Wygenerowana karta tytułowa z nadtytułem „20 listopada 2026 – wdrożenie dla konsumentów”, tytułem „Gemini Omni 1.2 Flash to teraz przycisk GIF” i podtytułem „Tylko dla subskrybentów, osiem krajów, wyłącznie w aplikacji i ani jednej wzmianki o tym w changelogu Gemini API Google’a”. Trzy ponumerowane wiersze poniżej głoszą: model stał się ogólnie dostępny 5 listopada 2026 r., szesnaście dni przed wpisem o GIF-ach; trzysekundowy render 720p kosztuje około $0.21 w tokenach wyjściowych przy $12.00 za milion; a w API nie ma formatu odpowiedzi GIF, więc konwersja odbywa się w warstwie aplikacji. Logo OrcaRouter jest nałożone w prawym dolnym rogu.
Guides & Insights

Gemini Omni 1.2 Flash tworzy teraz GIF-y: dokumentacja Google tego nie mówi

Autor

jinhao.song

Data publikacji

Najnowsze modele · 20Zobacz wszystkie modele →
Benchmarki: Artificial Analysis · aktualizowane codziennie
Powrót do wszystkich wpisów

Wieczorem 20 listopada 2026 r. konto @testingcatalog na X opublikowało zrzut ekranu kompozytora aplikacji Gemini z trzecią kartą tworzenia. Obok „Restyle” i „Make a picture” znajdowało się „Create GIF: Pelican riding a bicycle”. W poście napisano, że subskrybenci Google AI mogą teraz generować GIF-y w Gemini, że funkcja korzysta z Gemini Omni 1.2 Flash i że jest dostępna w USA, Japonii, Korei, Australii, Kanadzie, Wielkiej Brytanii, Niemczech i Francji. To nie model jest tu nowością. Gemini Omni 1.2 Flash stał się ogólnie dostępny 5 listopada 2026 r., szesnaście dni przed tym postem. Nowością jest to, że Google wystawiło model wideo przed konsumentami jako przycisk GIF, za subskrypcją, w ośmiu krajach, i nie udokumentowało tego na żadnej stronie, jaką udało nam się znaleźć.

Ta luka zasługuje na poważne potraktowanie, a nie na traktowanie jej jako formalności. Wydanie modelu ma wpis w changelogu, kartę modelu i wiersz w cenniku. Funkcja konsumencka doklejona do modelu ma to, co dostarcza aplikacja, a dokumentacja nadrabia zaległości później albo nigdy. Każdy, kto planuje z myślą o G​emini Omni 1.2 Flash — dla produktu, potoku przetwarzania, budżetu — musi wiedzieć, co z tych dwóch rzeczy właśnie nastąpiło. Na dzień 21 listopada to ta druga.

Co zostało wydane 20 listopada

Dowodem jest pojedynczy post osoby trzeciej i znajdujący się w nim zrzut ekranu. To niewiele, ale tylko to istnieje. Obraz pokazuje standardowe pole wprowadzania poleceń w aplikacji Gemini z kartami sugerowanych poleceń, z których jedna dotyczy GIF-a, co wskazuje, że funkcja jest trybem tworzenia w produkcie konsumenckim, a nie czymś, co się wywołuje. Nie pokazuje limitu czasu trwania, rozdzielczości, rozmiaru pliku, ścieżki eksportu ani kosztu. Tych szczegółów nie ma w poście ani na stronie Google.

To, co ten post jednak ustala, i co potwierdza lista krajów, to kształt wdrożenia: dostęp ograniczony do subskrybentów, ograniczony geograficznie i tylko w aplikacji. Trzy bramki naraz to znak rozpoznawczy etapowego eksperymentu konsumenckiego, a nie premiery platformy. Gdyby G​oogle udostępniło GIF jako funkcję modelu, naturalnym miejscem, by to ogłosić, byłby dziennik zmian API G​emini — ta sama strona, na której znalazł się wpis z 5 listopada dotyczący G​emini Omni 1.2 Flash. Ten wpis wciąż jest najnowszym słowem na temat modelu i nie wspomina o GIF-ie.

Dlaczego model wideo kryje się za przyciskiem GIF

To zestawienie jest mniej dziwne, niż się wydaje. Gemini Omni 1.2 Flash generuje od trzech do piętnastu sekund wideo w dowolnej liczbie całych sekund, domyślnie dziesięć sekund, i tworzy natywny zsynchronizowany dźwięk wraz z obrazem. GIF to krótka, niema, zapętlona animacja, a dwie pierwsze z tych właściwości — krótka i animowana — to dokładnie to, co model już tworzy. Przekształcenie trzymsekundowego renderu w GIF to transkodowanie: zdekodować, usunąć ścieżkę audio, skwantyzować do 256-kolorowej palety, zapętlić. Nic w tym procesie nie wymaga nowego modelu, dlatego funkcja GIF może pojawić się na istniejącym endpointcie wideo bez zmiany tego endpointu.

To samo rozumowanie wyjaśnia, dlaczego GIF nie jest oczywistym typem wyjściowym API. API przyjmuje modalność odpowiedzi — wideo, z opcjonalnym URI dla plików powyżej 4 MB — i zwraca kontener. GIF to wybór kontenera, a nie modalność, a przewodnik Google nie dokumentuje żadnego formatu odpowiedzi GIF dla tego modelu. Jeśli aplikacja generuje GIF-y za pomocą Omni 1.2 Flash, konwersja odbywa się w warstwie aplikacji, po zwróceniu odpowiedzi przez model.

Wyjaśnia to również przeniesienie kluczowych liczb modelu do tego kontekstu. W dzienniku zmian Google z 5 listopada opisano „generowanie wideo o długości do 15 sekund i edycję konwersacyjną”, obniżenie ceny generowania wideo o 30% do 12,00 USD za milion tokenów, dwukrotnie wyższe limity częstotliwości w płatnych planach oraz obsługę do sześciu obrazów referencyjnych na potrzeby spójności postaci i obiektów. W przypadku przycisku GIF większość z tego nie ma znaczenia. Piętnaście sekund to znacznie dłużej, niż powinien trwać GIF, edycja konwersacyjna nie jest udostępniana w karcie jednorazowego tworzenia, a obrazy referencyjne nie są częścią dowodów.

Osiem krajów i paywall

Lista krajów to ta część wpisu, która brzmi jak prawdziwe wdrożenie, a nie demo, ponieważ jest dziwnie konkretna. Osiem rynków, a ich dobór jest wymowny:

• Ameryka Północna — zarówno Stany Zjednoczone, jak i Kanada.

• Azja i Pacyfik — Japonia, Korea i Australia; brakuje Indii i Indonezji, mimo że to duże rynki Gemini.

• Europa — wyłącznie Wielka Brytania, Niemcy i Francja, czyli trzy z czterech największych rynków UE i Wielkiej Brytanii, i ani jednego z mniejszych.

• Całkowicie nieobecne — pozostała część EOG, Szwajcaria, Indie, Brazylia oraz cała Ameryka Łacińska poza Kanadą i Stanami Zjednoczonymi.

Porównaj to z ograniczeniem, które G​oogle dokumentuje dla tego modelu: edytowanie i rozszerzanie przesłanego wideo jest niedostępne w EOG, Szwajcarii i Wielkiej Brytanii. Lista GIF uwzględnia Wielką Brytanię, a wyklucza szerszy EOG, więc jeśli funkcja aplikacji kieruje się tą samą logiką regulacyjną, pozycja Wielkiej Brytanii różni się między API a aplikacją. To rzeczywista niespójność, którą warto oznaczyć, a nie rozwiązywać — nic opublikowanego tego nie wyjaśnia.

Bramka subskrypcyjna to prostsza połowa. G​emini Omni 1.2 Flash nie ma w ogóle darmowego planu w API; w każdym wierszu strony z cennikiem w kolumnie darmowej widnieje „Niedostępne”. Zatem bariera subskrypcyjna przed przyciskiem GIF jest spójna z tym, jak G​oogle już wycenia ten model. Pytanie, jakie czytelnik w jednym z ośmiu krajów będzie miał w rzeczywistości, nie dotyczy tego, czy to cokolwiek kosztuje, lecz tego, czy GIF wlicza się do limitu aplikacji, czy jest darmowy, gdy już się płaci. Ani wpis, ani strony G​oogle nie odpowiadają na to pytanie.

Screenshot of the Gemini Omni 1.2 Flash pricing block on Google's Gemini API pricing page, showing the Standard tier table with 'Input price (text / image / video) - Not available on the Free Tier, $1.50 on the Paid Tier per 1M tokens' and 'Output price including thinking tokens - Not available on the Free Tier, $9.00 (text) / $12.00 (video) on the Paid Tier'.

Ile kosztuje wyrenderowanie trzymasekundowego GIF-a

Subskrybenci nie widzą rachunku, więc ta arytmetyka dotyczy tego, ile warte jest samo renderowanie, a nie tego, ile komukolwiek się nalicza. G​oogle rozlicza wyjście wideo za sekundę, według stałej stawki tokenów na rozdzielczość, i publikuje te stałe. Przy 720p model generuje 5 792 tokeny wyjściowe wideo na sekundę materiału, a wyjście wideo kosztuje 12,00 USD za milion tokenów.

Trzy sekundy w 720p — 17 376 tokenów, około 0,21 USD danych wyjściowych.

• Pięć sekund w 720p — 28 960 tokenów, około 0,35 USD.

• Dziesięć sekund przy 720p — 57 920 tokenów, około 0,70 USD, co odpowiada własnemu sformułowaniu Google „~0,70 USD za 10-sekundowy klip” i potwierdza tę stałą.

• Trzy sekundy przy 360p — 1931 tokenów na sekundę, więc 5793 tokeny, około 0,07 USD.

• Trzy sekundy przy 1080p — 8 688 tokenów na sekundę, czyli 26 064 tokenów, około 0,31 USD, choć zarówno 1080p, jak i 4K są skalowane w górę z niższego renderu, a nie natywnie.

Pojawiają się dwie obserwacje. Po pierwsze, liczby dla poszczególnych GIF-ów są wystarczająco małe, że subskrypcja z łatwością je pokrywa, co prawdopodobnie wyjaśnia, dlaczego funkcja jest dostępna wyłącznie w ramach subskrypcji, a nie rozliczana według zużycia. Po drugie, rozdzielczość to jedyna realna dźwignia: te same trzy sekundy kosztują przy 1080p trzykrotnie więcej niż przy 720p, a kwantyzacja kolorów GIF-a odrzuca większość tego, co dała ta dodatkowa rozdzielczość. Ktokolwiek zbudował tę funkcję aplikacji, miał oczywisty powód, by renderować w niskiej rozdzielczości i poddawać materiał kwantyzacji.

GIF wyrzuca najlepsze części modelu

To uczciwe ograniczenie całego tego ujęcia. Dwie rzeczy czynią G​emini Omni 1.2 Flash interesującym jako model wideo — natywne, zsynchronizowane audio i piętnastosekundowy limit — a format GIF z definicji odrzuca oba. GIF nie ma ścieżki audio ani standardu dla niej. Zapętlona animacja to także jedyna forma wideo, w której długość jest obciążeniem, ponieważ każda dodatkowa sekunda zwiększa rozmiar pliku czegoś, co ludzie oczekują, że załaduje się natychmiast.

Zatem to, co otrzymuje subskrybent, to spójność wizualna modelu w długości i formacie, które pozbawiają go dźwięku i przewagi wynikającej z czasu trwania. To nie jest krytyka tej funkcji; pelikan na rowerze to dokładnie to, do czego służy trzymający się w pętli trzysekundowy GIF. To przestroga przed odczytywaniem tej funkcji jako dowodu, że jakość wideo Omni 1.2 Flash dotarła już do aplikacji konsumenckiej. Trzy sekundy skwantyzowanej, niemej, zapętlonej animacji to wąskie okno na model, którego specyfikacja obejmuje piętnaście sekund z dialogiem, synchronizacją ust i warunkowaniem na wielu mówców.

Jest też kwestia pochodzenia, o której warto wiedzieć. Zgodnie z dokumentacją G​oogle każde wyjście z tego modelu zawiera znak wodny SynthID. To, czy znak SynthID przetrwa ponowne kodowanie GIF i kwantyzację palety, nie zostało przez G​oogle opublikowane, a jest to pytanie, które ma większe znaczenie w przypadku łatwego do udostępniania pliku zapętlonego niż w przypadku wideo. Traktuj to jako kwestię otwartą. Bezpiecznym założeniem jest, że GIF utworzony w ten sposób nadal jest treścią wygenerowaną przez G​oogle, ale nie zakładaj, że znak wodny w pobranym pliku jest nienaruszony.

A generated single-column scoreboard titled 'Gemini Omni 1.2 Flash - the scoreboard', with rows reading 'Generally available: 5 November 2026', 'Duration: 3 to 15 seconds, 10 by default', 'Video output: $12.00 per million tokens', '720p cost: about $0.07 per second', 'Free tier: none' and 'GIF in the API: no documented format'. The footer reads 'Model, duration and pricing figures per Google's Gemini API pages, read 21 November 2026; the GIF button is per a single X post and is undocumented by Google.' The OrcaRouter logo is composited bottom-right.

Nie ma tego w changelogu ani w karcie modelu.

Luka w dokumentacji jest wystarczająco konkretna, aby można było ją wymienić, ponieważ każdy brak to miejsce, w którym czytelnik rozsądnie poszukałby najpierw:

• Dziennik zmian interfejsu API G​emini — wpis z 5 listopada 2026 r. dotyczący G​emini Omni 1.2 Flash obejmuje czas trwania, edycję konwersacyjną, przedłużenie do 30 sekund, obrazy referencyjne oraz obniżkę ceny. Brak wzmianki o GIF i brak późniejszego wpisu.

• Informacje o wydaniu aplikacji G​emini — brak wpisu o GIF.

• Karta modelu — opisuje dane wyjściowe jako generowanie i edycję wideo do 15 sekund z natywnym dźwiękiem, interpolacją klatek kluczowych i rozszerzaniem wideo. Brak typu wyjściowego w postaci sekwencji obrazów lub GIF.

• Strona cennika — trzy wiersze dla tego modelu: dane wejściowe po $1.50 za milion tokenów, wyjście tekstowe po $9.00, wyjście wideo po $12.00. Brak pozycji za obraz lub GIF.

Brak dokumentacji nie oznacza braku funkcji, a to jest przypadek, w którym ta różnica ma znaczenie. Zrzut ekranu nie jest sfabrykowany: interfejs kompozytora, karty promptów i sformułowania są spójne z aplikacją w obecnej wersji. Brakuje natomiast jakiegokolwiek oświadczenia G​oogle dotyczącego limitów, przechowywania, kosztów lub okna dostępności. Funkcja istniejąca tylko w kompilacji klienta może zostać wycofana w ciągu tygodnia, a eksperymenty konsumenckie prowadzone etapowo często właśnie tak kończą.

Jeśli potrzebujesz tego z API, to go nie masz.

To praktyczne stanowisko dla każdego, kto buduje, a nie tylko korzysta. Nie istnieje endpoint GIF, który można wywołać — ani w API G​oogle, a zatem ani przez żadną bramę, w tym naszą. OrcaRouter nie udostępnia G​emini Omni 1.2 Flash; sprawdziliśmy katalog i nie ma w nim endpointów Omni. Jeśli Omni to model, którego potrzebujesz, właściwą drogą jest własne API G​oogle, a powiedzenie tego jest bardziej użyteczne niż sugerowanie czegoś innego.

Router przydaje się tutaj jako warstwa wokół potoku wideo, a nie sam render. Rozszerzanie promptów, generowanie listy ujęć, opisywanie, moderacja i audyt po fakcie to zadania tekstowe i to właśnie one zostają przypisane do modelu, jaki akurat był dostępny, gdy pisano kod. Jeden klucz do ponad 200 modeli z automatycznym przełączaniem awaryjnym przenosi to ryzyko poza Twoją ścieżkę krytyczną, a ponieważ OrcaRouter rozlicza przy 0% marży z ceną katalogową dostawcy przekazywaną bezpośrednio, zmiana ceny u dostawcy dla modeli, których używasz, pojawia się po naszej stronie tego samego dnia, co po ich stronie. Obniżka ceny wideo z 1.1 do 1.2 jest przykładem: z $17.50 do $12.00 za milion tokenów wyjściowych, bez konieczności czekania na zmianę cennika po naszej stronie.

Jeśli chodzi konkretnie o kwestię GIF-ów, uczciwa odpowiedź na najbliższe kilka tygodni brzmi: śledzić changelog API, a nie aplikację. Jeśli dane wyjściowe w formacie GIF pojawią się jako udokumentowany format odpowiedzi, staną się możliwe do obsłużenia w routingu, a arytmetyka w tym tekście zamieni się w ćwiczenie budżetowe. Do tego czasu pozostaje to funkcją konsumencką z listą krajów.

Screenshot of Google's Gemini API changelog showing the 'Gemini Omni 1.2 Flash generally available (GA)' entry, naming the model id gemini-omni-1.2-flash, up to 15-second video generation, 3 to 10 second per-turn extension up to 30 seconds total, up to 6 reference images, a 30% lower video output price at $12.00 per 1M tokens and doubled rate limits, with the following notice that gemini-omni-1.1-flash requests route to 1.2 from 3 December 2026.

Co obejrzeć

Trzy sygnały rozstrzygnęłyby tę kwestię. Wpis w changelogu G​emini API opisujący format wyjściowy animowanego obrazu lub GIF oznaczałby, że ta możliwość dotarła na platformę, i to właśnie on zmienia to, co programista może zbudować. Nota wydania aplikacji G​emini wymieniająca tę funkcję, wraz z limitami czasu trwania i rozmiaru, potwierdziłaby, że to coś więcej niż zaaranżowany eksperyment. A zmiana na liście ośmiu krajów — rozszerzenie na resztę EOG lub ograniczenie — powiedziałaby ci, czy G​oogle testuje rynek, czy funkcję.

Na dzień 21 listopada 2026 r. żadne z nich nie istnieje. Istnieją: zrzut ekranu, data, lista krajów, paywall i szesnastodniowy model, który po cichu zyskał drugą twarz w aplikacji konsumenckiej. G​emini Omni 1.2 Flash nadal pozostaje, na papierze, piętnastosekundowym modelem wideo w cenie $12.00 za milion tokenów wyjściowych, bez darmowego planu. Przycisk GIF nie zmienia tej specyfikacji. Zmienia to, kto może uzyskać dostęp do modelu bez pisania żądania, co jest innym rodzajem informacji i warto tak to nazwać.

Porównane w tym artykule1

Wykryto na podstawie tego artykułu · Benchmarki: Artificial Analysis · aktualizowane codziennie