستخدام وضع البث أو التنفيذ في الخلفية لتفادي انقطاع الجلسة أثناء المعالجة.

هل الوضع الوكيلي أفضل دائماً من الوضع الثابت؟

لا. التوصية الرسمية نفسها: للمقاطع القصيرة (أقل من 5 دقائق) الحساسة لزمن الاستجابة استخدم الوضع الثابت، وللمحتوى الطويل — محاضرات ووثائقيات واجتماعات وبث طويل — استخدم الوضع الوكيلي. كما أن قصّ المقاطع وتحديد معدل الإطارات متاحان في الوضع الثابت فقط.

هل انخفاض التوكنات بنسبة 88% يعني فاتورة أقل تلقائياً؟

على المحتوى الطويل نعم، وهذا هو الاستخدام المصمم له الوضع. لكن انتبه إلى أن توكنات التفكير الخاصة بتنقل النموذج تُحتسب ضمن الاستهلاك، وعلى المقاطع القصيرة قد لا يتحقق توفير ملموس بل قد يزيد زمن أول استجابة. القياس في حالتك هو الحكم النهائي.

هل يمكن تمرير رابط يوتيوب مباشرة بدل رفع الفيديو؟

تشير الوثائق الرسمية إلى أن إدخال روابط يوتيوب متاح كقدرة معاينة مجانية منفصلة عن الوضع الوكيلي نفسه. عملياً هذا يعني إمكانية تحليل محتوى يوتيوب دون رفع الملف، لكن كونها «معاينة» يعني أن شروطها قد تتغير، ولا يُنصح الاعتماد عليها في نظام إنتاجي حرج دون اختبار واستعداد لبديل (رفع الملف عبر واجهة الملفات).

هل يوجد حد أقصى لمدة الفيديو في الوضع الوكيلي؟

تسري نفس حدود نماذج سياق المليون توكن: حتى 3 ساعات بدقة وسائط منخفضة، أو ساعة واحدة بدقة عالية. الوضع الوكيلي لا يرفع هذه الحدود بل يجعل الاستفادة منها أرخص — لأن النموذج لا يحمّل الفيديو كاملاً بل يقرأ منه ما يحتاجه فقط.

هل تتوفر القدرة داخل تطبيق Gemini للهاتف؟

الإعلان الرسمي والوثائق يخصان واجهات البرمجة (API) أي المطورين والمؤسسات. القدرة مبنية على نماذج عائلة Flash الحالية، ولم يُعلن عن واجهة مستخدم نهائية خاصة بها داخل التطبيق في إطار هذا الإطلاق.

المصادر

• Google Blog — Introducing agentic video understanding with Gemini — الإعلان الأولي الرسمي (1 سبتمبر 2026)
• Google AI for Developers — وثائق فهم الفيديو في Gemini API — التفاصيل التقنية الرسمية للوضعين وطرق التفعيل
• Truescho — Gemini 3.5 Transcribe: تحويل الصوت إلى نص — القرين الصوتي لهذه القدرة
• Truescho — Gemini 3.8 Flash — أحدث أجيال عائلة Flash الداعمة للوضع الوكيلي

كل أسبوع يضيف الذكاء الاصطناعي قدرة كانت قبل عام حكراً على مختبرات الأبحاث بميزانيات خيالية. الفيديو كان آخر الحصون — المادة الأثقل تحليلاً والأغلى فاتورة. سقوط هذا الحصن بمعادلة «أرخص وأدق» في آن واحد يعني أن أفكاراً كاملة كانت مؤجلة «حتى تنخفض التكاليف» صارت قابلة للتنفيذ هذا الفصل. والمساحة الأهم الآن ليست للأدوات نفسها بل لمن يعرف أين يطبقها: راجع أدوات Truescho للذكاء الاصطناعي والدراسة، وإن كنت تبني شيئاً في هذا الاتجاه فـمنح وفرص Truescho المحدثة يومياً مليئة بالمسارات التي تؤهلك لهذه الموجة قبل أن يزداد ازدحامها.