Gemini Omni Flash 1.2 vs Gemini Omni 1.1 Flash: Duas classificações dizem sim, uma diz que ainda não

On 3 December 2026, every request sent to G​emini Omni 1.1 Flash starts landing on G​emini Omni Flash 1.2 instead, billed at the new rates, with no change to your payload. G​oogle published that routing date in the same changelog entry that made 1.2 generally available on 5 November. So the version question is not whether you migrate. It is whether you finish measuring before the switch happens to you, and the independent evidence for doing that is more mixed than the price cut suggests.

O que a mesma semana de votação realmente mostrou

A Artificial Analysis executou ambas as versões em todos os seus três painéis de vídeo e publicou o par com poucos dias de diferença. Esse é o caso raro em que uma comparação de versões não precisa ser montada a partir de duas campanhas de medição diferentes, em dois momentos distintos.

On AA-Video-I2V v2.1 the case is closed. G​emini Omni Flash 1.2 sits at 1,086 with a 95% interval of 1,071 to 1,101; G​emini Omni 1.1 Flash sits at 1,044 with 1,030 to 1,058. Forty-two points, no overlap, 14th against 18th. Whatever else is uncertain about the new model, its image-to-video output is measurably preferred to its predecessor's by a margin the sample supports.

Na AA-Video-T2V v2.1, o caso está em aberto. A diferença de 26 pontos — 1.154 contra 1.128 — vem com intervalos de 1.140 a 1.168 e de 1.115 a 1.141. Eles compartilham um único ponto. Na AA-Video-Editing v1.1, a diferença é de 18 pontos, 1.164 contra 1.146, e os intervalos se sobrepõem em quatro. Ambas as tabelas classificam a 1.2 acima da 1.1. Nenhuma delas as separa.

Esse padrão vale mais do que qualquer número isolado. Um novo checkpoint que vence claramente em uma tarefa, provavelmente em uma segunda e marginalmente em uma terceira tem o formato comum de uma versão pontual. Não é o formato do salto geracional que os clipes de 15 segundos e os limites de taxa dobrados podem sugerir.

O preço é a parte sem barras de erro

Video output falls from $17.50 to $12.00 per million tokens, a 30% cut, and it is the only claim in the release that needs no confidence interval. G​oogle bills at a fixed token rate per second of footage, so the arithmetic is not a matter of preference: at 720p, 5,792 tokens per second, the cost goes from about $0.10 to about $0.07 per second. At 1080p with upsampling it is about $0.104 per second, and at 4K about $0.209. Artificial Analysis normalises both versions to $9.12 and $6.26 per minute of 1080p, which is the same 30% seen from the other end of the same meter.

A entrada permanece em US$ 1,50 por milhão de tokens para texto, imagem e vídeo, e a saída de texto permanece em US$ 9,00. Nada mudou nas colunas batch, flex ou priority porque a 1.2 não tem nenhuma delas — apenas o nível standard, e nenhum nível gratuito em nenhuma das versões.

Faça a aritmética dos clipes antes da data de roteamento, e não depois. Quinze segundos em 720p no 1.2 custam aproximadamente US$ 1,05 em tokens de saída. Os mesmos quinze segundos não poderiam ser produzidos no 1.1 em uma única chamada, já que o 1.1 tem limite de dez segundos; a comparação honesta é dez segundos por cerca de US$ 1,00. A redução é real, mas uma grande parte dela é gasta comprando os cinco segundos extras, e uma equipe que nunca precisou de clipes mais longos verá uma mudança menor na fatura do que a porcentagem sugere.

Onde os quinze segundos deixam de ser gratuitos

O aumento de duração vem acompanhado de limites que são documentados em vez de descobertos, e três deles mudam o que uma requisição pode conter.

• Interpolação — o controle de primeiro e último quadro funciona de três a dez segundos em ambas as versões; solicitar onze segundos ou mais com dois quadros de referência retorna um erro de argumento inválido na 1.2.

Vídeo de referência — saídas de três a dez segundos aceitam três vídeos de referência de até três segundos cada, enquanto saídas de onze a quinze segundos aceitam apenas um. Aumentar a duração de um plano pode invalidar silenciosamente uma solicitação que passava com três.

• Extensão — a extensão dura de três a dez segundos por turno, com uma janela de retrocesso de dez segundos, limitada a 30 segundos no total, e apenas no final do clipe. Na 1.1, o limite de edição e extensão era de dez segundos de entrada.

• Reference images — up to six per request, across all three modes, which is the change G​oogle leads with in the launch language about character and subject consistency.

• Região — a edição e a extensão de vídeo carregado não estão disponíveis no EEE, na Suíça e no Reino Unido, uma restrição indicada no guia. Se os seus utilizadores estiverem nesses mercados, a proposta de edição conversacional não se aplica de todo a eles.

• Limites que não mudaram — sem instruções de sistema, sem temperatura, sem top_p, sem prompts negativos, sem throughput provisionado, sem fontes do YouTube, sem raciocínio multivídeo. Cada saída carrega uma marca d'água SynthID.

Uma linha de saída "Text" que não significa o que parece

A ficha do modelo lista a saída do 1.2 como "Video with native Audio, Text", em contraste com o "Video" simples do 1.1, e essa diferença foi interpretada como um novo canal de texto. Não é. O guia Omni não descreve nenhum modo de saída de texto para o 1.2; o texto aparece renderizado dentro do quadro — rótulos, sinalizações, eixos — e o formato da requisição ainda é o de uma resposta de vídeo. As respostas REST trazem um array steps cuja entrada "thought" é um traço de raciocínio, não uma resposta. Se um pipeline precisa receber uma string de legenda de volta da API, nenhuma das versões retorna uma, e a diferença nessa linha é uma descrição do que o modelo desenha, não do que ele entrega a você.

The audio row is a real change but a change in quality, not in kind. Both versions generate native synchronised audio. G​oogle's launch claims more fluid dialogue, clearer lip-sync and distinct multi-speaker conditioning, and says references can carry audio cues and one-second voice samples — those reference paths are allowlisted on G​oogle Cloud, audio input is unsupported on the model itself in this version, reference-video audio is ignored, and voice editing is not available. You can prompt for a voice; you cannot edit one afterwards. None of those quality claims has an independent test behind it, and the three leaderboards above measure visual preference, not whether the words match the mouths.

A migração que quebra o downstream, não a requisição

Como o payload não muda, a superfície de falha é tudo o que a requisição alimenta. Quatro lugares para verificar antes de 3 de dezembro, na ordem em que costumam falhar:

Padrões de duração. Uma solicitação que omitia a duração era limitada a dez segundos e ainda tem dez como padrão, portanto, chamadas não alteradas se comportam de forma idêntica. O que quebra é a validação que tratava dez como o máximo.

Condicionamento de pares de frames. Qualquer caminho de código que combine interpolação com uma duração acima de dez agora gera erro em vez de truncar silenciosamente — melhor comportamento, falha mais barulhenta.

Modelos de custo. Toda constante por segundo derivada da tarifa 1.1 está 30% alta demais em 720p. Se você cobra internamente por render, esta é a linha a alterar enquanto os preços antigos ainda estiverem corretos, porque depois da troca o número ficará errado na direção que favorece a sua margem.

Comportamento dos filtros. A linha do painel de edição referente à versão 1.2 traz uma nota de que o modelo recusou parte do conjunto de testes por meio de filtros de direitos autorais e segurança, e a pontuação publicada reflete os prompts restantes. Um pipeline de produção que pressupunha que toda solicitação retorna um arquivo precisa de um caminho de recusa especificamente na nova versão. A nota aparece apenas na linha da 1.2, não na da 1.1.

Duas formas de fazer a troca, e qual delas é a mais adequada

Se o seu conteúdo estiver a ser medido e gostar do resultado, migre antecipadamente e use as três semanas para voltar a medir com o seu próprio material. A redução de preço e o aumento da duração valem a pena, a diferença entre imagem e vídeo é real, e a alternativa é ser transferido a 3 de dezembro sem dados que permitam decidir.

Se o seu conteúdo for de alto volume e você não o revisou desde a última alteração, a postura útil é executar os dois. Mantenha o 1.1 no caminho de produção enquanto ele ainda for endereçável separadamente, envie uma porcentagem do tráfego em modo sombra para o 1.2 e compare no eixo que os painéis não medem — com que frequência um clipe sobrevive até a entrega, e não com que frequência ele vence uma votação em pares. Isso é um problema de roteamento, e não um problema de modelo, que é a camada em que operamos. Nenhum endpoint Omni está no catálogo da OrcaRouter hoje, portanto isto não é uma proposta para que nós os atendamos; é a razão pela qual uma atualização de versão dói mais nos pipelines que têm exatamente um caminho e nenhuma forma de executar um segundo ao lado dele. Onde realmente conquistamos nosso lugar é no trabalho de texto ao redor: as chamadas de expansão de prompt e de lista de tomadas que alimentam uma renderização podem ser compostas com vários modelos por meio de um único endpoint ao preço de tabela do provedor, com failover automático em caso de degradação de um deles, e uma regra de roteamento pode enviar uma fração das requisições para um modelo diferente sem um deploy.

A única coisa que não se deve fazer é fixar a versão 1.1 para além de 3 de dezembro e só descobrir a mudança através de uma fatura. O endpoint encaminha independentemente do que a sua configuração disser.

A comparação de versões, declarada como uma comparação de versões

1.2 is cheaper per second, longer per clip, better on image-to-video by a margin that survives its own error bars, and probably better on text-to-video and editing on evidence that does not yet separate it from 1.1. It carries a safety filter that removes part of an editing benchmark and will remove part of your editing workload, and it inherits 1.1's traffic on a date G​oogle has already published.

A comparação que será citada será a movimentação no ranking, porque de doze para seis parece um salto e quarenta e dois de Elo parece um número. A comparação que prevê como será o próximo trimestre é a que traz os intervalos, e essa diz: uma vitória clara, duas prováveis e um medidor mais barato por baixo das três.