Il 4K di Gemini Omni 1.1 Flash è un upscale. Qui costa comunque il 41% in meno

Volevamo fare il test ovvio, ed è crollato al primo passo — il che si è rivelato il risultato più interessante.

Il piano era banale: un prompt, un seed fisso, due risoluzioni, poi entrambi i fermi immagine aperti a pixel uno a uno per vedere cosa aggiunge l'ultimo gradino. Quello che è tornato erano due film diversi. Stesso testo di prompt, stesso seed — e la lente d'ingrandimento in ottone che nella presa a 720p sta in basso a sinistra nell'inquadratura, nella presa a 4K sta a destra e più indietro. Le ciotole di pigmento sono disposte diversamente e sono di più: sette ciotole piene in inquadratura a cinque secondi e mezzo nella presa a 720p, contro cinque in quella a 4K. Il lino passa da un rotolo piegato sul fondo a un telo ampiamente steso sulla destra.

Vale la pena dirlo chiaramente, perché i consigli sul prompting presuppongono il contrario: un seed riproduce un'inquadratura all'interno di una risoluzione, non tra risoluzioni diverse. Cambi gradino e ha commissionato una presa nuova, non una stampa più grande di quella che aveva. Chi ha in mente di bozzare a poco e rifinire a caro prezzo su un solo seed dovrebbe rileggere quella frase.

Il confronto doveva quindi poggiare su un unico file consegnato. Prenda un fotogramma 4K, lo riduca a 1920 per 1080, lo ingrandisca di nuovo a 3840 per 2160. Tutto ciò che un master 1080p avrebbe potuto portare sopravvive a quel viaggio; nulla di più fine di quanto il 1080p possa rappresentare ci sopravvive. Confronti il round-trip con il nativo e la differenza è ciò che l'ultimo gradino consegna davvero al di sopra del 1080p.

Il controllo conta più della misura, perché la grana H.264 vive esattamente nella banda che si sta misurando. Il test è quindi corso su due tipi di regione: aree con texture dove potrebbe vivere del dettaglio reale, e aree piatte fuori fuoco che non ne possono trattenere. Le regioni piatte Le danno il pavimento di rumore.

L'eccedenza sull'area con texture sta chiaramente sopra il pavimento di rumore, quindi il 4K consegnato porta struttura reale al di sopra di ciò che il 1080p poteva trattenere — e non solo grana. Ma ne legga l'entità: circa tre volte il pavimento, contro nove volte i pixel. E poiché il rumore di compressione sbilancia la misura verso il trovare dettaglio, lo tratti come un tetto, non come una stima.

Tre aree scelte a mano sono una base sottile per dirlo, così abbiamo anche fatto scorrere la stessa finestra da 512 pixel sull'intero fotogramma a passi di 128 pixel, dividendo poi i risultati in base a quanta texture ciascuna area porti davvero. Le tredici più piatte si collocano tra 1.08x e 1.35x; le undici più ricche di texture, tra 2.86x e 3.86x. Lo scarto è una proprietà del fotogramma, non di dove abbiamo messo i riquadri.

Stessa regione da 512 pixel dello stesso fotogramma — il fotogramma 96, a quattro secondi, al pixel (2944, 1152) —: la differenza tra i due è dunque tutto ciò che l'ultimo gradino aggiunge rispetto a un master 1080p. Il secondo è un round trip, non un render 1080p — e non lo etichetteremo così.

E se i due Le sembrano quasi identici, quella è la lettura corretta e non un difetto dell'illustrazione. Differiscono al massimo di 9 valori su 255, in media di 0.82, a 47.1 dB di PSNR. Né è un esempio scelto con la mano leggera: quell'area è il quadrato da 512 pixel con più texture dell'intero fotogramma. Un rapporto di 3.62x nella banda ad alta frequenza è un risultato reale, ma è il triplo di una quantità che non è mai stata grande: questo materiale è morbido dall'inizio alla fine. Quello che l'ultimo gradino aggiunge qui è qualcosa che uno spettro sa separare e un occhio, in gran parte, no.

Una nota metodologica per chi volesse rifare la prova: l'energia ad alta frequenza è la quota dello spettro di potenza mediato radialmente sopra il limite di Nyquist del 1080p, che per un'area da 512 pixel di un fotogramma 4K corrisponde al bin di raggio 128. Il round trip è ffmpeg -vf "scale=1920:1080,scale=3840:2160" con il bicubico di default, applicato all'intero fotogramma prima di ritagliare le aree.

La varianza laplaciana, la solita approssimazione rapida della nitidezza, è lo strumento più grossolano: mette l'area con texture a 1.70x contro 1.36x e 1.07x su quelle piatte, dove la misura spettrale dà 3.62x contro 1.10x e 1.15x. Le separa, sì, ma con un margine abbastanza piccolo da poter essere contestato, perché conta il rumore di compressione insieme al dettaglio.

Due controlli di plausibilità sul file, dato che un tier di punta è facile da simulare. ffprobe riporta veri 3840 per 2160 a un bitrate di file di 25 583 339 bit/s — 8.84 volte quello della presa a 720p dello stesso prompt, contro un rapporto di pixel di 9.00. Nessuno Le sta passando uno stream affamato dentro un involucro UHD. E misura esattamente 24 fps, 192 fotogrammi su 8.000 secondi: un numero che circola sulla base di documentazione di schema di terze parti anziché di qualcosa pubblicato da Google, qui confermato nel nostro output.

La risposta onesta non è quindi nessuna delle due che si sentono di solito. L'ultimo gradino non è un file 1080p rietichettato, e non è nemmeno quattro volte l'immagine. Nove volte i pixel comprano qualcosa di più vicino al triplo della struttura — ed è per questo che vale la pena chiedersi con cura quanto costa.

Cosa fa "upscaled" in quella parentesi

Il riferimento modello di Google accosta la parola ai due tier più alti, alla lettera: "1080p output (upscaled)" e "4K output (upscaled)" — output 1080p e 4K, ingranditi. La generazione avviene su un raster interno più basso e il risultato viene ridimensionato in uscita, quindi qualunque struttura porti l'ultimo gradino ce l'ha messa il ridimensionamento e non l'ha risolta il renderer. Google non pubblica quella risoluzione interna, quindi nemmeno chi Le cita un fattore di ingrandimento lo conosce.

Due conseguenze. Non può ricomprare una presa venuta male alla cassa, perché il difetto sta a monte del ridimensionamento e un upscaler disposto a inventare texture plausibile non inventerà quella giusta. Ma anche "basta ingrandirlo in locale" è più debole di come suona: il ridimensionamento del modello gira prima della codifica di consegna, il Suo dopo, su un file con la quantizzazione già cotta dentro.

Cinque lavori in cui le dimensioni sono il consegnabile

Ecco cosa la dichiarazione onesta tende a seppellire: il dettaglio è una ragione per volere un raster grande, e non è la più comune in produzione.

Una specifica di consegna che nomina un raster. Emittenti e agenzie scrivono i requisiti come dimensioni, e il controllo qualità automatico legge l'header. Un file 1920 per 1080 contro una specifica UHD viene scartato prima che un essere umano lo veda. Lì nessuno misura la funzione di trasferimento di modulazione — si misura il file.

Un master d'archivio. Tenga la versione più grande che abbia mai generato: il modello verrà deprecato e, come mostra il risultato sul seed qui sopra, non può rilanciare il prompt e riavere quella clip. I consegnabili si ricavano scendendo da un master, mai salendo.

Margine per riquadrature e stringiture. Il caso pratico più forte, ed è aritmetica. Omni offre due rapporti d'aspetto e nessun altro, 16:9 e 9:16, quindi qualsiasi cosa quadrata o 4:5 è un ritaglio. Un ritaglio 9:16 centrato da un fotogramma 1080p è largo 608 pixel — una consegna verticale larga 1080 significa ingrandire di nuovo un file compresso. Lo stesso ritaglio da UHD è largo 1215 e sta riducendo per entrare nella specifica. Anche per le stringiture: una riquadratura a 1.5× su UHD Le lascia ancora un nativo 1920 per 1080, dove una sorgente 1080p lascia 1280 per 720.

Display di grande formato. Su una parete LED o un pannello DOOH è il passo pixel a stabilire il file che consegna, e una sorgente 1080p stirata per riempirlo è visibilmente molle in un modo in cui non lo è mai in un embed di browser.

Plate per compositing e VFX. Tracker e keyer lavorano sui pixel, e quattro volte tanti stabilizzano un solve planare anche quando vengono da un ingrandimento e non da un sensore. Inoltre si rifinisce alla specifica di consegna, quindi il plate deve già esserci.

Nessuno dei cinque riguarda un'immagine più bella. Tutti e cinque riguardano un file della dimensione giusta per quello che viene dopo.

E tre in cui sta pagando un ridimensionamento

Social verticale. Ogni piattaforma importante ricodifica al caricamento e quasi tutte limitano il lato lungo ben sotto l'UHD — sta pagando una tariffa da tier di punta per pixel buttati via in ingest, prima che uno spettatore veda il post.

Embed web. Una clip nella colonna di un articolo gira forse a 800 pixel di larghezza. Una sorgente UHD Le costa denaro in generazione e Largest Contentful Paint in consegna, una rara doppia perdita.

Passate di approvazione interna. Approvare un movimento di camera è un giudizio di forma e movimento, fatto due gradini più in basso per una frazione del denaro.

La sezione prezzi, che è l'argomento vero

L'ultimo gradino presso ogni fornitore che pubblichi una tariffa al secondo richiamabile, rilevata il 29 agosto 2026.

Rispetto alla tariffa di Google stessa sono il quarantuno per cento in meno — di gran lunga il divario più ampio dei quattro tier. Un gradino sotto, a 1080p, lo scarto si stringe all'undici per cento, $0.135 contro $0.1520, e più in basso ancora il campo è così vicino da non meritare un paragrafo.

Replicate manca per una ragione che val meglio dire che nascondere: porta il modello e non pubblica alcuna tariffa al secondo, a nessuna risoluzione. Abbiamo cercato una cifra per il 4K e non c'è nulla da citare.

Che il divario si allarghi in cima non è comportamento di margine ma la forma della scala, ed entrambe le forme sono pubbliche. Normalizzi ciascun fornitore sul proprio secondo di 720p e i due concordano su tre gradini: un terzo al tier bozza, uno in mezzo, la metà in più a 1080p. Il quarto è dove si separano — Google fa pagare tre volte il suo secondo di 720p, noi facciamo pagare due volte il nostro. Ogni dollaro del quarantuno per cento esce da quell'unico scalino.

Lo estenda alle durate che commissionerebbe davvero:

Si tenga stretta quest'ultima riga se sta preventivando una campagna. Una sequenza UHD da quaranta secondi sono quattro lavori fatturati separatamente con qualsiasi fornitore, e le colonne differiscono di quasi cinque dollari su una sola sequenza — prima delle prese che scarta, ciascuna delle quali moltiplica il divario.

Entrambe le colonne comprano gli stessi pesi, lo stesso audio nativo, la stessa filigrana SynthID in ogni fotogramma. Nulla nel quarantuno per cento è uno scambio sulla qualità — e nulla in esso sostiene che questo sia il modo più economico di fare video in generale, cosa che di solito non è.

Cosa cambia nel prompt quando passa al 4K

Quasi nulla, e il "quasi" è la parte interessante.

La risoluzione è un parametro API, e scrivere "4K" nel testo non seleziona il tier. Gli aggettivi di dettaglio si rivolgono allo stadio sbagliato: l'ingrandimento gira dopo la generazione e non legge mai il Suo prompt. Inventerà campioni, come mostra la misura qui sopra — solo non in una direzione che le Sue parole guidano.

Quello che raggiunge il renderer sono ottica e luce, e la luce fa doppio lavoro. Una sorgente radente costruisce bordi ad alto contrasto, e i bordi ad alto contrasto sono ciò che sopravvive a un ingrandimento, che l'upscaler li preservi o li ricostruisca. Illuminare per la texture è la cosa più vicina a un prompt per il tier.

Ecco lo stesso brief scritto in due modi. Prima, il modo in cui si scrive quando si insegue la risoluzione:

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.

Legga cosa istruisce davvero. Non vieta mai gli stacchi di scena, quindi il modello è libero di costruire una piccola narrazione — il suo default documentato. Non colloca alcuna luce, non nomina alcuna ottica, non fissa alcuna velocità di camera, e "unreal engine" punta a un render da videogioco anziché a una fotografia. Ventidue aggettivi, nessuno dei quali è un'istruzione su cui un renderer possa agire.

E il prompt che abbiamo effettivamente lanciato — quello che ha prodotto la clip qui sotto, i ritagli qui sopra e ogni numero di questo articolo:

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.

Otto secondi a 4K, quindi $1.44. Noti dove si fa il lavoro: un'unica sorgente dura dal basso che rade il banco così che l'armatura, la polvere e il craquelé si leggano tutti come texture. Quella frase ha fatto più di ventidue aggettivi, ed è il motivo per cui il round trip aveva qualcosa da trovare.

Una nota di produzione. Questo prompt è stato rifiutato al primo invio con It seems there was an issue with the input you provided, ed è passato al secondo tentativo dopo il cambio di due parole — un termine gergale di camera tolto, un pigmento rinominato. Sui prompt lunghi una sola parola può far fallire la richiesta, e l'errore non Le dirà quale.

Dove il tier di punta comunque non può aiutarLa

Quattro limiti circondano specificamente il lavoro in 4K. Il rapporto d'aspetto resta 16:9 o 9:16, quindi i consegnabili quadrati e 4:5 vengono da un ritaglio qualunque gradino paghi. Ogni fotogramma porta una filigrana SynthID senza alcun interruttore da nessuna parte. Non esiste una modalità 4K nativa a cui salire né alcun controllo sull'upscaler. E una generazione si ferma comunque a dieci secondi, quindi un master UHD più lungo è una catena di estensioni in cui ogni anello fallito ora costa $1.80 invece di $1.35.

E la riserva conclusiva su tutto l'articolo: niente di tutto questo fa di Omni il modello giusto per una singola clip 4K. Veo 3.1 Fast costa un centesimo al secondo sulla stessa chiave. Per una singola inquadratura da cui non dipende nulla, un multiplo di diciotto è indifendibile per quanto buona appaia la tariffa 4K.

Bozze economiche, consegna grande

Iteri a poco e promuova un vincitore: dieci passate a 360p più una rifinitura fanno $1.728 contro $5.40 per dieci a 1080p. L'articolo sui quaranta secondi lo svolge per bene.

L'UHD aggiunge una riserva più che un passaggio. Bozzi pure a $0.0297 al secondo, ma il risultato sul seed qui sopra significa che il vincitore è un riferimento e non un'anteprima: la presa che consegnerà sarà un'altra. Lasci che sia la specifica di consegna a scegliere il tier, non il tier in cui ha lavorato.

Le cifre per capability stanno nella specifica leggibile dalle macchine; il modello sta su text-to-video. Le tariffe si muovono — verifichi la pagina di ciascun fornitore prima di impegnare spesa. Questo copre i fornitori che pubblicano una tariffa 4K al secondo richiamabile il 29 agosto 2026.

Domande frequenti

Gemini Omni 1.1 Flash rende il 4K in modo nativo?

No. Il riferimento modello di Google lo elenca come "4K output (upscaled)" — output 4K, ingrandito: la generazione avviene su un raster interno più basso e il fotogramma viene ingrandito prima della consegna, e quella risoluzione interna non è pubblicata. Misurato però contro un round trip attraverso il 1080p, il file trattiene struttura reale al di sopra di ciò che il 1080p poteva portare — grosso modo tre volte il pavimento di rumore nelle regioni con texture, contro nove volte i pixel. Un'eccedenza reale, ma nulla che somigli a nove volte l'immagine.

Quanto costa il 4K su Gemini Omni 1.1 Flash?

Su E2X, $0.18 al secondo — $0.72 per quattro secondi, $1.44 per otto, $1.80 per una generazione di lunghezza massima da dieci secondi. Chiamare Google direttamente costa $0.3041 al secondo, dai suoi conteggi di token pubblicati. fal.ai indica $0.30, Runware $0.32, WaveSpeed $0.39. Replicate non pubblica alcuna tariffa al secondo a nessuna risoluzione.

Perché la differenza di prezzo tra fornitori è massima a 4K?

Perché a differire è il moltiplicatore sull'ultimo gradino, non la tariffa base. Prendendo il 720p come 1×, la scala di Google fa 0.33, 1, 1.5 e 3; la nostra fa 0.33, 1, 1.5 e 2. Concordano sui primi tre gradini e si separano al quarto, dove Google triplica per l'upscale e noi raddoppiamo. Quell'unico scalino è tutto il quarantuno per cento.

Quando vale la pena pagare la tariffa 4K?

Quando sono le dimensioni stesse il requisito: una specifica di consegna che nomina un raster UHD e viene verificata da un controllo qualità automatico; un master d'archivio da cui ricavare consegnabili futuri; margine di riquadratura, dato che Omni esce solo in 16:9 e 9:16; display di grande formato o DOOH, dove il passo del pannello stabilisce la sorgente; e i plate di compositing, che hanno bisogno di pixel e devono rifinire alla specifica.

Quando conviene evitare di rendere a 4K?

Social verticale, dove le piattaforme ricodificano in ingest e limitano il lato lungo ben sotto l'UHD; embed web che girano su poche centinaia di pixel di larghezza, dove il peso costa prestazioni di pagina oltre che denaro; e le passate di approvazione interna, che sono giudizi di forma e movimento che può dare al tier bozza per una frazione del costo.

Scrivere "4K" o "ultra detailed" nel prompt migliora l'output?

No. La risoluzione è un parametro API e il testo del prompt non la seleziona. Gli aggettivi di dettaglio si rivolgono allo stadio sbagliato: l'ingrandimento gira dopo la generazione e non legge mai il prompt. Struttura ne aggiunge — l'abbiamo misurata — ma nulla di ciò che scrive guida cosa aggiunge. La scelta dell'ottica, la direzione della luce e il movimento di camera cambiano ciò che viene reso prima del ridimensionamento, ed è lì che le parole del prompt si guadagnano il posto.

Posso ritagliare in verticale una clip Omni 4K senza perdere qualità?

Di solito sì, ed è il caso pratico più forte per questo tier. Un ritaglio 9:16 centrato da UHD è largo 1215 pixel, quindi una consegna verticale larga 1080 è una riduzione. Lo stesso ritaglio da 1080p è largo 608 e va ingrandito di nuovo, da un file già compresso. Le stringiture seguono: una riquadratura a 1.5× su UHD lascia ancora un nativo 1920 per 1080.

Lo stesso seed dà la stessa inquadratura a una risoluzione diversa?

No, e questo ci ha sorpresi. Un prompt con seed fisso, reso a 720p e di nuovo a 4K, ha restituito due inquadrature diverse — oggetti sui lati opposti del banco, un numero diverso di ciotole di pigmento disposte diversamente, un'altezza di camera diversa. Consideri il determinismo del seed valido solo all'interno di una risoluzione, e non conti di approvare un'inquadratura a basso costo per poi ri-renderizzare quella stessa inquadratura più grande.