Gemini Omni Flash 1.2 против Gemini Omni 1.1 Flash: две таблицы лидеров говорят «да», одна — «пока нет»

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.

Что на самом деле показала та же неделя голосования

Artificial Analysis прогнала обе версии по всем трём своим видео-рейтингам и опубликовала результаты с разницей в несколько дней. Это редкий случай, когда сравнение версий не приходится собирать из двух разных кампаний измерений, проведённых в разное время.

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.

В AA-Video-T2V v2.1 вопрос остаётся открытым. Разрыв в 26 пунктов — 1 154 против 1 128 — сопровождается интервалами от 1 140 до 1 168 и от 1 115 до 1 141. У них одна общая точка. В AA-Video-Editing v1.1 разрыв составляет 18 пунктов, 1 164 против 1 146, а интервалы пересекаются на четырёх. В обеих таблицах версия 1.2 стоит выше 1.1. Ни одна из них их не разделяет.

Эта закономерность важнее любой отдельной цифры. Новый чекпойнт, который явно выигрывает в одной задаче, вероятно — во второй и незначительно — в третьей, — это типичная картина точечного релиза. Это не картина поколенческого скачка, на который могли бы намекать 15-секундные клипы и удвоенные лимиты запросов.

Цена — это та часть, у которой нет планок погрешностей.

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.

Входные данные остаются на уровне $1,50 за миллион токенов для текста, изображений и видео, а текстовый вывод — на уровне $9,00. В столбцах batch, flex и priority ничего не изменилось, потому что в версии 1.2 их нет — только стандартный тариф, и ни в одной из версий нет бесплатного тарифа.

Считайте арифметику по клипам до даты маршрутизации, а не после. Пятнадцать секунд при 720p на 1.2 — это примерно $1,05 в выходных токенах. Те же пятнадцать секунд нельзя было бы создать на 1.1 за один вызов, поскольку 1.1 ограничен десятью секундами; честное сравнение — десять секунд примерно за $1,00. Снижение реально, но значительная его доля уходит на покупку дополнительных пяти секунд, и команда, которой никогда не нужны были более длинные клипы, увидит меньшее изменение в счёте, чем подразумевает процент.

Где пятнадцать секунд перестают быть бесплатными

Увеличение продолжительности сопряжено с пограничными случаями, которые описаны в документации, а не выявляются на практике, и три из них меняют допустимое содержимое запроса.

• Интерполяция — управление первым и последним кадром работает от трёх до десяти секунд в обеих версиях; запрос на одиннадцать секунд или больше с двумя опорными кадрами возвращает ошибку недопустимого аргумента в версии 1.2.

• Референсное видео — для выходных роликов длительностью от трёх до десяти секунд принимаются три референсных видео длительностью до трёх секунд каждое, а для роликов длительностью от одиннадцати до пятнадцати секунд — одно. Увеличение длительности кадра может незаметно сделать недействительным запрос, который проходил с тремя.

• Продление — продление выполняется от трёх до десяти секунд за ход с десятисекундным окном обратного просмотра, с общим ограничением в 30 секунд и только в конце клипа. В версии 1.1 предельная длительность редактирования и продления составляла десять секунд входных данных.

• 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.

• Регион — {{1}}редактирование и расширение загруженного видео недоступно в ЕЭЗ, Швейцарии и Великобритании; это ограничение указано в руководстве{{/1}}. Если ваши пользователи находятся на этих рынках, предложение о диалоговом редактировании к ним вообще не применимо.

• Ограничения, которые остались прежними — без системных инструкций, без temperature, без top_p, без негативных промптов, без выделенной пропускной способности, без источников YouTube, без рассуждений по нескольким видео. Каждый вывод несёт водяной знак SynthID.

Строка вывода «Text», которая означает не то, чем кажется

В карточке модели выходные данные 1.2 указаны как «Видео с нативной аудиодорожкой, текст», в отличие от простого «Видео» у 1.1, и это различие было воспринято как новый текстовый канал. Это не так. В руководстве Omni не описан режим вывода текста для 1.2; текст отображается внутри кадра — подписи, надписи, оси — а структура запроса по-прежнему предполагает видеоответ. Ответы REST содержат массив steps, элемент «thought» в котором — это трассировка рассуждений, а не ответ. Если конвейеру нужна строка подписи, возвращаемая из API, ни одна из версий её не возвращает, а различие в этой строке описывает то, что модель рисует, а не то, что она вам выдаёт.

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.

Миграция, которая ломает нижестоящие системы, а не запрос

Поскольку полезная нагрузка не меняется, поверхность отказов — это всё, что питает запрос. Четыре места, которые нужно проверить до 3 декабря, в том порядке, в котором они обычно ломаются:

Значения длительности по умолчанию. Запрос, в котором длительность не указана, ограничивался десятью секундами и по-прежнему по умолчанию равен десяти, поэтому неизменённые вызовы ведут себя одинаково. Ломается валидация, которая считала десять максимумом.

Условие для пар кадров. Любой путь выполнения кода, в котором интерполяция сочетается с длительностью больше десяти, теперь выдаёт ошибку вместо тихого усечения — лучше поведение, громче отказ.

Модели затрат. Каждая константа в расчёте на секунду, выведенная из ставки 1.1, завышена на 30% при 720p. Если вы выставляете внутренние счета за рендер, это та строка, которую нужно изменить, пока старые цены ещё верны, потому что после переключения это число будет ошибочным в сторону, которая льстит вашей марже.

Поведение фильтров. В строке 1.2 на доске редактирования есть примечание о том, что модель отклонила часть тестового набора через фильтры авторских прав и безопасности, и опубликованная оценка отражает только сохранившиеся промпты. Производственному конвейеру, который предполагал, что каждый запрос возвращает файл, нужен путь отказа именно в новой версии. Примечание появляется только в строке 1.2, а не в строке 1.1.

Два способа перейти — и какой из них подходит

Если эффективность вашего контента измеряется и результат вас устраивает, мигрируйте заранее и используйте эти три недели, чтобы повторно измерить всё на собственном материале. Снижение цены и увеличение длительности стоит получить, разрыв между изображением и видео реален, а альтернатива — миграция 3 декабря без данных ни за, ни против.

Если у вас большой объём контента и вы не проверяли его после последнего изменения, полезная стратегия — запускать оба варианта. Оставьте 1.1 в производственном контуре, пока к ней всё ещё можно обращаться отдельно, направьте процент трафика в теневом режиме на 1.2 и сравнивайте по оси, которую не измеряют лидерборды, — как часто клип доживает до выдачи, а не как часто он выигрывает в попарном голосовании. Это проблема маршрутизации, а не модели, и именно на этом уровне работаем мы. Сегодня ни одной конечной точки Omni нет в каталоге OrcaRouter, так что это не предложение с нашей стороны обслуживать их; это причина, по которой обновление версии сильнее всего бьёт по пайплайнам, где есть ровно один путь и нет способа запустить второй рядом. А вот где мы действительно заслуживаем места, так это в сопутствующей текстовой работе: вызовы расширения промптов и составления шот-листов, которые питают рендер, можно формировать с обращением к нескольким моделям через одну конечную точку по прайсовой цене провайдера, с автоматическим переключением при деградации одной из них, а правило маршрутизации может направлять часть запросов в другую модель без развёртывания.

Единственное, чего делать не стоит, — это оставлять 1.1 после 3 декабря и узнавать об изменении из счёта. Эндпоинт выполняет маршрутизацию независимо от того, что говорит ваша конфигурация.

Сравнение версий, представленное как сравнение версий

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.

Сравнение, которое будут цитировать, — это движение в рейтинге, потому что «с двенадцатого на шестое» звучит как скачок, а «сорок два пункта Эло» — как просто число. Сравнение, которое предсказывает, как пройдёт следующий квартал, — это то, где указаны интервалы, и оно говорит: одна явная победа, две вероятные и более дешёвая метрика под всеми тремя.