Gemini Omni Flash 1.2 vs Gemini Omni 1.1 Flash: due classifiche dicono sì, una dice non ancora

Il 3 dicembre 2026, ogni richiesta inviata a G​emini Omni 1.1 Flash inizierà ad arrivare su G​emini Omni Flash 1.2, invece, fatturata alle nuove tariffe, senza alcuna modifica al tuo payload. G​oogle ha pubblicato quella data di instradamento nella stessa voce del changelog che ha reso la 1.2 disponibile a livello generale il 5 novembre. Quindi la questione della versione non è se migrare. È se finisci di misurare prima che il passaggio ti capiti, e le prove indipendenti per farlo sono più contrastanti di quanto suggerisca il taglio del prezzo.

Cosa ha davvero mostrato la stessa settimana di voto

Artificial Analysis ha eseguito entrambe le versioni su tutte e tre le sue classifiche video e ha pubblicato la coppia a pochi giorni di distanza l'una dall'altra. È il caso raro in cui un confronto tra versioni non deve essere messo insieme a partire da due diverse campagne di misurazione in due momenti diversi.

Su AA-Video-I2V v2.1 il caso è chiuso. G​emini Omni Flash 1.2 si attesta a 1.086 con un intervallo al 95% da 1.071 a 1.101; G​emini Omni 1.1 Flash si attesta a 1.044 con 1.030–1.058. Quarantadue punti, nessuna sovrapposizione, 14° contro 18°. Qualunque altro aspetto del nuovo modello sia incerto, il suo output image-to-video è misurabilmente preferito a quello del predecessore con un margine che il campione supporta.

Su AA-Video-T2V v2.1 il caso è aperto. Il divario di 26 punti — 1.154 contro 1.128 — è accompagnato da intervalli da 1.140 a 1.168 e da 1.115 a 1.141. Condividono un solo punto. Su AA-Video-Editing v1.1 il divario è di 18 punti, 1.164 contro 1.146, e gli intervalli si sovrappongono su quattro. Entrambe le classifiche collocano la 1.2 sopra la 1.1. Nessuna delle due le separa.

Quel pattern vale più di qualsiasi singolo numero. Un nuovo checkpoint che vince chiaramente su un compito, probabilmente su un secondo e marginalmente su un terzo è la forma ordinaria di una point release. Non è la forma del salto generazionale che le clip da 15 secondi e i limiti di richiesta raddoppiati potrebbero suggerire.

Il prezzo è la parte senza barre d'errore

L'output video scende da 17,50 $ a 12,00 $ per milione di token, un taglio del 30%, ed è l'unica affermazione nel comunicato che non richiede un intervallo di confidenza. Google applica una tariffa fissa per token al secondo di filmato, quindi il calcolo non è una questione di preferenza: a 720p, 5.792 token al secondo, il costo passa da circa 0,10 $ a circa 0,07 $ al secondo. A 1080p con upsampling è di circa 0,104 $ al secondo, e a 4K circa 0,209 $. Artificial Analysis normalizza entrambe le versioni a 9,12 $ e 6,26 $ al minuto di 1080p, che è lo stesso 30% visto dall'altro capo dello stesso contatore.

L'input resta a $1.50 per milione di token per testo, immagini e video, e l'output di testo resta a $9.00. Nulla è cambiato nelle colonne batch, flex o priority perché la 1.2 non ne ha nessuna — solo livello standard, e nessun livello gratuito in nessuna delle due versioni.

Esegui il calcolo dei clip prima della data di routing anziché dopo. Quindici secondi a 720p su 1.2 costano circa $1.05 in token di output. Gli stessi quindici secondi non potrebbero essere prodotti su 1.1 in una singola chiamata, poiché 1.1 si ferma a dieci secondi; il confronto onesto è dieci secondi per circa $1.00. La riduzione è reale, ma una larga parte di essa serve ad acquistare i cinque secondi extra, e un team che non ha mai avuto bisogno di clip più lunghe vedrà una variazione in fattura più piccola di quanto implichi la percentuale.

Dove i quindici secondi smettono di essere gratis

L'aumento della durata comporta casi limite documentati anziché scoperti, e tre di essi modificano ciò che una richiesta può contenere.

• Interpolazione — il controllo del primo e dell'ultimo fotogramma funziona da tre a dieci secondi su entrambe le versioni; richiedere undici secondi o più con due fotogrammi di riferimento restituisce un errore di argomento non valido sulla 1.2.

• Video di riferimento — gli output da tre a dieci secondi accettano tre video di riferimento di massimo tre secondi ciascuno, mentre quelli da undici a quindici secondi ne accettano uno. Allungare un'inquadratura può invalidare silenziosamente una richiesta che era stata accettata con tre.

• Estensione — l'estensione dura da tre a dieci secondi per turno, con una finestra retrospettiva di dieci secondi, fino a un massimo di 30 secondi complessivi, e solo alla fine della clip. Nella 1.1 il limite massimo per editing ed estensione era di dieci secondi di input.

• Immagini di riferimento — fino a sei per richiesta, in tutte e tre le modalità, che è la modifica su cui G​oogle punta nei materiali di lancio riguardanti la coerenza di personaggi e soggetti.

• Regione — la modifica e l'estensione dei video caricati non sono disponibili nello SEE, in Svizzera e nel Regno Unito, una limitazione riportata nella guida. Se i tuoi utenti si trovano in quei mercati, la proposta di editing conversazionale non si applica affatto a loro.

• Limiti rimasti invariati — nessuna istruzione di sistema, nessuna temperature, nessun top_p, nessun prompt negativo, nessun throughput con provisioning, nessuna fonte YouTube, nessun ragionamento multi-video. Ogni output riporta una filigrana SynthID.

Una riga di output "Text" che non significa quello che sembra.

La scheda del modello elenca l'output di 1.2 come "Video con audio nativo, Testo" rispetto al semplice "Video" di 1.1, e questa differenza è stata interpretata come un nuovo canale di testo. Non lo è. La guida di Omni non descrive alcuna modalità di output testuale per 1.2; il testo appare renderizzato all'interno del fotogramma — etichette, insegne, assi — e la struttura della richiesta rimane quella di una risposta video. Le risposte REST contengono un array steps la cui voce "thought" è una traccia di ragionamento, non una risposta. Se una pipeline necessita di una stringa di didascalia restituita dall'API, nessuna delle due versioni ne restituisce una, e la differenza in quella riga descrive ciò che il modello disegna, non ciò che ti fornisce.

La riga audio è un vero cambiamento, ma un cambiamento di qualità, non di natura. Entrambe le versioni generano audio nativo sincronizzato. Il lancio di G​oogle rivendica un dialogo più fluido, un lip-sync più chiaro e un distinto condizionamento multi-speaker, e afferma che i riferimenti possono veicolare segnali audio e campioni vocali di un secondo — quei percorsi di riferimento sono in allowlist su G​oogle Cloud, l'input audio non è supportato sul modello stesso in questa versione, l'audio dei video di riferimento viene ignorato e la modifica della voce non è disponibile. Puoi impostare una voce tramite prompt; non puoi modificarla in seguito. Nessuna di quelle affermazioni sulla qualità ha alle spalle un test indipendente, e le tre classifiche sopra misurano la preferenza visiva, non se le parole corrispondono alle bocche.

La migrazione che rompe il downstream, non la richiesta

Poiché il payload non cambia, la superficie di fallimento è tutto ciò che la richiesta alimenta. Quattro punti da controllare prima del 3 dicembre, nell'ordine in cui tendono a rompersi:

Valori predefiniti della durata. Una richiesta che ometteva la durata veniva limitata a dieci secondi e continua ad avere dieci come valore predefinito, quindi le chiamate non modificate si comportano in modo identico. Ciò che si rompe è la validazione che considerava dieci il massimo.

Condizionamento delle coppie di frame. Qualsiasi percorso di codice che associ l'interpolazione a una durata superiore a dieci ora genera un errore invece di troncare silenziosamente: comportamento migliore, errore più evidente.

Modelli di costo. Ogni costante al secondo derivata dalla tariffa 1.1 è del 30% troppo alta a 720p. Se fatturi internamente per render, questa è la riga da modificare finché i vecchi prezzi sono ancora corretti, perché dopo il passaggio il numero sarà sbagliato nella direzione che fa apparire migliore il tuo margine.

Comportamento dei filtri. La riga della board editoriale relativa alla versione 1.2 riporta una nota secondo cui il modello ha rifiutato parte del set di test a causa dei filtri su copyright e sicurezza, e il punteggio pubblicato riflette i prompt sopravvissuti. Una pipeline di produzione che dava per scontato che ogni richiesta restituisse un file necessita di un percorso di rifiuto specificamente sulla nuova versione. La nota compare solo sulla riga della 1.2, non su quella della 1.1.

Due modi per fare il passaggio, e quale fa per te

Se i tuoi contenuti sono misurati e il risultato ti piace, migra in anticipo e usa le tre settimane per rimisurare sul tuo materiale. Il taglio del prezzo e l'aumento della durata sono vantaggi che vale la pena avere, il divario tra immagine e video è reale, e l'alternativa è essere spostati il 3 dicembre senza dati né in un senso né nell'altro.

Se i tuoi contenuti sono ad alto volume e non li hai più esaminati dall'ultima modifica, l'approccio utile è eseguire entrambi. Mantieni la 1.1 sul percorso di produzione finché è ancora indirizzabile separatamente, dirotta in shadow una percentuale di traffico verso la 1.2 e confronta sull'asse che le dashboard non misurano: quanto spesso una clip sopravvive fino alla consegna, non quanto spesso vince un voto a coppie. Questo è un problema di routing più che di modello, ed è il livello su cui operiamo. Nessuno degli endpoint Omni è oggi nel catalogo di OrcaRouter, quindi non è un nostro pitch per servirli; è il motivo per cui un incremento di versione fa più male nelle pipeline che hanno esattamente un percorso e nessun modo di eseguirne un secondo accanto. Dove ci guadagniamo davvero il posto è il lavoro di testo circostante: le chiamate di espansione del prompt e di shot list che alimentano un render possono essere composte su più modelli tramite un unico endpoint al prezzo di listino del provider, con failover automatico se uno peggiora, e una regola di routing può inviare una frazione di richieste a un modello diverso senza un deploy.

L'unica cosa da non fare è fissare la 1.1 oltre il 3 dicembre e scoprire il cambiamento da una fattura. L'endpoint instrada a prescindere da ciò che dice la tua configurazione.

Il confronto delle versioni, espresso come confronto delle versioni

1.2 è più economico al secondo, più lungo per clip, migliore su image-to-video di un margine che sopravvive alle proprie barre d'errore, e probabilmente migliore su text-to-video e editing sulla base di prove che non lo distinguono ancora da 1.1. Include un filtro di sicurezza che rimuove parte di un benchmark di editing e rimuoverà parte del tuo carico di lavoro di editing, ed eredita il traffico di 1.1 in una data che Google ha già pubblicato.

Il confronto che verrà citato sarà lo spostamento in classifica, perché da dodici a sei suona come un salto e quarantadue Elo suona come un numero. Il confronto che predice come andrà il prossimo trimestre è quello con gli intervalli, e quello dice: una vittoria netta, due probabili e un contatore più economico sotto tutti e tre.