2026-11-05,Google宣布Gemini Omni 1.2 Flash在Gemini API、Google Cloud及企业产品中正式可用,而不是预览或仅作发布预告。官方给出的核心变化包括原生生成和编辑最长15秒视频、支持多轮对话式修改、提高对图像、短视频与音频参考的遵循,并将720p价格定为每秒0.07美元。
与Gemini Omni 1.1 Flash相比,最长片段从10秒增加到15秒,时长可在3至15秒间按一秒递增选择。工作流允许先用360p或720p生成草稿,再把选中的结果升格到1080p或4K;多轮编辑可以在同一片段上替换背景、物体或视觉条件,减少整段重新生成的成本。
成本变化具有直接采购意义。Google称每秒0.07美元的720p价格比1.1版下降30%,但这只是模型调用单价,不能自动推导完整项目的总成本:重试次数、升格、参考素材处理、存储与人工审核仍会影响预算。官方展示的品牌一致性、口型和运动效果属于厂商样例,尚不能当作独立基准。
同步发布的[模型卡](https://deepmind.google/models/model-cards/gemini-omni-1-2-flash/)列出文本、图像、音频和视频输入,以及带音频的视频输出,并列出Gemini App、AI Studio、Vertex AI、Workspace等分发渠道。模型卡说明输出带SynthID水印,同时承认系统仍有局限;对于改变人物语音的编辑能力,Google表示目前限制开放并继续评估安全性。
安全评估也需按原文边界理解。模型卡没有为1.2 Flash单独公布完整的新前沿能力分数,而是引用Gemini 3.1 Pro和3.7 Flash的框架评估,并称1.2 Flash没有相对这些模型的实质能力增长,因此预计不会达到已跟踪或关键能力等级。这是厂商判断,不是第三方独立复测。
量仔观察
这次正式可用对批量视频广告、虚拟试穿和产品演示团队最有影响:可以据每秒价格和15秒上限重算试验预算,并用真实素材做参考一致性、字幕、口型及重试率验收。证据对可用性与价格较强,但质量主张主要来自厂商样例。下一观察点是独立评测、地区与配额差异,以及受限语音编辑功能何时扩大开放。
