4K Gemini Omni 1.1 Flash Adalah Upscale. Di Sini Tetap 41% Lebih Murah

Kami berangkat menjalankan uji yang paling jelas dan ia runtuh di langkah pertama, yang ternyata justru hasil yang lebih menarik.

Rencananya biasa saja: satu prompt, satu seed tetap, dua resolusi, lalu kedua still dibuka pada piksel satu-ke-satu untuk melihat apa yang ditambahkan anak tangga teratas. Yang kembali adalah dua film berbeda. Teks prompt sama, seed sama — dan kaca pembesar kuningan yang duduk di kiri bawah frame pada take 720p duduk di kanan frame dan lebih ke belakang pada take 4K. Mangkuk-mangkuk pigmennya tersusun berbeda dan jumlahnya lebih banyak — tujuh mangkuk terisi dalam frame pada lima setengah detik take 720p, melawan lima pada take 4K. Kain linennya berubah dari gulungan terlipat di belakang menjadi terhampar lebar di sebelah kanan.

Layak dinyatakan terus terang, karena saran prompting mengasumsikan sebaliknya: sebuah seed mereproduksi sebuah shot di dalam satu resolusi, bukan lintas resolusi. Ganti anak tangganya dan Anda telah memesan take baru, bukan cetakan yang lebih besar dari take yang sudah ada. Siapa pun yang berencana membuat draf murah lalu menyelesaikannya mahal dengan satu seed sebaiknya membaca itu dua kali.

Jadi perbandingannya harus dibangun di atas satu berkas terkirim. Ambil satu frame 4K, kecilkan ke 1920 kali 1080, lalu besarkan kembali ke 3840 kali 2160. Segala sesuatu yang bisa dibawa sebuah master 1080p selamat dari perjalanan itu; apa pun yang lebih halus daripada yang bisa direpresentasikan 1080p tidak. Bandingkan round-trip terhadap native dan selisihnya adalah apa pun yang sebenarnya dikirim anak tangga teratas di atas 1080p.

Kontrolnya lebih penting daripada pengukurannya, karena grain H.264 hidup persis di pita yang sedang diukur. Jadi ujinya berjalan pada dua jenis wilayah: area bertekstur tempat detail nyata bisa hidup, dan area datar di luar fokus yang tidak bisa menahannya. Wilayah datar memberi Anda noise floor.

Surplus pada wilayah bertekstur duduk jelas di atas noise floor, jadi 4K yang dikirim membawa struktur nyata di atas apa yang bisa ditahan 1080p — bukan sekadar grain. Tetapi bacalah ukurannya: kira-kira tiga kali floor-nya, melawan sembilan kali pikselnya. Dan karena derau kompresi membiaskan pengukuran ke arah menemukan detail, perlakukan itu sebagai plafon, bukan perkiraan.

Tiga petak yang ditempatkan manual adalah dasar yang tipis untuk itu, jadi kami juga menggeser jendela 512 piksel yang sama ke seluruh frame dengan langkah 128 piksel dan memilah hasilnya menurut seberapa banyak tekstur yang benar-benar dibawa tiap petak. Tiga belas yang paling datar mendarat antara 1.08x dan 1.35x; sebelas yang paling bertekstur, antara 2.86x dan 3.86x. Selisih itu adalah properti frame-nya, bukan properti tempat kami meletakkan kotaknya.

Wilayah 512 piksel yang sama dari frame yang sama — frame 96, pada detik keempat, di piksel (2944, 1152) — jadi selisih di antara keduanya adalah keseluruhan dari apa yang ditambahkan anak tangga teratas di atas sebuah master 1080p. Yang kedua adalah round trip, bukan render 1080p — dan kami tidak akan melabelinya begitu.

Dan kalau keduanya tampak nyaris identik bagi Anda, itulah pembacaan yang benar, bukan kegagalan ilustrasinya. Keduanya berbeda paling banyak 9 nilai dari 255, rata-rata 0.82, pada 47.1 dB PSNR. Ini pun bukan contoh yang dipilih setengah hati: petak itu adalah persegi 512 piksel paling bertekstur di seluruh frame. Rasio 3.62x pada pita frekuensi tinggi adalah hasil yang nyata, tetapi itu tiga kali lipat dari sebuah kuantitas yang memang tidak pernah besar — rekaman ini lembut dari ujung ke ujung. Yang ditambahkan anak tangga teratas di sini adalah sesuatu yang bisa dipisahkan oleh spektrum dan sebagian besar tidak bisa dipisahkan oleh mata.

Satu catatan metodologis bagi siapa pun yang mengulang ini: high-frequency energy adalah bagian dari power spectrum rerata radial di atas batas Nyquist 1080p, yang untuk petak 512 piksel dari sebuah frame 4K berarti radius bin 128. Round trip-nya adalah ffmpeg -vf "scale=1920:1080,scale=3840:2160" pada bicubic bawaan, diterapkan ke seluruh frame sebelum petaknya dipotong.

Laplacian variance, proksi cepat yang biasa dipakai untuk ketajaman, adalah alat yang lebih tumpul: ia menaruh petak bertekstur pada 1.70x melawan 1.36x dan 1.07x pada yang datar, sementara ukuran spektralnya memberi 3.62x melawan 1.10x dan 1.15x. Ia memang memisahkan keduanya, tetapi dengan margin yang cukup kecil untuk diperdebatkan, karena ia menghitung derau kompresi berbarengan dengan detail.

Dua pemeriksaan kewarasan pada berkasnya, karena tier teratas mudah dipalsukan. ffprobe melaporkan 3840 kali 2160 yang sungguhan pada bitrate berkas 25 583 339 bit/s — 8.84 kali take 720p dari prompt yang sama, melawan rasio piksel 9.00. Tidak ada yang menyerahkan aliran kelaparan dalam bungkus UHD kepada Anda. Dan ia terukur tepat 24 fps, 192 frame sepanjang 8.000 detik: sebuah angka yang beredar berdasarkan dokumentasi skema pihak ketiga alih-alih apa pun yang Google terbitkan, dan di sini terkonfirmasi pada output kami sendiri.

Jadi jawaban jujurnya bukan salah satu dari dua yang biasa Anda dengar. Anak tangga teratas bukan berkas 1080p yang dilabeli ulang, dan bukan pula empat kali lipat gambarnya. Sembilan kali pikselnya membeli sesuatu yang lebih dekat ke tiga kali strukturnya — itulah mengapa berapa biayanya layak ditanyakan dengan cermat.

Apa yang dikerjakan kata "upscaled" di dalam kurung itu

Referensi model Google menambahkan kata itu pada dua tier teratas, apa adanya: "1080p output (upscaled)" dan "4K output (upscaled)" — yakni keluaran yang di-upscale. Generasinya terjadi pada raster internal yang lebih rendah dan hasilnya diubah ukurannya saat keluar, jadi struktur apa pun yang dibawa anak tangga teratas ditaruh di sana oleh proses resize alih-alih diselesaikan oleh renderer-nya. Google tidak menerbitkan resolusi internal itu, jadi siapa pun yang menyebutkan faktor pembesaran kepada Anda juga tidak tahu.

Dua konsekuensi. Anda tidak bisa membeli kembali take yang buruk di kasir, karena kesalahannya ada di hulu proses resize dan sebuah upscaler yang bersedia mengarang tekstur yang masuk akal tidak akan mengarang tekstur yang benar. Tetapi "tinggal dibesarkan sendiri saja" juga lebih lemah dari kedengarannya: resize milik modelnya berjalan sebelum encode pengiriman, milik Anda berjalan sesudahnya, pada berkas yang kuantisasinya sudah terpanggang.

Lima pekerjaan di mana dimensinya adalah deliverable-nya

Inilah yang cenderung terkubur oleh pengungkapan yang jujur itu: detail adalah satu alasan menginginkan raster besar, dan bukan yang paling umum dalam produksi.

Spesifikasi pengiriman yang menyebutkan sebuah raster. Lembaga penyiaran dan agensi menulis persyaratan sebagai dimensi, dan QC otomatis membaca header-nya. Berkas 1920 kali 1080 terhadap spesifikasi UHD gagal sebelum seorang manusia melihatnya. Tidak ada di sana yang mengukur modulation transfer — mereka mengukur berkasnya.

Sebuah master arsip. Simpan versi terbesar yang pernah Anda hasilkan: modelnya akan dihentikan, dan seperti ditunjukkan hasil seed di atas, Anda tidak bisa menjalankan ulang prompt-nya dan mendapatkan klip itu kembali. Deliverable dibuat turun dari sebuah master, tidak pernah naik.

Ruang untuk reframe dan punch-in. Kasus praktis terkuat, dan ini soal aritmetika. Omni menawarkan dua rasio aspek dan tidak lebih, 16:9 dan 9:16, jadi apa pun yang persegi atau 4:5 adalah hasil crop. Crop 9:16 di tengah dari frame 1080p lebarnya 608 piksel — pengiriman vertikal selebar 1080 berarti membesarkan lagi sebuah berkas terkompresi. Crop yang sama dari UHD lebarnya 1215 dan Anda justru mengecilkan ke dalam spesifikasi. Begitu pula punch-in: reframe 1.5× pada UHD tetap menyerahkan 1920 kali 1080 yang native, sementara sumber 1080p menyisakan 1280 kali 720.

Tampilan format besar. Pada LED wall atau panel DOOH, pixel pitch-nya yang menentukan berkas yang Anda serahkan, dan sumber 1080p yang direntangkan untuk mengisinya terlihat lunak dengan cara yang tak pernah terjadi pada embed di browser.

Plate compositing dan VFX. Tracker dan keyer bekerja pada piksel, dan empat kali lipat jumlahnya menstabilkan planar solve bahkan ketika mereka datang dari pembesaran alih-alih dari sensor. Anda juga menyelesaikan pada spesifikasi pengiriman, jadi plate-nya harus sudah ada di sana.

Tak satu pun dari kelimanya soal gambar terlihat lebih bagus. Kelimanya soal berkas berada pada ukuran yang tepat untuk apa yang terjadi berikutnya.

Dan tiga di mana Anda membayar sebuah resize

Sosial vertikal. Setiap platform besar mengodekan ulang saat unggah dan sebagian besar membatasi sisi panjangnya jauh di bawah UHD — Anda membayar tarif tier teratas untuk piksel yang dibuang di tahap ingest, sebelum seorang penonton melihat unggahannya.

Embed web. Klip di kolom artikel diputar mungkin selebar 800 piksel. Sumber UHD di situ merugikan Anda uang saat generasi dan Largest Contentful Paint saat pengiriman, kerugian ganda yang langka.

Putaran review internal. Menyetujui sebuah gerakan kamera adalah penilaian bentuk dan gerak, dibuat dua anak tangga di bawah dengan sebagian kecil biayanya.

Bagian harga, yang merupakan argumen sesungguhnya

Anak tangga teratas di seluruh penyedia yang menerbitkan tarif per detik yang bisa dipanggil, dibaca pada 29 Agustus 2026.

Terhadap tarif Google sendiri itu empat puluh satu persen lebih rendah — dengan selisih lebar, jarak terbesar dari keempat tier. Satu anak tangga di bawah, pada 1080p, rentangnya menyempit ke sebelas persen, $0.135 melawan $0.1520, dan lebih rendah lagi medannya cukup rapat sehingga tak layak satu paragraf.

Replicate absen karena alasan yang layak dinyatakan alih-alih ditutupi: ia mengusung modelnya dan tidak menerbitkan tarif per detik pada resolusi mana pun. Kami mencari angka 4K dan tidak ada yang bisa dikutip.

Mengapa jaraknya melebar di puncak bukan perilaku margin melainkan bentuk tangganya, dan kedua bentuknya publik. Normalkan tiap penyedia terhadap detik 720p-nya sendiri dan keduanya sepakat untuk tiga anak tangga: sepertiga di tier draf, satu di tengah, satu setengah kali lipat pada 1080p. Yang keempat adalah tempat mereka berpisah — Google menagih tiga kali detik 720p-nya, kami menagih dua kali milik kami. Setiap dolar dari empat puluh satu persen itu keluar dari satu langkah tersebut.

Hitung sampai ke durasi yang benar-benar akan Anda pesan:

Pegang baris terakhir itu bila Anda sedang menghargai sebuah kampanye. Sekuens UHD empat puluh detik adalah empat pekerjaan yang ditagih terpisah apa pun penyedianya, dan kedua kolomnya berbeda hampir lima dolar pada satu sekuens — sebelum take yang Anda buang, yang masing-masing melipatgandakan jaraknya.

Kedua kolom membeli bobot yang sama, audio native yang sama, watermark SynthID yang sama di setiap frame. Tidak ada bagian dari empat puluh satu persen itu yang merupakan pertukaran kualitas — dan tidak ada bagiannya yang mengklaim ini cara termurah membuat video secara umum, yang biasanya bukan.

Apa yang berubah dalam prompt ketika Anda naik ke 4K

Nyaris tidak ada, dan "nyaris" itulah bagian menariknya.

Resolusi adalah parameter API, dan menulis "4K" ke dalam teks tidak memilih tier-nya. Kata sifat detail ditujukan ke tahap yang salah: pembesarannya berjalan setelah generasi dan tidak pernah membaca prompt Anda. Ia akan mengarang sampel, seperti ditunjukkan pengukuran di atas — hanya saja tidak ke arah mana pun yang dikemudikan kata-kata Anda.

Yang memang sampai ke renderer adalah optik dan cahaya, dan cahaya ternyata bertugas ganda. Sumber yang menyapu membangun tepian berkontras tinggi, dan tepian berkontras tinggi itulah yang selamat dari sebuah pembesaran, entah upscaler-nya mempertahankan atau merekonstruksinya. Menata cahaya demi tekstur adalah hal terdekat dengan mem-prompt untuk tier-nya.

Berikut brief yang sama ditulis dua cara. Pertama, cara orang menulis ketika mengejar resolusi:

4K ultra detailed cinematic shot of a museum conservation bench, 8K,
hyper realistic, insanely sharp, maximum detail, best quality, intricate
textures, razor sharp focus, highly detailed surfaces, photorealistic
masterpiece, professional cinematography, award winning, unreal engine
render, ray tracing, ultra HD, crisp edges, no blur, extreme detail on
every surface, cinematic lighting, beautiful composition, trending.

Baca apa yang sebenarnya ia instruksikan. Ia tidak pernah melarang potongan adegan, jadi modelnya bebas membangun sebuah narasi kecil — defaultnya yang terdokumentasi. Ia tidak menempatkan cahaya, tidak menyebut lensa, tidak menetapkan kecepatan kamera, dan "unreal engine" menunjuk pada render gim alih-alih sebuah foto. Dua puluh dua kata sifat, tak satu pun instruksi yang bisa ditindaklanjuti renderer.

Dan prompt yang benar-benar kami jalankan — yang menghasilkan klip di bawah, potongan di atas, dan setiap angka dalam tulisan ini:

Slow lateral pan, 50mm lens on a motorized slider, moving right to left
at a steady crawl across a museum conservation bench. The frame passes
over an unrolled length of raw linen, a brass magnifier resting on its
side, and a scatter of dry pigment powder in small glass dishes - ochre,
ultramarine, deep charcoal - then settles on the corner of an oil
painting where fine craquelure spiders across the varnish. Hard
low-angle tungsten light from the left rakes over every surface so the
linen weave, the dust and the cracked glaze all read as texture. Focus
stays locked on the bench plane throughout and nothing moves except the
camera. Sound: the faint whir of the slider motor and a room's worth of
quiet.

Delapan detik pada 4K, jadi $1.44. Perhatikan di mana pekerjaannya dilakukan: satu sumber keras bersudut rendah menyapu meja kerja sehingga anyaman, debu, dan craquelure semuanya terbaca sebagai tekstur. Kalimat itu berbuat lebih banyak daripada dua puluh dua kata sifat, dan itulah sebabnya round trip punya sesuatu untuk ditemukan.

Satu catatan produksi. Prompt ini ditolak pada pengiriman pertama dengan It seems there was an issue with the input you provided, dan lolos pada percobaan ulang setelah dua kata diubah — satu istilah jargon kamera dihapus, satu pigmen diganti namanya. Pada prompt panjang, satu kata bisa menggagalkan permintaannya, dan pesan errornya tidak akan menyebut yang mana.

Di mana tier teratas tetap tidak bisa menolong Anda

Empat batas duduk di sekitar pekerjaan 4K secara khusus. Rasio aspek tetap 16:9 atau 9:16, jadi deliverable persegi dan 4:5 datang dari sebuah crop, anak tangga mana pun yang Anda bayar. Setiap frame membawa watermark SynthID tanpa sakelar di mana pun. Tidak ada mode 4K native untuk dinaiki dan tidak ada kendali atas upscaler-nya. Dan satu generasi masih berhenti di sepuluh detik, jadi master UHD yang lebih panjang adalah sebuah rantai perpanjangan di mana setiap mata rantai yang gagal kini berbiaya $1.80 alih-alih $1.35.

Dan catatan penutup untuk keseluruhan tulisan ini: tak satu pun dari semua ini menjadikan Omni model yang tepat untuk satu klip 4K. Veo 3.1 Fast berjalan satu sen per detik pada key yang sama. Untuk satu shot tunggal yang tidak menjadi tumpuan apa pun, kelipatan delapan belas kali tak bisa dibela sebagus apa pun tarif 4K itu terlihat.

Buat draf murah, kirim besar

Beriterasi dengan murah dan naikkan satu pemenang: sepuluh jalan pada 360p plus satu finish adalah $1.728 melawan $5.40 untuk sepuluh pada 1080p. Tulisan 40 detik mengerjakan itu dengan benar.

UHD menambah sebuah catatan, bukan sebuah langkah. Silakan buat draf pada $0.0297 per detik, tetapi hasil seed di atas berarti pemenangnya adalah panduan, bukan pratinjau — take yang Anda kirim akan menjadi take yang berbeda. Biarkan spesifikasi pengiriman yang memilih tier-nya, bukan tier tempat Anda membuat draf.

Angka per kapabilitas ada di spesifikasi yang terbaca mesin; modelnya sendiri ada di text-to-video. Tarif bergerak — pastikan pada halaman tiap penyedia sebelum mengikat belanja. Ini mencakup penyedia yang menerbitkan tarif 4K per detik yang bisa dipanggil pada 29 Agustus 2026.

Pertanyaan yang sering diajukan

Apakah Gemini Omni 1.1 Flash merender 4K secara native?

Tidak. Referensi model Google mencantumkannya sebagai "4K output (upscaled)": generasinya terjadi pada raster internal yang lebih rendah dan frame-nya dibesarkan sebelum dikirim, dan resolusi internal itu tidak diterbitkan. Namun, diukur terhadap round trip melalui 1080p, berkasnya memang menahan struktur nyata di atas apa yang bisa dibawa 1080p — kira-kira tiga kali noise floor pada wilayah bertekstur, melawan sembilan kali pikselnya. Surplus yang nyata, tetapi sama sekali bukan sembilan kali lipat gambarnya.

Berapa biaya 4K pada Gemini Omni 1.1 Flash?

Di E2X, $0.18 per detik — $0.72 untuk empat detik, $1.44 untuk delapan, $1.80 untuk generasi sepuluh detik berdurasi maksimum. Memanggil Google langsung berbiaya $0.3041 per detik, dari hitungan token yang ia terbitkan. fal.ai mencantumkan $0.30, Runware $0.32, WaveSpeed $0.39. Replicate tidak menerbitkan tarif per detik pada resolusi mana pun.

Mengapa selisih harga antarpenyedia paling besar di 4K?

Karena yang berbeda adalah pengali pada anak tangga teratas, bukan tarif dasarnya. Dengan 720p sebagai 1×, tangga Google berjalan 0.33, 1, 1.5, dan 3; milik kami 0.33, 1, 1.5, dan 2. Keduanya sepakat pada tiga anak tangga terbawah dan berpisah pada yang keempat, di mana Google melipattigakan untuk upscale-nya dan kami melipatduakan. Satu langkah itulah keseluruhan empat puluh satu persennya.

Kapan tarif 4K layak dibayar?

Ketika dimensinya sendiri yang menjadi persyaratan: spesifikasi pengiriman yang menyebut raster UHD dan diperiksa QC otomatis; master arsip untuk memotong deliverable di masa depan; ruang reframe, karena Omni hanya mengeluarkan 16:9 dan 9:16; tampilan format besar atau DOOH, di mana pixel pitch menentukan sumbernya; dan plate compositing, yang butuh jumlah piksel dan harus selesai pada spesifikasi.

Kapan saya sebaiknya menghindari render pada 4K?

Sosial vertikal, di mana platform mengodekan ulang saat ingest dan membatasi sisi panjangnya jauh di bawah UHD; embed web yang diputar selebar beberapa ratus piksel, di mana bobotnya merugikan performa halaman selain uang; dan putaran persetujuan internal, yang merupakan penilaian bentuk dan gerak dan bisa Anda buat pada tier draf dengan sebagian kecil biayanya.

Apakah menulis "4K" atau "ultra detailed" dalam prompt memperbaiki outputnya?

Tidak. Resolusi adalah parameter API dan teks prompt tidak memilihnya. Kata sifat detail ditujukan ke tahap yang salah: pembesarannya berjalan setelah generasi dan tidak pernah membaca prompt-nya. Ia memang menambah struktur — kami mengukurnya — tetapi tidak ada yang Anda tulis mengemudikan apa yang ia tambahkan. Pilihan lensa, arah cahaya, dan gerakan kamera mengubah apa yang dirender sebelum resize, dan di situlah kata-kata prompt mendapatkan tempatnya.

Bisakah saya meng-crop klip Omni 4K menjadi vertikal tanpa kehilangan kualitas?

Biasanya bisa, dan inilah kasus praktis terkuat untuk tier-nya. Crop 9:16 di tengah dari UHD lebarnya 1215 piksel, jadi pengiriman vertikal selebar 1080 adalah pengecilan. Crop yang sama dari 1080p lebarnya 608 dan harus dibesarkan lagi, dari berkas yang sudah terkompresi. Punch-in mengikuti pola yang sama: reframe 1.5× pada UHD tetap menyisakan 1920 kali 1080 yang native.

Apakah seed yang sama memberi shot yang sama pada resolusi berbeda?

Tidak, dan ini mengejutkan kami. Satu prompt pada seed tetap, dirender pada 720p lalu pada 4K, mengembalikan dua shot berbeda — objek di sisi meja yang berlawanan, jumlah mangkuk pigmen yang berbeda dengan susunan yang berbeda, ketinggian kamera yang berbeda. Perlakukan determinisme seed sebagai berlaku hanya di dalam satu resolusi, dan jangan berencana menyetujui sebuah shot dengan murah lalu merender ulang shot yang persis itu dalam ukuran lebih besar.