Gemini Omni Flash 1.2 vs Qwen 3.8 Omni Flash: 하나는 영상을 만들고, 다른 하나는 영상을 읽는다

“G​emini Omni Flash 1.2 또는 Qwen3.8-Omni-Flash 중 어느 것이 더 나은가?”라는 질문에는 대부분의 비교 페이지가 알려주지 않는 짧은 답이 있습니다: 두 모델은 비교할 수 없습니다. 왜냐하면 그중 하나는 한 번도 영상 프레임을 만들어 낸 적이 없기 때문입니다. G​emini Omni Flash 1.2는 텍스트, 이미지, 참조 영상을 입력받아 MP4를 출력하는 네이티브 오디오 지원 영상 생성기입니다. Qwen3.8-Omni-Flash는 텍스트, 이미지, 오디오, 영상을 입력받아 텍스트를 출력하는 멀티모달 리더입니다. 영상은 물론 이미지나 오디오 생성 기능도 전혀 없습니다. 이 둘은 영상 팀이 같은 분기에 구매하게 되는 서로 다른 두 기계입니다. 지금 맞닥뜨린 결정은 A냐 B냐가 아닙니다. 각각 얼마나 쓸지이며, 그 답을 내는 산수는 품질이 아니라 길이입니다.

벤치마크보다 출력 열이 먼저 판가름한다

이 두 모델을 비교하는 모든 글은 존재하지 않는 리더보드에서 시작합니다. Artificial Analysis는 편집, 텍스트→비디오, 이미지→비디오의 세 가지 비디오 보드를 운영하며, G​emini Omni Flash 1.2는 세 보드 모두에서 점수가 매겨져 현재 2위, 6위, 14위입니다. Qwen3.8-Omni-Flash는 그중 어느 보드에도 없습니다. 낮게 순위에 오른 것이 아니라 아예 없습니다. 순위를 매길 비디오 출력이 없기 때문입니다. 이 둘 사이의 맞대결 Elo는 우리가 숨기고 있는 숫자가 아닙니다. 아무도 계산할 수 없는 숫자입니다.

비교할 수 있는 것은 인터페이스입니다. G​emini Omni Flash 1.2는 영상을 반환합니다. Qwen3.8-Omni-Flash는 토큰을 반환합니다. 그 단 하나의 차이 이후의 모든 것은 기계적으로 따라옵니다.

• 입력 — Gemini Omni Flash 1.2는 텍스트, 최대 6개의 참조 이미지, 참조 비디오 클립을 입력받습니다. Qwen3.8-Omni-Flash는 텍스트, 이미지, 오디오, 비디오를 입력받으며, 한 번의 호출로 1시간이 넘는 영상까지 포함합니다.

• 출력 — G​emini Omni Flash 1.2는 네이티브 동기화 오디오가 포함된 동영상을 반환하고, Qwen3.8-Omni-Flash는 텍스트만 반환합니다.

• 컨텍스트 — G​emini Omni Flash 1.2는 131,072개의 입력 토큰을 받아들이고 65,536개를 반환합니다; Qwen3.8-Omni-Flash는 100만 개에 조금 못 미치는 입력 토큰(991,808개)을 받아들이고 최대 131,072개를 반환합니다.

• 지속 시간 상한 — G​emini Omni Flash 1.2는 호출당 3~15초를 생성하며 턴별로 최대 30초까지 연장할 수 있습니다. Qwen3.8-Omni-Flash는 시간 단위로 시청하며, 상한은 실행 시간이 아니라 토큰 예산입니다.

• 가격 — G​emini Omni Flash 1.2는 동영상 출력을 100만 토큰당 $12.00, 텍스트 및 미디어 입력을 $1.50로 청구합니다. Qwen3.8-Omni-Flash는 입력 100만 토큰당 $0.15, 출력 100만 토큰당 $0.47을 청구합니다.

생성된 영상 15초의 비용과 시청된 영상 1시간의 비교

두 요금표를 같은 축에 놓으면 비대칭성은 더 이상 추상적으로 느껴지지 않는다. G​oogle은 생성된 영상에 대해 영상 1초당 고정 토큰 비율로 과금한다. 720p에서는 초당 5,792토큰, 업샘플링을 적용한 1080p에서는 8,688토큰이다. 100만 토큰당 $12.00 기준으로, 15초짜리 720p 클립은 출력 토큰 기준 약 $1.05이고, 1080p 전체 1분은 $6.26이다 — Artificial Analysis가 비용 열에 표시하는 이 수치는 G​oogle 자체 요율표와 센트 단위까지 일치한다.

이제 다른 쪽을 살펴보겠습니다. Qwen3.8-Omni-Flash는 영상 길이의 초 단위로 과금하지 않고 토큰 단위로 과금하며, 비디오 프레임은 샘플링 구성에서 설정한 비율로 토큰화됩니다. 초당 1프레임이라는 무리 없는 설정에서 1시간 분량의 영상은 수십만 개가 아닌 수만 개의 시각 토큰으로 처리되며, 입력 100만 개당 $0.15의 요율에서는 해당 1시간 분량의 인제스트 비용이 달러가 아닌 센트 단위에 그칩니다. 정확한 수치는 선택한 프레임 레이트와 해상도에 따라 달라지는데, 바로 이것이 핵심입니다. 시청은 정확도를 위해 설정을 조정할 만큼 저렴하고, 생성은 길이를 위해 설정을 조정할 만큼 비쌉니다.

그 비대칭성이 바로 구매 결정의 전부다. 이 둘을 대체재로 예산에 넣는 팀, 즉 "비디오 AI에 X달러가 있다"고 말하는 팀은 체계적으로 저렴한 쪽은 덜 사고 비싼 쪽은 지나치게 제약하게 된다. 이 둘을 파이프라인으로 예산에 넣는 팀은 생성된 영상 1초보다 적은 비용으로 1시간의 기계 검토를 사고, 그다음 살아남은 클립에만 생성 예산을 쓴다.

아무도 이야기하지 않는 워크플로: 프롬프트 전에 벌어지는 일

바로 이 지점에서 페어링은 더 이상 이론적이지 않다. 비디오 파이프라인에서 값비싼 실패는 나쁜 렌더가 아니다. 그것은 네 번의 확장 턴과 여섯 장의 참조 이미지에 대해 과금이 이루어진 뒤에야 발견되는, 잘못된 대상의 좋은 렌더다.

리더 모델은 그 순서를 바꿉니다. 소스 영상, 클라이언트의 기존 릴, 제품 워크스루, 50분짜리 인터뷰 등 새 클립이 맞춰야 하는 무엇이든 Qwen3.8-Omni-Flash에 넣고, 프롬프트에 필요한 것들을 요청하세요. 타이밍이 포함된 샷 리스트, 장면별 주조색과 조명, 화면 자막, 화자와 각 화자가 말하는 시점, 넘어가면 안 되는 컷 등입니다. 그 출력은 텍스트이고, 텍스트야말로 생성기에 넣는 것입니다. Gemini Omni Flash 1.2는 영상을 지시문 세트로 받아들이지 않습니다. 프롬프트와 최대 6장의 참조 이미지를 받으며, 당신이 의도한 것을 파악하기 위해 한 시간짜리 무언가를 시청할 수는 없습니다.

역방향은 더 약하지만 실재한다. 클립이 일단 존재하면, 동일한 리더 모델이 이를 감사할 수 있다 — 재킷 색상이 컷을 넘어 일관되게 유지되는가, 네 번째 확장 지점에서 오디오가 동기화되어 있는가, 화면상 라벨이 마지막 프레임까지 살아남는가. 이것들은 Google의 11월 5일 변경 로그가 1.2에 대해 주장하는 바로 그 속성들이며, 어떤 선호도 아레나도 측정하지 않는 바로 그 속성들이다. 왜냐하면 "어느 클립이 더 좋아 보이는가"를 묻는 쌍대 비교 투표는 12초에만 나타나는 연속성 오류를 볼 수 없기 때문이다.

솔직한 한계: 이 중 어느 것도 벤더가 공식 보증한 워크플로가 아닙니다. Alibaba의 문서는 Qwen3.8-Omni-Flash를 범용 멀티모달 모델로 설명할 뿐 영상 제작 도구로 설명하지 않으며, Google의 가이드에는 경쟁사 출력물을 인제스트하는 경로가 설명되어 있지 않습니다. 이 패턴은 실무자들이 직접 조립하는 것이며, 양쪽 엔드포인트가 접점에서 일반 텍스트를 주고받기 때문에 작동합니다.

각각이 언제 잘못된 도구인지

Qwen3.8-Omni-Flash는 산출물이 그림이 들어간 파일인 순간 잘못된 도구입니다. 이미지 모드도, 비디오 모드도, 오디오 모드도 없습니다. 요청서에 "15초짜리 컷을 만들어 줘"라고 적혀 있다면, 모델은 그 안에 무엇이 들어가야 하는지 알려줄 수는 있어도 직접 만들지는 못합니다.

Gemini Omni Flash 1.2는 30초가 넘는 모든 작업과 특정 시장 집합에는 적합하지 않은 도구입니다. 3~15초 생성에 확장은 최대 30초로 제한되므로, 2분짜리 설명 영상은 이어 붙이는 작업이 되고, 이어 붙이는 각 지점은 연속성이 깨질 수 있는 곳입니다. 이는 참조 이미지 6장의 한도가 일관성을 유지하도록 의도된 대상이지만 보장하지는 않는 것입니다. 업로드한 영상의 편집 및 확장은 EEA, 스위스, 영국에서 사용할 수 없으므로, 대화형 편집이라는 제안은 해당 지역 사용자에게 존재하지 않습니다. 두 버전 모두 무료 티어가 없고, 시스템 지시문, temperature, top_p, 네거티브 프롬프트도 없습니다. 모델은 프롬프트와 참조 미디어만 받고 그 외에는 아무것도 받지 않습니다. 모든 출력에는 SynthID 워터마크가 포함됩니다.

그리고 상업적으로 중요한 한 가지 비대칭성이 있습니다: 1.1의 엔드포인트는 2026년 12월 3일에 1.2로 자동 라우팅되므로, 더 오래된 G​emini 버전은 장기적인 폴백이 아닙니다. Qwen3.8-Omni-Flash에는 그런 강제 마이그레이션이 붙어 있지 않습니다. 안정적인 리더가 필요한 파이프라인을 구축하고 있다면, 리더는 이 쌍에서 안정적인 절반입니다.

라우팅 계층이 실제로 위치하는 지점

이 두 엔드포인트는 모두 OrcaRouter의 카탈로그에 없으며, 비교 페이지에서 그렇지 않은 것처럼 암시하게 두기보다는 이를 분명히 밝히고자 합니다. G​emini Omni Flash 1.2는 G​oogle의 API를 통해, Qwen3.8-Omni-Flash는 A​libaba Cloud Model Studio를 통해 제공됩니다. 저희가 실제로 제공하는 것은 이들 양쪽에 걸친 레이어입니다.

위 파이프라인의 수집 및 감사 절반은 텍스트와 비전 작업이며, 바로 그 절반이 우리가 라우팅하는 모델에서 실행됩니다 — 동일 계열의 텍스트 전용 모델인 Qwen3.8-Flash와 프레임 수준 설명을 위한 Qwen3-VL instruct 모델을 포함하며, 모두 하나의 키로 제공업체 정가에 0% 마크업으로 이용할 수 있으며 업스트림이 저하되면 자동 장애 조치가 이루어집니다. 라우팅 규칙을 사용하면 배포 없이 감사 요청의 일부를 두 번째 모델로 보낼 수 있으므로, 값싼 리더가 충분히 좋은지 확인한 뒤 프로덕션 경로를 확정할 수 있습니다. 생성 호출은 있어야 할 곳에 그대로 둡니다: G​oogle에 직접, G​oogle의 과금으로, G​oogle의 요율 변경이 G​oogle의 일정에 따라 청구서에 반영됩니다.

그 분리는 2026년 비디오 스택의 솔직한 형태이기에 분명히 이름 붙일 가치가 있습니다. 어떤 단일 벤더도 두 절반을 모두 잘 제공하지 못하며, 고통을 겪는 팀은 하나의 계약으로 리더와 렌더러를 모두 감당하려 한 팀들입니다.

비용이 도착하는 순서대로 결정하는 방법

리더부터 시작하세요. 저렴하고, 다른 모든 것이 소비하는 산출물을 만들어 내기 때문입니다. 원본 영상에서 쓸 만한 샷 리스트, 컬러 리포트, 트랜스크립트를 얻을 수 없다면, 생성 품질이 아무리 높아도 프로젝트를 구할 수 없습니다 — 눈먼 채로 프롬프트를 쓰게 될 테니까요. Qwen3.8-Omni-Flash는 백만 입력 토큰당 $0.15로 합리적인 첫 리더이며, 거의 백만 토큰에 달하는 컨텍스트 덕분에 청킹 전략 없이도 한 시간 분량의 영상이 들어갑니다.

그런 다음 실제 클립 길이를 측정하세요. 중앙값 결과물이 15초 미만이라면 — 소셜 컷, 제품 인서트, B-롤 비트 — G​emini Omni Flash 1.2가 720p에서 초당 약 $0.07로 단일 호출에서 처리하며, 6개 참조 이미지 예산은 그 구간 전체에서 피사체를 유지하기에 충분합니다. 중앙값이 30초를 넘는다면 토큰당 가격이 어떻든 스티칭 파이프라인을 사게 되는 것이며, 30초 확장 상한이 청구서보다 일정을 좌우하는 제약이 됩니다.

그렇다면 성공이 아니라 실패에 값을 매겨라. 1.2에서 거부된 편집 요청은 비용이 들지 않고 파일도 반환하지 않는다. 반면 12초 지점에서 어긋나는 클립은 렌더 전체와 검토자의 시간을 치르게 한다. 두 번째 실패는 리더 모델이 잡아내는 실패이며, 그래서 이 쌍의 값싼 절반이 먼저 본전을 뽑는 경향이 있다.

당신이 해서는 안 되는 일은 이 둘을 맞대결로 취급하는 것입니다. 공유된 리더보드도, 공통 출력도, 한쪽이 다른 쪽을 대체하는 시나리오도 없습니다. 유용한 비교는 비율입니다 — 생성할 여유가 있는 1초마다 시청할 여유가 있는 영상이 몇 분인지 — 그리고 2026년 말 대부분의 팀에서 그 비율은 수백 단위로 측정됩니다.