AREX Feed Article
Google 上线 Gemini Omni 1.2 Flash：片段最长 15 秒，720p 草稿每秒 0.07 美元
Google AI Studio 的 X 账号 （北京时间 11 月 6 日凌晨 1:08）发帖，宣布 Gemini Omni 1.2 Flash 已在 AI Studio 和 Gemini API 上线，附了一段 25 秒的演示视频。帖文用五行「what's new」概括更新：更快且成本降低 30%、更长的片段、在对话中编辑、更自然的语音、更可控的镜头。
五个条目里只有一个数字「30%」，帖文没有说这个比例是跟谁、跟哪一档价格比。补上细节的是同日 发布的帖子：Gemini Omni 1.2 Flash 被称作 Google DeepMind 的「更新版视频生成模型」，生成和编辑的片段为 3～15 秒，草稿以 360p 或 720p 输出、每秒 0.07 美元，之后可上采样到 1080p 或 4K。Google Cloud 的写得更具体：单段视频最长 15 秒。上一代 1.1 在同类文档里的上限是 10 秒。
一条帖文宣布可用，另一条补上区间和单价
X 帖交代的是「可用」，不是规格。除了 30% 这个比例，五项更新没有给出任何参数，25 秒的演示视频也没有标注生成条件。
Threads 帖补上了另一部分：把「更长」「更便宜」换成可核对的数字，并说明草稿可以上采样到 1080p 或 4K。两条帖子都出自 Google 自己的账号，也都没有给出与前代 1.1 的对比评测。
1.2 是这个系列今年面向开发者的又一次更新。2026 年 6 月 30 日，同一个 X 账号；8 月 27 日，1.1 Flash 以「production-ready」的说法；11 月 5 日的 1.2 距离 1.1 是 10 周，而 6 月底到 8 月 27 日是 8 周。
单段视频从 10 秒变成 15 秒
Google Cloud 的 1.2 模型页把输出时长写成 3～15 秒。指定首尾帧时，区间收窄到 3～10 秒；做视频扩展时，每次新增 3～10 秒，接在输入视频最后最多 30 秒之后；作为编辑素材的输入视频也不能超过 15 秒。分辨率有 360p、720p、1080p、4K 四档，画幅只有 16:9 和 9:16，一次请求最多返回 3 条视频。
1.1 的写的是「最大视频长度（含音频）10 秒」，同样支持四档分辨率和两种画幅。1.1 的发布博文另有一套说法，口径与模型页不同：扩展以 10 秒为单位，累计最长 40 秒，参考的是此前最多 10 秒的画面。关于累计时长，1.2 的文档只写到单次扩展的 3～10 秒。
直接的变化是单次生成和单次编辑的上限从 10 秒抬到 15 秒；超过 15 秒的片子仍然要靠扩展一段段接起来。
语音、镜头和对话编辑，只有功能清单
Threads 帖把这几项拆成了具体的功能项：更自然的「多说话人对话」、更平滑的连续镜头，以及逐轮替换背景、主体或光线。文档里的对应项是语音、音乐、音效的生成支持，首尾帧指定，两种画幅，以及单次最多 3 条视频。
其中「在对话中编辑」并非 1.2 才出现的能力。1.1 的 已经把对话编辑写成核心能力，由 Interactions API 承载；1.2 的帖子则把可替换的对象写成背景、主体和光线。
Google DeepMind 的 上有一组人工评测：视频编辑用 504 个样例做并排比较，文生视频用了 MovieGenBench 的 1,003 条提示。页面通篇只写 Gemini Omni Flash，没有标注版本号，因此这些结果无法单独归给 1.2。
「更自然」「更可控」目前是 Google 自己的描述，能核对的只有对应的功能项。
从预览版到 GA，结算方式也跟着变了
Google Cloud 的模型页把 gemini-omni-1.2-flash 标为 GA（正式可用），发布日期 2026 年 11 月 5 日，退役日期写的是 2027 年 11 月 5 日或更晚，可用区域只有 global（全球）。1.1 的对应页面标题带着 Preview，按量付费一栏写着「不支持」，只列了固定配额。
1.2 的消耗方式多了 Standard PayGo（按量付费）和 Provisioned Throughput（预配吞吐量）。对在 Agent Platform 上试用过 1.1 的团队，这是多了一个按量计费的选项。
接口支持范围与 1.1 相同。两代都只支持 Interactions API（对话式交互接口）：GenerateContent、Chat Completions、Live API 都不在支持列表里，system instructions（系统指令）、结构化输出、上下文缓存、function calling（函数调用）同样不支持，thinking（思考）则支持。输入上限 131,072 个 token（词元），输出上限 260,640 个，1.1 是 57,920 个。1.2 还支持 C2PA Content Credentials（内容凭证）。
如果现有集成本来就走 Interactions API，迁移的动作主要是换模型 ID，但计费口径和时长上限都会跟着变；走 GenerateContent 的代码则用不了这个模型，这一点两代相同。
30% 与 720p 对得上，360p 单价更高
Google 在 8 月 27 日的 1.1 Flash 发布博文里给过一张每秒价目表：360p 0.03 美元、720p 0.10 美元、1080p 0.15 美元、4K 0.30 美元。博文同时说明，360p 草稿的成本是 720p 的三分之一。
Google 在 1.1 Flash 发布博文中给出的每秒价目表：360p 至 4K 四档，与 Gemini Omni Flash、Veo 3.1 Lite、Veo 3.1 Fast 并列。
1.2 的 Threads 帖把 360p 与 720p 草稿放在同一个括号里，标价每秒 0.07 美元。0.07 是 0.10 的七折，帖文没说的基准与 720p 这一档对得上。
360p 则反了过来：按 Threads 帖的字面写法，1.2 的 360p 草稿是每秒 0.07 美元，而 1.1 的 360p 是每秒 0.03 美元，单价变成原来的 2.3 倍。两条帖文都没有解释这处定价；在 Google 已公布的 1.2 材料里，也没有看到 1080p、4K 上采样时的每秒价格。
截至本文发稿，里，Omni 相关只有 Omni Flash 和 1.1 Flash 两行：输入每百万 token 1.50 美元、文本输出 9.00 美元、视频输出 17.50 美元。
按每秒单价算，只出 720p 草稿的成本会降三成；改用 360p 草稿的，单价从 0.03 美元变成 0.07 美元；需要 1080p 或 4K 交付的项目，成本取决于尚未公布的上采样价格。