五个地方在卖 Gemini Omni 1.1 Flash。价格相差 44%

没有人会去比价模型权重。您挑一个模型名字，落在 Google 给您推出来的那个提供商页面上，然后按页面上写的付钱。

2026 年 8 月 28 日，我们把所有为同一个模型公开可调用价格的地方都找了一遍——这个模型是 gemini-omni-1.1-flash，Google 前一天刚发布。有五家。同样的权重，同样的原生音频，每一帧里同样的 SynthID 水印。而页面底部的那个数字，前后相差百分之四十四。

下面就是那次核价——包括我们劝您去买一个比本文主角便宜九倍的东西的那一段。

同一个下午读到的五个价格

下面所有数字都是 720p、按成片每秒计，2026 年 8 月 28 日从各家的线上页面读到。音频到处都包含在内：这个模型没有音频开关，声音是跟画面一起生成的，没有人单独收费。

从低到高，0.09 美元对 0.13 美元。这就是那百分之四十四，而它什么也没买到——没有更好的一秒画面，没有更长的片子，没有更高的上限。同样的文件，同样的数据中心。

那几行里有三行属于同一家公司，这就是下一节的内容。

Google 那一行需要一条脚注，因为 Google 的定价页是按 token 而不是按秒计费的。视频输出是每百万 token 17.50 美元，而 720p 每秒消耗 5,792 个 token；乘一下就是 0.1014 美元。这个换算是 Google 自己的算术，不是我们的——页面上的原话是*「有效价格约为每秒 0.10 美元」*。

一家公司，一个模型家族，两套定价逻辑

最奇怪的发现不是某个竞争对手，而是 fal.ai 跟自己对不上。

打开 fal.ai/models/google/gemini-omni-flash/v1.1/edit，您看到的是每秒 0.10 美元，整条阶梯跟 Google 那份四舍五入过的清单一模一样，一档对一档，完全没有加价。那不是一个独立的价格，而是一次转手——把它当成第二个数据点，您就是把 Google 数了两遍。在同一个域名下打开基础的 gemini-omni-flash 页面，模型改成按 token 计价了，每百万 21.875 美元——text-to-video 约合 0.125 美元，reference 和 image 类的活儿 0.13 美元。同一家公司，同一个家族，一个按成本挂，一个加了价。

那个加价正好是 Google token 费率之上的百分之二十五。这没什么不对：一个替您处理重试、给您一个统一鉴权接口的聚合商，有资格收费。但这意味着「Omni 1.1 Flash 的价格」这句话，哪怕在同一个店面里也没有唯一的指向。所以去看您实际在付费的那个页面上的版本字符串——一个只写着 gemini-omni-flash、没有版本号的页面，卖给您的可能既不是 1.1，也不是 1.1 的价格。

有一家提供商干脆缺了这个数字。Replicate 收录了这个模型，却没有为它公布任何每秒价格——我们找过了，没有可以引用的东西。这本身就是一条发现，而不是我们的疏漏：一个在跑之前读不到成本的视频模型，是一个您没法做预算的模型。

Google 的分辨率阶梯公布了两次，形状还不一样

上面说的全都只是一档而已。Omni 1.1 Flash 卖四档，而找齐另外三档花的时间，远比它应该花的多。

Google 把它公布了两次，而且都不在您会去找的地方。Cloud 定价页的脚注给出的是每一档每秒的 token 数——那才是计费的真相，因为账单是按 token 开的。发布公告里带着一张四舍五入过的美元表格，但那是一张渲染出来的图片，所以抓取工具、以及基于抓取工具写出来的文章，都会直接略过它。而 Gemini API 定价页，那个最显眼的落脚点，只有 720p 这一格。

我们沿着这条路走得够远，一度断定那条四档阶梯是转售商编出来的，还写好了一节这么说的文字，然后才回头去看那张图片。这一点值得承认，因为它正是本文要讲的那种失效方式：一个已经公布、有出处、也正确的数字，仍然可能对大多数人的核查方式是隐形的。

从 token 数推出来的阶梯，也就是您实际要付的：

第一行才是真正会改变您工作方式的那条。在我们的阶梯上，360p 的一秒正好是 720p 一秒的三分之一——0.0297 美元对 0.09 美元——所以三次草稿的钱等于一次满分辨率的钱。这一句话就把草稿档的全部理由说完了，也正是为什么即便画质明显更差，那一档便宜的也值得留着。

再看最后一行，从 token 数出发的好处在这里兑现了：**倍率这个说法不再是修辞，而变成了 Google 自己的数据。**把 720p 当作 1×。Google 的几档是 0.33 · 1 · 1.5 · 3，我们的是 0.33 · 1 · 1.5 · 2。底端一样，中间一样，然后进到 4K 时 Google 翻三倍而我们翻两倍——这就是为什么十秒的 4K，调用 Google 是 3.04 美元，调用我们是 1.80 美元。

在我们这里，四项能力都按同一条阶梯计费——参考生视频的价钱等于首尾帧生视频的价钱，也等于图生视频和纯文生视频的价钱。这不是通例：在 fal 的基础页面上，reference 和 image 类的活儿比只给 prompt 的贵。

Runware 便宜的那一档，上面压着贵的几档

在 720p 上，Runware 跟大家持平，每秒 0.10 美元。往上爬一档，它在 1080p 收 0.16 美元，在 4K 收 0.32 美元——而 Google 自己是 0.1520 和 0.3041 美元。恰恰在每一秒最贵的那两个分辨率上，它比它转售的源头还贵。只比 Google 高出约百分之五；但如果您按第一眼看到的那个数字去比较各家，然后拿它去跑一个 4K 的活儿，您付的就接近这一档在我们这里 0.18 美元的两倍。

这里的教训比那个数字更值钱：**按您真正会渲染的那一档去比较。**打头的那个价格几乎总是一家提供商最便宜的那一档可用价，而各档之间的比例是转售商自己定的。

直连 Google 不包含的东西

直觉会说：砍掉中间层，直接从源头买。可在这里，源头既不是最便宜的选项，也不是限制最少的。

• **视频输出没有免费额度。**文本和图像在 Gemini 的免费额度里能用，视频不行。没有东西可以拿来试。
• **没有 Batch 折扣。**其他 Gemini 3.x 模型走批量提交大约能省一半。视频被排除在外，所以那个能把大活儿砍一半的杠杆没有了。
• **数据的处理方式。**即便在付费档，Google 的条款也把提交给这个模型的内容标注为可用于产品改进。
• **一个得自己去翻的价格。**文档里只有一格视频价；整条阶梯是一篇博客文章里的一张图片。

这些都不能说明调用 Google 是错的。它们说明的是「直接买，省掉中间加价」这条经验法则，比它听上去要弱——在这个模型上几乎没有加价可省，因为那个照抄标价的转售商本来就是按成本把它给您的。

下面这段片子花了 0.72 美元

这段是我们用 Omni 1.1 Flash 自己生成的，八秒，720p，用的正是本文在讨论的那个价格。八乘以九美分。

一段曼哈顿中城的夜景航拍推进到时代广场，直到一块数字广告牌占满画面：OMNI FLASH 1.1，接着是 AVAILABLE NOW ON E2X.AI，最后落在湿漉漉的柏油路面上方的 E2X 标志上。

以下是原封不动的 prompt：

Cinematic 8-second commercial set in New York City at night. Opens on a wide aerial shot of Manhattan, then pushes rapidly into Times Square. Neon billboards, yellow taxis, pedestrians, wet asphalt reflecting colored light. The camera flies toward one massive digital billboard dominating the square. On the billboard, clearly readable text appears: "OMNI FLASH 1.1". Then: "THE LOWEST PRICE." The billboard transitions to: "AVAILABLE NOW ON E2X.AI". Final text: "START USING OMNI FLASH 1.1 TODAY". End with a clean bold E2X.AI logo filling the billboard. Fast energetic camera movement, realistic New York atmosphere, cinematic lighting, photorealistic detail, premium tech commercial look, high contrast, shallow depth of field, realistic reflections, subtle lens flares, smooth transitions. No narration, no one speaks. The message is carried entirely by the giant Times Square billboard. Sound design: city ambience, distant traffic, a rising synth swell, no voices, no speech.

（prompt 保留英文：这个模型只针对英文做过评测。）

按 text-to-video 跑，八秒，720p，16:9。它在 94 秒内返回，而我们自己流水线的预估大约是 240 秒——那个预估是我们的；Google 没有公布任何延迟数字。一个样本算不上基准测试，但如果您一直按每次生成四分钟做预算，可以少留一点。

现在把 prompt 和画面对着读，因为这无意中成了一次针对这个模型最弱一环的测试。prompt 用引号点名了四次广告牌上的文字，而那块主广告牌做到了——两行字都干净，标志也落对了位置。画面里其他每一块广告牌，也就是 prompt 只用「霓虹广告牌」一笔带过的那些，回来的都是像模像样的乱码。所以规则不是「这个模型做不了文字」，而是更窄的一条：**您指定的文字往往能渲染出来；模型为了撑场面自己编出来的文字则不行。**这个家族从发布起就有文字渲染不稳的报告——implicator.ai 提到过，而我们在 Google 的模型卡上没能找到这样的说法——所以请把这段片子当成我们的证据，而不是厂商的承认。

在付九美分之前，先看看一美分

这里就是这次核价开始跟它自己的主角唱反调的地方。

Veo 3.1 Fast在同一个 API、同一把密钥上是每秒 0.01 美元——是 Omni 1.1 Flash 的九分之一。上面那段片子在它那里会是八美分而不是七十二美分，而对于一个独立的、后面没有任何东西依赖它的镜头来说，多半也就够用了。在 Google 自己的表格里，Veo 3.1 Fast 挂的是每秒 0.10 美元，所以在它身上我们是源头价的十分之一，而不是低了百分之十一。

所以诚实的结论不是「Omni 在我们这里最便宜」，而是：大多数正在读一篇讲「怎么最便宜地调用 Omni」的文章的人，其实应该去调用别的东西。只有当活儿需要它独有的能力时才伸手拿它——指定好的首帧和末帧、一个能跨镜头活下来的角色、延伸到四十秒。一个推轨镜头不属于这一类。

有一个比较，反过来说就不诚实了。六月的预览版 Omni Flash 在我们这里，text-to-video 是每秒 0.0825 美元，reference 类的活儿是 0.075 美元——所以 1.1 比它取代的那个模型贵百分之九到百分之二十，不是更便宜。这个差价的来处值得说准：三者都挂在同一个 0.15 美元的标价上，区别只在我们给的折扣，百分之四十对上百分之四十五和百分之五十。涨价来自折扣变小，而不是产品变贵。多花的钱买到的是图生视频和首尾帧控制、一个老枚举里根本没有条目的 360p 档，以及十秒的上限——这是笔公道的交易，但它是涨价；谁要是告诉您新模型更便宜，方向就反了。

自己跑一遍这次核价

五个比这些具体数字活得更久的习惯：

1. **读版本字符串，别读模型名字。**同一个域名下的两个页面，在同一个下午分别以 0.10 美元和 0.125 美元卖给我们同一个家族。
2. **看看出处是不是文本。**Google 那条美元阶梯是图片，真正的那条是 token 脚注，所以抓取工具只会引用文档里以 HTML 形式存在的那个数字。
3. 按您会渲染的那一档算价，而不是提供商打头展示的那一档。Runware 在 720p 上跟大家齐平，在 4K 上是最贵的一家。
4. **比较之前先把 token 换算成秒。**每百万 17.50 美元这句话，在您把它乘以自己那一档消耗的 token 数之前，什么也说明不了。
5. **先确认到底存不存在一个每秒价格。**Replicate 收了这个模型，却没有公布任何一个。

价格和产品条款可能变化。做购买决定之前，请核对各家提供商的当前定价。Google 的 Batch 或 Flex 定价与标准的按需 API 请求并不直接等价，因为调度、可用性和处理条件都不同；因此这里没有把它算进来。这是一次范围明确的比较，对象是五家公开可调用每秒价格的提供商，而不是在宣称 E2X 在任何配置下都是最便宜的选项。正如上面那一节所说，做大多数片子最便宜的方式根本不是这个模型。

然后就在您能忍受的最便宜那一档上打草稿，把要留的那条用 720p 渲染出来。每项能力的参数和当前价格都在机器可读的规格里；完整阵容在我们的目录里。关于 1.1 到底发布了什么、榜单究竟量了什么、怎么给它写 prompt，以及为什么一段四十秒的戏会变成四张账单，我们都另有专文。

常见问题

调用 Gemini Omni 1.1 Flash 最便宜的方式是什么？

在 2026 年 8 月 28 日公开可调用价格的五家提供商里，E2X 在四档上都是最低的——360p 一秒 0.0297 美元，720p 九美分，再往上一档 0.135 美元，4K 0.18 美元。720p 这一档的行情是：fal.ai 的 v1.1 页面和 Runware 都是 0.10 美元，Google 是 0.1014 美元，WaveSpeed 以及 fal 的基础 reference 和 image 端点是 0.13 美元。我们的优势在 360p 上最薄，对 fal 大约只有百分之一，在 4K 上最厚。

如果我直连 Google，Gemini Omni 1.1 Flash 要多少钱？

Google 按 token 而不是按秒计费：视频输出每百万 17.50 美元。它的 Cloud 定价脚注列出了每个分辨率每秒烧掉的 token 数，乘算下来，360p 的一秒略高于三美分，720p 略高于十美分，1080p 是十五又五分之一美分，4K 刚过三十美分。同一条阶梯的四舍五入版本出现在发布公告里，而且是图片不是文本。没有免费额度，没有 Batch 折扣。

为什么不同的提供商对同一个模型收不同的价钱？

因为它们的计价基准不同。有些照抄 Google 那份四舍五入过的清单，这就是 fal.ai 的 v1.1 页面和 Runware 都落在 0.10 美元的原因。另一些按 token 计价并加上自己的加价：fal 的基础页面用的是每百万 21.875 美元，对着 Google 的 17.50 美元，上浮 25%，算下来是 0.125 到 0.13 美元。WaveSpeed 直接标了一个统一的 0.13 美元。而权重和产出，从头到尾都是一样的。

Replicate 有公布 Gemini Omni 1.1 Flash 的价格吗？

截至 2026 年 8 月 28 日，Replicate 收录了这个模型，但没有为它公布任何每秒价格。这让它没法被放进一次同口径的比较，也很难做预算，因为视频计费是随时长和分辨率变化的，而不是按请求数。

Gemini Omni 1.1 Flash 比它取代的那个模型便宜吗？

不便宜。在 E2X 上，此前的 Gemini Omni Flash 预览版，text-to-video 是每秒 0.0825 美元，reference-to-video 是 0.075 美元，而 Omni 1.1 Flash 是 0.09 美元——贵了百分之九到百分之二十。三者都跑在同一个 0.15 美元的标价上，区别只在折扣，所以这次上涨来自折扣变小，而不是模型变贵。多出来的钱买到的是图生视频、首尾帧控制、一个 360p 草稿档，以及十秒的片长。

为了压住成本，我应该用哪个分辨率生成？

在 360p 上打草稿，只把要留的那条用 720p 渲染。在 E2X 上，360p 的一秒正好是 720p 的三分之一，所以四秒是 0.1188 美元，对着 0.36 美元——五次草稿加一次完整渲染是 0.954 美元，仍然低于直接跑三次 720p 的 1.08 美元。4K 对网络分发来说很少对得起它的价钱：十秒在我们这里是 1.80 美元，在 Google 那里是 3.04 美元。

有比 Gemini Omni 1.1 Flash 更便宜的视频模型吗？

有，而且对大多数单段片子的活儿来说，它是更好的选择。Veo 3.1 Fast 在 E2X 上是每秒一美分——是 Omni 1.1 Flash 的九分之一，也是 Google 自己给它标的 0.10 美元的十分之一——覆盖只给 prompt 的活儿、让静图动起来、参考片段，以及首尾帧的工作。Omni 只有在场景延伸、十秒生成、360p 档，或者跨镜头的参考一致性上，才对得起它的溢价。