Gemini Omni 1.1 Flash ist heute erschienen. Die Neuigkeit ist das Editieren, nicht das Generieren

Google hat gemini-omni-1.1-flash heute allgemein verfügbar gemacht. Liest man die Feature-Liste, fällt eines auf: Fast nichts davon dreht sich darum, einen besseren Achtsekundenclip zu machen.

Szenenerweiterung, die zehn Sekunden Kontext liest statt einer. Die Möglichkeit, dem Modell einen ersten und einen letzten Frame zu geben und es die Mitte bauen zu lassen. Referenzclips, die eine Figur über mehrere Einstellungen tragen. Das sind Kontinuitätsfeatures. Es sind die Dinge, die man braucht, wenn ein Clip nicht das Endprodukt ist, sondern ein Teil davon — und sie gemeinsam auszuliefern ist eine klarere Richtungsansage, als es jede Qualitätsbehauptung gewesen wäre.

Was tatsächlich neu ist

Der Vorgänger heißt hier Gemini Omni Flash — gemini-omni-flash-preview, seit dem 30. Juni 2026 in der API-Preview. Achten Sie auf die Benennung, denn das Internet bekommt sie schon jetzt falsch hin: Es gibt kein Produkt namens „Omni Flash 1.0“. Googles eigener String lautet „Gemini Omni 1.1 Flash“, und das, was es ablöst, heißt schlicht Gemini Omni Flash.

Die Änderung an der Erweiterung ist die, die man zweimal lesen sollte. Ein Modell, das nur den letzten Frame dessen sieht, was es fortsetzt, hat keine Ahnung, was die Kamera gerade tat — also driften Erweiterungen: Das Licht verschiebt sich, eine Jacke wechselt die Farbe, der Dolly, der nach links fuhr, bleibt stehen. Zehn Sekunden Kontext reichen aus, um eine Kamerafahrt und ein Lichtsetup über die Naht zu tragen. Google beschreibt die Fortsetzungen als 3–10 Sekunden lange Segmente bis zu insgesamt 40 Sekunden, das ist also keine feste Blockgröße; Sie setzen variable Stücke zusammen.

Es gibt außerdem einen 360p-Modus, der laut Google bis zu 60 % schneller läuft, bei einem Drittel der Kosten von 720p. Diese Zahl stammt aus dem Ankündigungsblog und nicht aus der API-Referenz, behandeln Sie sie also als Herstellerangabe und nicht als gemessenen Wert — aber die Richtung stimmt offensichtlich, und eine günstige Draft-Stufe ist genau das, was iterativer Videoarbeit bisher gefehlt hat.

Was es direkt bei Google kostet

Video-Output wird mit $17.50 pro Million Tokens abgerechnet, und Googles Preisfußnote rechnet es für Sie um: 5,792 Tokens pro Sekunde 720p-Video, „ein effektiver Preis von ungefähr $0.10 pro Sekunde“. Input kostet $1.50 pro Million. Für Video-Output gibt es kein kostenloses Kontingent.

Die anderen Auflösungen sind ebenfalls veröffentlicht, nur nirgends in der Nähe jener Fußnote, weshalb sie kaum jemand zitiert. Googles Ankündigung führt eine Preistabelle als Bild, und die Cloud-Preisseite führt die exakte Fassung als Satz: Omni rechnet 1.931 Tokens pro Sekunde bei 360p, 5.792 bei 720p, 8.688 bei 1080p und 17.376 bei 4K ab. Bei $17.50 pro Million sind das $0.0338, $0.1014, $0.1520 und $0.3041 pro Sekunde. Achten Sie weniger auf die Ziffern als auf die Form — gegenüber 720p sind diese Tokenzahlen exakt ein Drittel, eins, anderthalb und drei. Die Staffel verdreifacht sich von 720p auf 4K — daran lohnt es sich zu denken, wenn Sie versucht sind, einen ersten Durchgang gleich in voller Auflösung zu rendern.

Zehn Cent pro Sekunde lohnt sich, einen Moment sacken zu lassen. Eine Vierzig-Sekunden-Sequenz, aus Erweiterungen in 720p zusammengesetzt, sind rund vier Dollar Output, bevor Sie einen einzigen alternativen Take generiert haben. Videopreise sind keine Bildpreise, und die Iterationsgewohnheiten, die bei einem Bruchteil eines Cents pro Bild funktionieren, leeren hier ein Konto.

Wo Sie es heute aufrufen können

• Gemini API (generativelanguage.googleapis.com) — GA
• Google AI Studio — GA
• Gemini Enterprise Agent Platform — für Enterprise-API-Zugang
• Google Flow — für Abonnenten von AI Plus, Pro und Ultra
• Gemini-App — Szenenerweiterung für Plus, Pro und Ultra

Nicht Vertex AI. Dessen Release Notes erwähnen Omni überhaupt nicht, und Googles Ankündigung verweist Enterprise-Nutzer stattdessen auf die Agent Platform. Wenn Sie irgendwo etwas anderes gelesen haben, rät diese Seite.

Ein datierter Punkt liegt unter all dem: Der Preview-Endpunkt gemini-omni-flash-preview ist für den 30. September 2026 zur Abschaltung vorgesehen. Alles, was Sie im Sommer gegen die Preview gebaut haben, hat noch rund einen Monat Auslauf.

Die Spezifikationen, an einem Ort

Der Output pro Generierung läuft 3 bis 10 Sekunden bei 24 FPS, in 16:9 oder 9:16 — das sind die einzigen beiden Seitenverhältnisse, quadratische und vertikal-cineastische Formate fallen also weg. Audio wird nativ zusammen mit dem Bild erzeugt, und Sie können keine Audioreferenz hochladen, um es zu steuern. Jedes Video, das Sie zum Editieren oder Erweitern mitliefern, muss 10 Sekunden oder kürzer sein.

Jeder Frame trägt SynthID, Googles unsichtbares Herkunftswasserzeichen. Es ist für Zuschauer nicht wahrnehmbar und lässt sich von keinem Anbieter abschalten, was nur dann zählt, wenn Sie einen Vertrag haben, der Deliverables mit Wasserzeichen verbietet.

Google ist in der Model Card auch offen darüber, was noch nicht funktioniert:

„Vollständige Konsistenz über Edits hinweg zu wahren, Szenen mit komplexer Bewegung zu generieren oder perfekt akkuraten Text zu rendern, bleibt eine Herausforderung.“

Liest man das neben der Feature-Liste, ist es eine nützliche Spannung. Die Neuerungen der Überschrift sind Konsistenzfeatures; die Model Card sagt, Konsistenz sei weiterhin der schwierige Teil. Beides stimmt, und ein Launch-Post, der nur das Erste zitiert, würde Ihnen etwas verkaufen.

Eine Capability wird bewusst zurückgehalten. Das Modell kann aufgezeichnete Sprache verändern, und Google hat sich entschieden, das nicht auszuliefern:

„Gemini Omni Flash ist in der Lage, die Sprache von Menschen zu verändern. Vorerst schränken wir diese Fähigkeit ein und arbeiten daran, besser zu verstehen, wie wir sie sicher und verantwortungsvoll zu unseren Nutzern bringen können.“

Es gibt auch regionale Grenzen: Im EWR, in der Schweiz und im Vereinigten Königreich dürfen Sie keine Bilder hochladen oder editieren, die Minderjährige oder bestimmte erkennbare Personen zeigen.

Was das auf E2X bedeutet

Wir hatten gesagt, wir nennen dafür kein Datum. Es kam am Tag darauf. Gemini Omni 1.1 Flash ist am 28. August 2026 auf E2X live gegangen, mit allen vier Capabilities aufrufbar über dieselbe Endpunkt-Form wie alles andere im Katalog.

Ein Preis deckt alle vier ab: $0.09 pro Sekunde in 720p für Text-to-Video, Image-to-Video, Start-End-Frame-to-Video und Reference-to-Video, geprüft am 28. August 2026. Dauern von 4, 6, 8 und 10 Sekunden, in 360p, 720p, 1080p oder 4K — $0.0297 pro Sekunde auf der Entwurfsstufe, $0.18 in 4K. Die mittleren beiden sind hier neu: Die vorherige Generation lieferte auf dieser Plattform nur Text-to-Video und Reference-to-Video, ein Standbild zu animieren und zwischen erstem und letztem Frame zu interpolieren sind für diese Familie also beides Premieren.

Stellt man das neben Googles eigene Sekundenpreise, ist der Unterschied im Grunde ein Unterschied der Multiplikatoren. Google verlangt im Aufstieg $0.0338, $0.1014, $0.1520 und $0.3041; wir verlangen $0.0297, $0.09, $0.135 und $0.18. Beide Staffeln beginnen in derselben Form — bei 360p ein Drittel des 720p-Preises, bei 1080p das Anderthalbfache — und trennen sich oben: Google verdreifacht, wir verdoppeln. Damit liegen wir auf jeder Stufe unter Google: bei 360p rund zwölf Prozent, bei 720p und 1080p elf, bei 4K einundvierzig. Was der Preis außerdem kauft, ist eine einzige API-Oberfläche und ein Satz Zugangsdaten für jedes Modell in unserem Katalog, was etwas wert ist, ohne ein Anspruch darauf zu sein, überall am günstigsten zu sein.

Die wirklich günstige Option steht direkt daneben, und die meisten Lesenden sollten sie sich zuerst ansehen. Veo 3.1 Fast Text-to-Video kostet $0.01 pro Sekunde — ein Neuntel von Omni 1.1 Flash. Es ist zugleich die eine Zahl auf dieser Seite, die keine Abwägung ist: Googles eigene Tabelle setzt Veo 3.1 Fast bei 720p mit $0.10 pro Sekunde an, dasselbe Modell kostet hier also ein Zehntel dessen, was es dort kostet. Für eine reine Text-to-Video-Aufnahme ohne Editieren, ohne Erweiterung und ohne Figurenkontinuität kauft der neunfache Aufpreis darauf Ihnen sehr wenig. Uns wäre lieber, Sie gäben einen Dollar aus statt neun und kämen wieder.

Wo Omni den Unterschied verdient, ist genau dort, wohin die 1.1-Features zeigen: Fortsetzung, Steuerung über ersten und letzten Frame und das Tragen eines Motivs über mehrere Einstellungen. Wenn Ihre Arbeit aus einzelnen Clips besteht, ist Veo 3.1 Fast die bessere Wahl, und es deckt außerdem Image-to-Video, Reference-to-Video und Start-und-End-Frame ab.

Preise und Produktbedingungen können sich ändern. Prüfen Sie die aktuellen Preise des jeweiligen Anbieters, bevor Sie eine Kaufentscheidung treffen. Dies ist ein eingegrenzter Vergleich und keine Behauptung, dass E2X in jeder Konfiguration die günstigste Option ist.

Was diese Woche zu tun ist

Wenn Sie auf dem Preview-Endpunkt waren, tragen Sie den 30. September in den Kalender ein und ziehen Sie um. Wenn Sie zum ersten Mal ein Videomodell wählen, fangen Sie mit Veo 3.1 Fast für einen Cent pro Sekunde an und steigen Sie erst auf, wenn ein Auftrag tatsächlich Kontinuität braucht. Und wenn Sie lieber Schemata vergleichen als Prosa lesen: Jedes Modell veröffentlicht eine maschinenlesbare Spezifikation — die von Omni 1.1 Flash listet jeden Parameter, jede Einschränkung und den aktuellen Preis.

Den Rest durchsuchen Sie nach Aufgabe über Text-to-Video oder Reference-to-Video.

Häufig gestellte Fragen

Was ist Gemini Omni 1.1 Flash?

Gemini Omni 1.1 Flash ist Googles Modell zur Videogenerierung und Videobearbeitung, das am 27. August 2026 unter der API-ID gemini-omni-1.1-flash allgemein verfügbar gemacht wurde. Es generiert 3 bis 10 Sekunden lange Clips mit 24 FPS und nativem Audio und ergänzt Editierfunktionen, die dem Vorgänger fehlten: Szenenerweiterung auf 40 Sekunden, Interpolation zwischen erstem und letztem Frame sowie Referenzclips für Figurenkonsistenz.

Wann wurde Gemini Omni 1.1 Flash veröffentlicht?

Am 27. August 2026, als allgemein verfügbares Modell und nicht als Preview. Googles API-Changelog verzeichnet es als „Gemini Omni Flash generally available (GA): Released gemini-omni-1.1-flash“. Das frühere Preview-Modell gemini-omni-flash-preview war seit dem 30. Juni 2026 verfügbar und ist für den 30. September 2026 zur Abschaltung vorgesehen.

Gibt es ein Omni Flash 1.0?

Nein. Google hat nie ein Produkt namens Omni Flash 1.0 ausgeliefert. Das Modell vor Gemini Omni 1.1 Flash heißt Gemini Omni Flash, mit der API-ID gemini-omni-flash-preview, und es war ein Preview-Release. Seiten, die ein „Omni Flash 1.0“ beschreiben, erfinden eine Versionsnummer, die es nicht gibt.

Was kostet Gemini Omni 1.1 Flash?

Ruft man Google direkt auf, wird Video-Output mit $17.50 pro Million Tokens abgerechnet, bei $1.50 pro Million im Input und ohne kostenloses Kontingent für Video. Googles Cloud-Preisseite nennt die Tokenkosten einer Sekunde je Auflösung — 1.931 bei 360p, 5.792 bei 720p, 8.688 bei 1080p und 17.376 bei 4K — was $0.0338, $0.1014, $0.1520 und $0.3041 pro Sekunde ergibt. Auf E2X kosten dieselben Stufen $0.0297, $0.09, $0.135 und $0.18, womit der voreingestellte achtsekündige 720p-Clip bei $0.72 landet.

Wie lang kann ein Gemini-Omni-1.1-Flash-Video sein?

Eine einzelne Generierung liefert 3 bis 10 Sekunden. Mit Szenenerweiterung kommen Sie auf insgesamt bis zu 40 Sekunden, indem Sie einem bestehenden Clip Fortsetzungen von 3 bis 10 Sekunden anhängen. Jedes Video, das Sie als Input zum Editieren oder Erweitern mitgeben, muss selbst 10 Sekunden oder kürzer sein.

Kann ich Gemini Omni 1.1 Flash auf Vertex AI nutzen?

Stand 27. August 2026 nicht. Die Release Notes von Vertex AI erwähnen die Omni-Familie nicht. Googles Ankündigung verweist Enterprise-API-Nutzer auf die Gemini Enterprise Agent Platform, und das Modell ist außerdem über die Gemini API, AI Studio, Flow und die Gemini-App verfügbar.

Ist Gemini Omni 1.1 Flash auf E2X verfügbar?

Ja, seit dem 28. August 2026, über alle vier Capabilities hinweg: Text-to-Video, Image-to-Video, Start-End-Frame-to-Video und Reference-to-Video. Es kostet $0.09 pro Sekunde in 720p, mit $0.0297 bei 360p, $0.135 bei 1080p und $0.18 bei 4K, bei Dauern von 4, 6, 8 und 10 Sekunden. Das liegt auf jeder Stufe unter Googles eigenem Sekundenpreis — rund zwölf Prozent bei 360p, elf Prozent bei 720p und 1080p und einundvierzig Prozent bei 4K. Audio wird nativ erzeugt und lässt sich nicht abschalten. Für einzelne Clips ohne Editier- oder Kontinuitätsanforderung ist Veo 3.1 Fast für $0.01 pro Sekunde weiterhin meistens der bessere Gegenwert.