Mit CometAPI entwickelnEine API für mehrere Modelle erforderlich?Teste den Workflow im Playground und erstelle anschließend einen API-Schlüssel, sobald Modell und Kosten zu deinem Anwendungsfall passen.
Gemini Omni 1.2 Flash ist Googles Modell zur Videogenerierung und konversationalen Bearbeitung, veröffentlicht am 5. November 2026. Es erstellt und bearbeitet Clips mit bis zu 15 Sekunden Länge und senkt den beworbenen 720p-Preis um 30 % auf etwa $0.07 pro Sekunde. Für Teams, die Produktvideos und Anzeigen erstellen, bedeutet das mehr Spielraum für Storytelling und geringere Kosten für Varianten. Sie können einen Clip im Gespräch verfeinern und anschließend per eigenständiger Hochskalierung die ausgewählte Version für die Auslieferung vorbereiten.
Was ist Gemini Omni 1.2 Flash?
Google beschreibt das Modell als Unterstützung für Videoproduktion und -bearbeitung per Konversation. Die Ausgabe umfasst Video mit Audio, während die breitere Modellbeschreibung Text-, Bild-, Audio- und Videoeingaben abdeckt.
Weiterlernen
Diesen Artikel mit der nächsten Entscheidung verknüpfen.
Auf Klarheit, Quellenangabe und aktuelle API-Terminologie geprüft.
Für referenzgetriebene Arbeit prüfen Sie, welche Eingaben Ihr gewählter Dienst akzeptiert. Google Cloud stellt Audioreferenzen über Allowlisting bereit.
Stellen Sie sich vor, Sie verwandeln ein Produktfoto in eine kurze Anzeige. Beginnen Sie mit einer klaren Ansicht des Produkts, generieren Sie eine Szene und fragen Sie dann nach einem anderen Setting oder einer anderen Beleuchtung, während das Produkt erkennbar bleibt. Hier wird konversationelle Bearbeitung nützlich: Sie können eine freigegebene Idee über mehrere Runden entwickeln, statt die gesamte Szene für jede Variante erneut zu beschreiben.
Gemini Omni 1.2 Flash: Spezifikationen
Die folgenden Details beziehen sich auf Googles Enterprise-Entwicklerdokumentation. Consumer-Anwendungen können andere Limits auferlegen.
Spezifikation
Gemini Omni 1.2 Flash technische Details
Model ID
gemini-omni-1.2-flash
Release stage
Generally available
Release date
5. November 2026
Maximum input tokens
131,072
Maximum output tokens
260,640
Generation and editing duration
3–15 Sekunden
First-and-last-frame generation
3–10 Sekunden
Extension output per turn
3–10 Sekunden
Aspect ratios
16:9 und 9:16
Resolution options
360p, 720p, 1080p und 4K
Sound generation
Sprache, Musik und Soundeffekte
Supported generation interface
Interactions API
Chat Completions and GenerateContent
Auf dieser dokumentierten Oberfläche nicht unterstützt
Reference images per prompt
Bis zu 10
Image files
PNG, JPEG, WebP, HEIC, HEIF; bis zu 20 MB inline oder per Console-Upload, oder 30 MB aus Cloud Storage
Videos per prompt
Bis zu 3
Verwenden Sie das Limit für die von Ihnen angeforderte Operation. Ein längeres Video, das zur Analyse akzeptiert wird, ist nicht automatisch für die Bearbeitung gültig. Die technischen Spezifikationen listen die oben genannten Eingabelimits auf; Googles Content-Credentials-Leitfaden erklärt die Herkunftsmetadaten.
Zwei Unterscheidungen sind wichtig beim Design einer Anwendung.
Erstens sollte ein Dauerwähler von der Operation abhängen. Eine gültige 15-Sekunden-Generierungsanfrage bedeutet nicht, dass eine 15-Sekunden-Anfrage für Erster-und-Letzter-Frame gültig ist.
Zweitens ist die Token-Kapazität kein Qualitätswert. Sie beschreibt ein Schnittstellenlimit; sie begründet keine bessere Bewegung, stärkere Prompt-Treue oder schnellere Renderzeiten.
Wie schneidet Gemini Omni 1.2 Flash in unabhängigen Vergleichen ab?
In den Snapshots vom 8. November 2026 von Arena steht Gemini Omni 1.2 Flash sowohl auf der Text-to-Video- als auch der Image-to-Video-Rangliste auf Platz eins. Beide Einträge sind als vorläufig markiert; lesen Sie die Werte daher zusammen mit ihrer Unsicherheit und der Anzahl der Stimmen.
Arena-Kategorie
Score
Stimmen
Angezeigter Rangbereich
Text-to-video
1540 ± 16
1,714
1–2
Image-to-video
1503 ± 12
2,667
1–6
Diese Ergebnisse machen das Modell testenswert, besonders um Prompts oder Produktbilder in kurze Clips umzusetzen. Sie belegen nicht, dass es jede Produktionsaufgabe gewinnt. Der Rangbereich für Image-to-Video ist besonders breit: Vergleichen Sie eigene Produktdetails, Bewegung und Bearbeitungsergebnisse, bevor Sie ein Modell für eine Kampagne wählen. Rankings können sich ändern, wenn mehr Stimmen eingehen.
Gemini Omni 1.2 Flash vs Omni 1.1 Flash: Was ändert sich?
Die deutlichsten Änderungen sind längere Clips und niedrigere Ausgabepreise. Auch der Workflow verdient Aufmerksamkeit: referenzbasierte Generierung, konversationelle Edits und eigenständige Hochskalierung helfen, einen brauchbaren ersten Entwurf bis zur Auslieferung zu führen. Die Tabelle trennt explizite Versionsvergleiche von Fähigkeiten, die Sie in 1.2 nutzen können.
Dimension
Vorherige Generation: Omni 1.1 Flash
Vergleich zum Start von Gemini Omni 1.2 Flash
Praktische Implikation
Maximale native Clip-Länge
10 Sekunden
15 Sekunden
50 % mehr Dauer pro Clip
Ungefährer 720p-Preis
$0.10/Sekunde, impliziert durch die angekündigte Senkung
$0.07/Sekunde
Geringere Ausgabekosten bei gleicher Dauer
Referenztreue
Vergleichsbaseline
Google meldet Verbesserungen
Produktidentität und feine Details testen
Zeitliche Konsistenz
Vergleichsbaseline
Google meldet weniger Drift
Zwischenframes prüfen, nicht nur Anfang und Ende
Konversationelle Überarbeitungen
Frühere Arbeitsweise
Mehrere Runden umfassende Bearbeitung über volle 15-Sekunden-Clips
Testen, ob unbeabsichtigte Details stabil bleiben
Unabhängiger Präferenzvergleich
Arena Text-to-Video: 1513 ± 15 im Snapshot vom 8. November
Arena Text-to-Video: 1540 ± 16, vorläufig, im gleichen Snapshot
Höherer Präferenzwert in diesem Snapshot; kein prozentualer Qualitätsanstieg
Eigenständige Hochskalierung
In der aktuellen Anleitung zur eigenständigen Hochskalierung nicht aufgeführt
Dokumentierte separate Upscale-Operation
Entwurf freigeben, dann das ausgewählte Video hochskalieren
Referenz-Workflow
Referenzbasierte Generierung existierte bereits
Stärkere gemeldete Referenztreue
Varianten um dasselbe Produkt oder denselben Charakter herum aufbauen
Für Teams, die 15-sekündige Anzeigen produzieren, passen die zusätzlichen fünf Sekunden oft noch für Hook, Demonstration und Abschlussbotschaft in eine Generierung. Bei gleicher Dauer macht der niedrigere 720p-Tarif zusätzliche kreative Varianten günstiger. Die Qualitätsverbesserungen sind besonders relevant, wenn dasselbe Produkt oder derselbe Charakter im gesamten Clip erkennbar bleiben muss.
Dauer- und Bearbeitungsfunktionen
Gemini Omni 1.2 Flash erhöht die native Generierungs- und Bearbeitungslänge von 3–10 Sekunden in 1.1 auf 3–15 Sekunden (in Schritten von 1 Sekunde auswählbar). Die Videoeingabe zur Bearbeitung wird ebenfalls von 10 auf 15 Sekunden erweitert. Mehrstufige konversationelle Bearbeitung ist verbessert und erlaubt direkte Änderungen am gesamten Clip (einschließlich Seitenverhältnisänderungen) ohne vollständige Neugenerierung. Die Videoerweiterung bleibt bei 3–10 Sekunden pro Runde, mit einer Gesamtlänge von bis zu etwa 30 Sekunden. Die Interpolation zwischen erstem und letztem Frame ist weiterhin auf 3–10 Sekunden begrenzt.
Verbesserungen bei Qualität und Konsistenz
Version 1.2 bietet spürbar bessere Stabilität bei Charakteren, Produkten, Kleidung, Markenfarben, Gesichtern und Objektfixierung, mit weniger Drift und weniger Sprungschnitten. Kamerabewegungen sind flüssiger und besser steuerbar, Lippensynchronität und Sprache klingen natürlicher, und Konditionierung mit mehreren Sprechern wird unterstützt. Referenzbildern, kurzen Bewegungsklips und Audiocues wird zuverlässiger gefolgt. Unabhängige Bewertungen (wie Arena-Scores) zeigen 1.2 leicht vor 1.1 sowohl bei Text-to-Video als auch bei Image-to-Video.
Ausgabe- und Spezifikationsdetails
Beide Modelle unterstützen die gleichen Auflösungen: nativ 360p / 720p, mit Hochskalierung auf 1080p / 4K bei 24 FPS. Die Seitenverhältnisse bleiben 16:9 und 9:16. 1.2 unterstützt zusätzlich Textausgabe neben Video mit nativem Audio und stärkt eigenständiges Upscaling als dedizierte Aufgabe. Eingabemodalitäten (Text, Bild, Video) und die Größe des Kontextfensters sind im Wesentlichen unverändert.
Eigenständige Video-Hochskalierung
Gemini Omni 1.2 Flash kann bereits generierte Videos hochskalieren, ohne eine neue Text-to-Video-Generierung zu erfordern. Unterstützte Pfade umfassen 360p auf 720p oder 1080p sowie 720p auf 1080p oder 4K. So können Teams Komposition und Bewegung zunächst in niedrigerer Auflösung freigeben und erst dann eine lieferfertige Version vorbereiten.
Wie viel kostet Gemini Omni 1.2 Flash?
Bei 720p-Ausgabe kostet 1.2 Flash ungefähr $0.07 pro Sekunde (etwa $12.00 pro Million Video-Tokens), was ungefähr 30 % niedriger ist als die ~ $0.10 pro Sekunde von 1.1 ($17.50 pro Million Tokens). 360p-Entwürfe sind günstiger, und auf 1080p / 4K hochskalierte Ausgaben folgen der gleichen Preisreduktion. Der empfohlene Workflow ist, schnell in niedriger Auflösung zu iterieren und nur die finalen Favoriten hochzuskalieren, um die Kosten zu kontrollieren.
Szenario
Generierungen pro akzeptiertem Clip
Ausgaben für 15 Sekunden 720p-Ausgabe
Effizienter Workflow
1
$1.05
Moderate Überarbeitungen
2
$2.10
Starke Überarbeitungen
4
$4.20
Beim impliziten bisherigen Satz von etwa $0.10 pro Sekunde würden 100 Clips à 15 Sekunden ungefähr $150 an Ausgabekosten verursachen. Der neue gerundete Satz bringt diese Schätzung auf $105, also eine Ersparnis von etwa $45 bei gleicher Gesamtdauer. Dies sind Planungsrechnungen, kein Angebot für ein komplettes Projekt.
Eigenständiges Upscaling hat seinen eigenen Output-Token-Verbrauch und meldet 0 Input-Tokens. Die Gebühr hängt von Quell- und Zielauflösung ab, daher sollten Sie die $0.07-pro-Sekunde-Schätzung für die Generierung nicht auf jedes Upscaling übertragen. Siehe die Abrechnungsregeln für Upscaling.
Die nützlichere betriebswirtschaftliche Kennzahl ist die Kosten je akzeptiertem Clip.
Wenn beispielsweise jeder freigegebene 15-Sekunden-Clip vier separat abgerechnete Generierungen erfordert, liegen die geschätzten Ausgaben für die Ausgabe bei $4.20 vor anderen Kosten. Eine niedrigere Wiederholungsrate kann daher wichtiger sein als ein kleiner Unterschied im beworbenen Einheitspreis.
Wie können Entwickler Gemini Omni 1.2 Flash nutzen?
Verwenden Sie die Interactions API für Generierung und Bearbeitung auf dem dokumentierten Enterprise-Dienst. GenerateContent und Chat Completions können für diese Operationen nicht genutzt werden. Beginnen Sie mit einem kurzen Clip und einer einfachen Revision, bevor Sie den Workflow in eine Produktionsanwendung aufnehmen.
Ein unkompliziertes Erstprojekt ist ein kurzes Produktvideo:
Bereiten Sie ein klares Produktbild und ein Briefing zu Einstellung, Bewegung und Ton vor.
Generieren Sie einen kurzen Entwurf über die Interactions API.
Fordern Sie eine fokussierte Revision an, etwa einen neuen Hintergrund, bei beibehaltetem Produkt und Framing.
Prüfen Sie das Ergebnis, bevor Sie die Auslieferungsauflösung wählen.
Protokollieren Sie Anforderungseinstellungen und Nutzung, damit der freigegebene Workflow wiederholt werden kann.
Dimension
Google Cloud native
CometAPI
Model ID
gemini-omni-1.2-flash
omni-fast
API endpoint
Interactions API
POST /v1/videos
Billing basis
Circa $0.07/Sekunde bei 720p
$0.40/Request im aktuellen Katalog
Request format
Interactions API JSON
Multipart-Formular / JSON je nach Aufgabe
Task handling
synchron, zustandsbehaftet, Streaming, asynchron
Einreichen, Abfragen, Herunterladen
Version certainty
Explizit 1.2 Flash
Veröffentlichte ID identifiziert 1.2 nicht
API status
GA
CometAPI-Endpunkt als Beta gekennzeichnet
Die Gemini Omni Fast API in CometAPI bietet einen separaten Integrationspfad unter „omni-fast“. Die veröffentlichte Kennung spezifiziert nicht Version 1.2 Flash, daher sollten Sie für diesen Pfad die dokumentierten Einstellungen und Preise des Anbieters verwenden.
Generierte Videos enthalten SynthID-Wasserzeichen, und die dokumentierte Google-Cloud-Modelloberfläche unterstützt auch Content Credentials (C2PA). Diese Provenienzmechanismen sind nützlich bei der Veröffentlichung KI-generierter Marketing-Assets oder beim Management interner Content-Review-Workflows.
Was passiert mit bestehenden Omni 1.1 Flash-Anfragen?
1.2 wurde am 5. November 2026 allgemein verfügbar (Model ID: gemini-omni-1.2-flash). Ab dem 3. Dezember 2026 werden Anfragen an gemini-omni-1.1-flash automatisch an 1.2 weitergeleitet und zu den neuen niedrigeren Preisen abgerechnet, ohne dass Codeänderungen erforderlich sind. Ratenlimits des kostenpflichtigen Tarifs wurden ebenfalls erhöht.
Testen Sie vor diesem Datum einige repräsentative Prompts, falls Ihre Anwendung vom Verhalten des früheren Modells abhängt. Die automatische Weiterleitung hält den Anforderungspfad funktionsfähig, dennoch sollten Sie die resultierenden Videos prüfen. Für andere Plattformen nutzen Sie die Migrations- und Abrechnungsdokumentation des jeweiligen Dienstes.
Fazit
Wählen Sie Gemini Omni 1.2 Flash für Projekte, bei denen die kreative Arbeit nach der ersten Generierung weitergeht: Produktvarianten, saisonale Szenen und kurze Anzeigen rund um ein konsistentes Subjekt.
Beginnen Sie mit einem wiederholbaren Kampagnenbriefing und einem kleinen Satz an Referenz-Assets. Sobald Komposition und Bearbeitungsverhalten für dieses Briefing funktionieren, erweitern Sie auf weitere Produkte oder Platzierungen. So wird aus einer überzeugenden Demo ein produktionsreifer Prozess, den Ihr Team wiederverwenden kann.
FAQ
Wie viele Referenzbilder kann ich mit Gemini Omni 1.2 Flash verwenden?
Die Enterprise-API akzeptiert bis zu 10 Bilder pro Prompt. Nutzen Sie dieses Kontingent für unterschiedliche Ansichten oder Details, die für die Einstellung wichtig sind; das Hinzufügen nahezu identischer Bilder kann das Briefing schwieriger machen. Diese Antworten folgen Googles Enterprise-technischen Spezifikationen; Limits in Consumer-Apps können abweichen.
Wie erweitert Gemini Omni 1.2 Flash ein längeres Video?
Für die Erweiterung nutzt das Modell bis zu die letzten 10 Sekunden der Eingabe, selbst wenn das Quellvideo länger ist. Es generiert eine 3–10-sekündige Fortsetzung, die an bis zu die letzten 30 Sekunden der Eingabe angehängt wird. Behalten Sie das vollständige Original in Ihrer Editing-Timeline, wenn Sie eine frühere Sequenz bewahren müssen; die zurückgegebene Erweiterung sollte nicht als Ersatz für die komplette Quelle behandelt werden.
Welche Referenzbilddateien akzeptiert Gemini Omni 1.2 Flash?
Unterstützte Bildformate sind PNG, JPEG, WebP, HEIC und HEIF. Jedes Bild kann bis zu 20 MB für Inline-Daten oder direkte Console-Uploads groß sein, oder 30 MB, wenn es aus Google Cloud Storage geliefert wird. Prüfen Sie Format und Dateigröße vor dem Absenden einer Anfrage, insbesondere wenn Ihre Ausgangsassets hochauflösende Produktfotos sind.
Video input for editing or upscaling
Bis zu 15 Sekunden
Video input for extension
Beliebige Dauer; nutzt bis zu die letzten 10 Sekunden
Video understanding input
Bis zu 10 Minuten; erweitert nicht das Bearbeitungslimit
