Gemini Omni Flash 1.2 対 Gemini Omni 1.1 Flash：2つのリーダーボードは「はい」、1つは「まだ」と判断

2026年12月3日、すべてのリクエストの送信先がG​emini Omni 1.1 FlashからG​emini Omni Flash 1.2に切り替わり、新しい料金で課金されますが、ペイロードに変更はありません。G​oogleは、1.2を11月5日に一般提供開始したのと同じ変更履歴エントリで、そのルーティング日を公開しました。したがって、バージョンの問題は、移行するかどうかではありません。切り替えがあなたに降りかかる前に計測を終えられるかどうかであり、そうするための独立した証拠は、価格引き下げが示唆するよりもまちまちです。

同じ週の投票が実際に示したもの

Artificial Analysisは3つの動画ボードすべてで両バージョンを実行し、その2つを数日違いで公開した。これは、バージョン比較を異なる2つの時期の異なる2つの測定キャンペーンから組み立てる必要がない稀なケースである。

AA-Video-I2V v2.1では決着がついている。G​emini Omni Flash 1.2は1,086で、95%区間は1,071〜1,101。G​emini Omni 1.1 Flashは1,044で、1,030〜1,058。42ポイント差、重なりなし、14位対18位。新しいモデルについて他に何が不確かであっても、その画像から動画への出力は、サンプルが裏付ける差で前世代より測定可能なほど好まれている。

AA-Video-T2V v2.1 では、この件は未決である。26ポイントの差——1,154 対 1,128——には、1,140 から 1,168 と 1,115 から 1,141 の区間が伴う。両者は1点だけ重なる。AA-Video-Editing v1.1 では差は18ポイントで、1,164 対 1,146 であり、区間は4点にわたって重なる。両方のボードで1.2は1.1より上位にランクされる。どちらも両者を区別しない。

そのパターンは、どんな単一の数値よりも価値がある。あるタスクでは明確に勝ち、おそらく2つ目のタスクでも勝ち、3つ目ではわずかに勝つ新しいチェックポイントは、ポイントリリースのありふれた形だ。それは、15秒のクリップや2倍になったレート制限が示唆するかもしれないような、世代を超える飛躍の形ではない。

価格はエラーバーのない部分です

動画出力は100万トークンあたり$17.50から$12.00に下がり、30%の削減となる。これはリリースの中で信頼区間を必要としない唯一の主張だ。Googleは映像1秒あたりの固定トークンレートで課金するため、計算は好みの問題ではない。720pでは毎秒5,792トークンで、コストは毎秒約$0.10から約$0.07になる。アップサンプリングありの1080pでは毎秒約$0.104、4Kでは約$0.209。Artificial Analysisは両バージョンを1080p換算で毎分$9.12と$6.26に正規化しており、これは同じメーターの反対側から見た同じ30%だ。

テキスト、画像、動画の入力は100万トークンあたり$1.50のまま、テキスト出力は$9.00のままです。batch、flex、priorityの列には何の変化もありません。1.2にはこれらのいずれもないためです — 標準ティアのみで、どちらのバージョンにも無料ティアはありません。

クリップの計算は、ルーティング日の後ではなく前に済ませてください。720p、1.2での15秒は、出力トークンでおよそ$1.05です。同じ15秒を1.1で1回の呼び出しで生成することはできません。1.1は10秒が上限だからです。公平な比較は、約$1.00で10秒です。値下げは実際にありますが、その大きな部分は追加の5秒を買うために使われており、より長いクリップを必要としなかったチームにとっては、請求額の変化はその割合が示すより小さく見えるでしょう。

15秒が無料でなくなるのはどこか

期間の延長には、発見されるのではなく文書化されたエッジケースが伴い、そのうち3つはリクエストに含めることが許される内容を変える。

• 補間 — 最初と最後のフレーム制御は両バージョンで3秒から10秒まで機能します。2つの参照フレームを指定して11秒以上を要求すると、1.2では無効な引数エラーが返されます。

• 参照動画 — 3～10秒の出力では、それぞれ最大3秒の参照動画を3本受け付けますが、11～15秒の出力では1本のみ受け付けます。ショットを延長すると、3本で通っていたリクエストが気付かないうちに無効になることがあります。

• 拡張 — 拡張は1ターンにつき3〜10秒で実行され、10秒のルックバック付き、合計30秒が上限で、クリップの末尾でのみ行われます。1.1では、編集と拡張の上限は入力10秒でした。

• 参照画像 — リクエストごとに最大6枚、全3モードにわたって対応。これは、キャラクターと被写体の一貫性に関するローンチ時の文言でG​oogleが真っ先に打ち出している変更です。

• 地域 — アップロードされた動画の編集と延長は、EEA、スイス、英国では利用できません。これはガイドにも記載されている制限です。ユーザーがこれらの市場にいる場合、会話型編集の訴求はまったく当てはまりません。

• 変わらなかった制限 — システム指示なし、temperatureなし、top_pなし、ネガティブプロンプトなし、プロビジョニング済みスループットなし、YouTubeソースなし、複数動画にまたがる推論なし。すべての出力にはSynthIDウォーターマークが付与されます。

見た目どおりの意味ではない「Text」出力行

モデルカードには、1.2 の出力が「ネイティブ音声付き動画、テキスト」と記載されているのに対し、1.1 は単なる「動画」と記載されています。この違いは新しいテキストチャネルとして読まれてきましたが、そうではありません。Omni ガイドには 1.2 のテキスト出力モードについての記述はなく、テキストはフレーム内にレンダリングされて現れる——ラベル、看板、軸——のであり、リクエストの形式も依然として動画レスポンスです。REST レスポンスには steps 配列が含まれ、その「thought」エントリは回答ではなく推論トレースです。パイプラインが API からキャプション文字列を返す必要がある場合、どちらのバージョンもそれを返しません。そして、その行の違いは、モデルが何を描くかの説明であって、何を返すかの説明ではありません。

音声の行は実際の変化だが、種類の変化ではなく品質の変化だ。どちらのバージョンもネイティブの同期音声を生成する。Googleの発表では、より流暢な対話、より明確なリップシンク、個別に区別されたマルチスピーカー条件付けを謳っており、参照が音声の手がかりと1秒の音声サンプルを伝えられるとも述べている——これらの参照パスはGoogle Cloudで許可リストに登録されており、このバージョンではモデル自体への音声入力はサポートされておらず、参照動画の音声は無視され、音声編集は利用できない。声はプロンプトで指定できるが、後から編集することはできない。これらの品質に関する主張はいずれも独立したテストに裏付けられておらず、上記の3つのリーダーボードは視覚的な好みを測定しているのであって、言葉と口の動きが一致しているかどうかを測っているわけではない。

ダウンストリームを壊すのはリクエストではなく、マイグレーションの方だ

ペイロードが変わらないため、障害が発生し得る範囲は、そのリクエストが供給するすべてに及びます。12月3日までに確認すべき4つの箇所を、壊れやすい順に示します：

継続時間のデフォルト値。継続時間を省略したリクエストは10秒で打ち切られ、今もデフォルトは10秒のままなので、手を加えていない呼び出しはこれまでとまったく同じように動作します。壊れるのは、10を上限として扱っていたバリデーションです。

フレームペアコンディショニング。補間と10を超えるデュレーションを組み合わせたコードパスは、黙って切り捨てるのではなく、エラーを出すようになりました — より良い挙動、より目立つ失敗です。

コストモデル。1.1 レートから導出される秒あたりの定数はすべて、720p では30%高すぎます。内部でレンダーごとに請求しているなら、旧価格がまだ正しいうちに変更すべき行はこれです。切り替え後は、その数値がマージンを実際より良く見せる方向に狂うからです。

フィルターの挙動。編集ボードの1.2の行には、モデルが著作権および安全性のフィルターによってテストセットの一部を辞退した旨の注記があり、公開スコアは残存したプロンプトを反映したものになっている。すべてのリクエストがファイルを返すことを前提としていた本番パイプラインには、特に新しいバージョンにおいて拒否経路が必要だ。この注記は1.2の行にのみ表示され、1.1の行には表示されない。

切り替えの2つの方法と、どちらが適しているか

コンテンツが計測済みで、そのアウトプットが気に入っているなら、早めに移行して、その3週間を自分の素材での再計測に使いましょう。値下げと尺の延長は手に入れる価値がありますし、画像から動画への差は現実に存在します。そうしなければ、12月3日に、どちらの判断材料もないまま移行させられるだけです。

コンテンツの量が多く、前回の変更以降その中身を確認していないのであれば、有効な姿勢は両方を走らせることです。1.1を本番パスに残したまま（まだ個別にアドレス可能なうちに）、トラフィックの一定割合を1.2へシャドーし、ボードが測らない軸で比較してください——クリップがペアワイズ投票で勝つ頻度ではなく、配信まで生き残る頻度です。これはモデルの問題ではなくルーティングの問題であり、それが私たちの扱うレイヤーです。現在、OmniのエンドポイントはいずれもOrcaRouterのカタログには含まれていないため、これは私たちにそれらを提供させたいという売り込みではありません。むしろ、経路がちょうど1本しかなく、その横にもう1本を走らせる手段がないパイプラインでバージョンアップが最も痛手となる理由です。私たちが本当に配置を得られるのは周辺のテキスト処理です。レンダリングに供給されるプロンプト拡張やショットリストの呼び出しは、1つのエンドポイントから複数のモデルに対してプロバイダーの定価で構成でき、いずれかが劣化した場合の自動フェイルオーバーを備え、ルーティングルールによってデプロイなしにリクエストの一部を別のモデルへ送ることができます。

絶対に避けるべきなのは、1.1 を12月3日より後までピン留めしておき、変更を請求書で知ることだ。エンドポイントは、設定が何と言っていようとルーティングする。

バージョン比較を、バージョン比較として述べたもの

1.2は秒あたりのコストが安く、クリップあたりの長さも長く、画像から動画では自身の誤差範囲を超える差で優れており、テキストから動画と編集でもおそらく優れていますが、その根拠はまだ1.1との差を明確に分離できていません。編集ベンチマークの一部を取り除く安全フィルターを搭載しており、あなたの編集作業の一部も取り除くでしょう。また、Googleがすでに公表した日付に1.1のトラフィックを引き継ぎます。

引用される比較は順位変動になるだろう。12位から6位は跳躍のように読め、42 Eloはひとつの数字のように読めるからだ。次の四半期がどうなるかを予測する比較は、区間が付いているほうであり、それが示すのは、明確な勝利が1つ、可能性が高い勝利が2つ、そしてその3つすべての下にあるより安価なメーターである。