谷歌把 Gemini Omni 1.2 Flash 的 API 价格下调 30%，片段时长延长到 15 秒

谷歌 DeepMind 发布了 Gemini Omni 1.2 Flash，时间是 2026 年 11 月 5 日，把 720p 的 API 价格下调 30%，降到每秒 0.07 美元，同时把原生片段的最长时长，从 10 秒延长到了 15 秒——这两点，正是此前最常被提及的、阻碍用户选择 Omni、而不是 Veo 3.1 这类单次生成视频系统的实际障碍。这次更新，在 Gemini API、谷歌云 Vertex AI 和 Google AI Studio 上全面可用，模型标识符为gemini-omni-1.2-flash。

这次价格和能力同步升级，不仅强化了 Omni 相对外部竞争对手的地位，也强化了它相对谷歌自家 Veo 3.1 的地位——Veo 3.1 的原始画质更高，但在Arena.ai这个人类偏好视频排行榜上的得分，却比 Omni 低了大约 150 分。

Gemini Omni 1.2 Flash 与单次生成视频模型的区别

Gemini Omni 在架构上，与 Veo 或 Runway Gen-4 这类从一段文字提示生成单个片段、再返回一个成品文件的系统截然不同。Omni 在一次统一的前向传播里处理文本、图像、音频和视频，而不是把它们分别路由经过专门的编码器和解码器子系统。这带来的实际效果是，每一次生成，都会同时感知全部输入模态的条件：一段描述角色的提示词、一张参考照片，以及一条改变光照的指令，都是在同一次模型执行里被评估的，而不是按顺序评估的。

1.2 版本里更重大的一处架构区别，关乎的是编辑这一步。在 Gemini Omni 1.1 Flash 里，对话式编辑——要求模型修改一段你刚生成的片段——被限制为只能分析现有视频的最后一秒。Omni 1.2 Flash 会在整个编辑过程中保留并处理完整的片段，所以当用户要求它调整一段 12 秒序列中间的镜头角度时，模型理解的是整个时间上下文，而不是从一个端点去做外推，据谷歌所述。

这种为编辑扩展的上下文窗口，正是让片段从 10 秒延长到 15 秒在实践中变得有用的原因：如果编辑时不保留完整片段的上下文，更长的片段会在多轮修改之间累积不一致。这两处改动，是被一起设计出来的。

生产经济学：每秒 0.07 美元，改变了这笔账

Gemini Omni 1.1 Flash 对 720p 输出收费每秒 0.10 美元。1.2 版本把这个费率降到了每秒 0.07 美元——这让一段 15 秒的片段在 720p 下只要 1.05 美元，与此前按旧定价买到 10 秒所花的钱相同。这个单片段价位，让程序化视频生成，进入了那种同时跑几十个创意变体的营销工作流的可承受范围。

谷歌明确把 Google Ads 列为Omni 1.2 的一项部署集成，与 Google Vids、Google Flow 和 Gemini 应用并列。这次与广告系统的集成，在商业上意义重大：按每段片段 1.05 美元计算，对五到十个视频创意变体做 A/B 测试，会变成一个中端市场广告预算里的一个普通支出项，而不是一项实验性的研究成本。如果 Omni 1.2 成为程序化广告系统的标准输入，这将代表着 AI 生成视频进入生产环节方式上的一次结构性转变——不是通过编辑工作流，而是通过广告平台的自动化。

消费者在 Gemini 应用里，访问完整 15 秒片段时长的权限，被限制给了Google AI Ultra 订阅用户。而通过 Gemini API 或 Vertex AI 直接访问这个模型的开发者，可以不受限制地访问 3 到 15 秒的完整范围，以 1 秒为增量。

Gemini Omni 1.2 在Arena.ai排行榜上的位置

由Arena.ai运营的视频排行榜，由加州大学伯克利分校 Chatbot Arena 团队负责，用一种 Elo 风格的 Bradley-Terry 评分，根据盲测的人类两两偏好投票，给 AI 视频模型打分。因为它捕捉的是审美偏好，而不是自动化的像素级指标，Arena 的分数经常与自动化基准排名不一致——这也是为什么针对技术保真度优化的 Veo 3.1，在这个平台上只得分约 1364，而针对迭代可用性优化的 Gemini Omni Flash，截至 2026 年 9 月下旬，1.1 版本以 1516 分领跑文生视频这个类别。

谷歌宣称 Gemini Omni 1.2 Flash 如今以 1541 分，占据着文生视频榜首的位置。截至发稿，这个具体分数，还没有从一份独立可查的排行榜快照里得到证实——最近一次经证实的数据反映的是 1.1 Flash 的 1516 分，而且排行榜分数会随着一款模型发布后新投票的累积而持续更新。这个说法，与「一个已经领先的模型推出明显改进的新版本之后，典型的分数演变模式」是一致的。

这个排行榜位置，具体适用于文生视频这个类别。在图生视频评测里，Omni 系列排名更靠后——MiniMax H3 和若干 Seedance 变体，在这个子类别里占据更强的位置——而 1.2 版本改进的参考图遵循能力，正是专门为缩小这个差距而设计的。

竞争地位：Runway、Kling，以及正在收窄的差距

竞争格局在 2026 年 4 月发生了重大转变，当时OpenAI 关停了 Sora，移除了最知名的文生视频替代平台。目前的市场，主要围绕 Runway Gen-4.5、Kling 3.0、字节跳动的 Seedance 2.0，以及 MiniMax Hailuo 2.3，作为谷歌视频生成技术栈的主要独立替代品。

这些系统里，没有一个像 Gemini Omni 那样，原生把多模态输入处理与多轮对话式编辑结合在一起。Runway Gen-4.5 和 Kling 3.0 都提供编辑工具，但它们是在已完成的片段上操作的，而不是通过一个保留完整生成上下文的对话模型。这种对话式架构，是 Omni 相对这批竞品最清晰的技术差异化之处——这也是为什么Arena.ai的人类投票者——他们评估的是跨交互周期的可用性，而不是单次生成的输出——一直把 Omni 排在原始视频质量相当的模型之上。

这次 30% 的降价，也重新定位了 Omni 相对 Veo 3.1 Fast（谷歌更低延迟的视频生成模式）的位置，后者在谷歌云 Vertex AI 上，720p 收费每秒 0.10 美元。Veo 3.1 预览版的模型 ID，已于 2026 年 10 月 22 日从 Gemini API 上弃用，在那个平台上，Gemini Omni 1.1 Flash 被指定为替代品；Veo 3.1 Fast 仍通过 Vertex AI，为现有的集成保留可用。对那些不需要 Veo 那种单次生成保真度的用例——迭代式的广告创意、快速预可视化、需要经过多轮编辑打磨的营销内容——来说，Omni 1.2 现在比 Veo Fast 更便宜，同时拿到的 Arena 偏好分数也更高。

局限性，以及需要独立确认的说法

1.2 版本发布的几个方面，需要进一步核实。新版本宣称的Arena.ai1541 分，截至发稿时，还没有从一份实时排行榜快照中得到独立确认。超过 720p 的分辨率档位——包括 1.1 版本支持的 1080p 和 4K 输出选项——在已查阅的一手文档里，还没有确认 1.2 版本更新后的定价。

内容审核的严格程度，仍然是一个有记录可查的实际摩擦点：此前版本 Omni 的评测者，曾指出频繁出现的生成拒绝，而且从 1.2 版本的公告来看，没有任何迹象表明护栏的校准发生了变化。SynthID 水印，被隐形嵌入所有 Omni 的输出中，这限制了这个模型在那些需要无标记合成视频的专业后期制作场景里的实用性。部分头像生成功能，存在地区限制。

Omni 1.2 Flash 把总延长上限降到了 30 秒，低于 1.1 Flash 支持的 40 秒上限，每轮编辑每次调用能把现有片段延长 3 到 10 秒。开发者在规划迭代式生成工作流时，如果要构建长于原生 15 秒上限的序列，应该把这个修订后的限制考虑进去。

接下来要关注什么

近期最具分量的进展，是对 Omni 1.2 Flash「参考一致性」改进的独立评估。这个模型能否在多轮编辑中保持角色外观、品牌素材和视觉连贯性，决定了它能在多大程度上渗透进目前依赖人工操作工具的专业生产工作流——在这个市场里，单凭目前的 Arena 偏好分数，证据是不够的。

Google Ads 集成的推广时间表，也值得关注。如果这个模型成为程序化广告规模化的标准创意输入，它将产生定价和性能数据，要么验证、要么让「每秒 0.07 美元」这套经济账，在真实生产负载条件下变得更复杂。1080p 和 4K 输出档位的定价披露——截至发布时尚未出现在公开文档里——将决定这种成本优势，能否延伸到目前对比最清晰的 720p 档位之外。