Gemini Omni Flash 1.2 so với Gemini Omni 1.1 Flash: Hai bảng xếp hạng nói có, một bảng nói chưa.

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.

Tuần bỏ phiếu ấy thực sự đã cho thấy điều gì

Artificial Analysis đã chạy cả hai phiên bản trên cả ba bảng video của mình và công bố cặp kết quả đó chỉ cách nhau vài ngày. Đây là trường hợp hiếm hoi mà việc so sánh phiên bản không phải được ghép lại từ hai chiến dịch đo lường khác nhau ở hai thời điểm khác nhau.

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.

Trên AA-Video-T2V v2.1, trường hợp vẫn còn bỏ ngỏ. Mức chênh lệch 26 điểm — 1,154 so với 1,128 — đi kèm các khoảng từ 1,140 đến 1,168 và từ 1,115 đến 1,141. Hai khoảng này chỉ trùng nhau đúng một điểm. Trên AA-Video-Editing v1.1, mức chênh lệch là 18 điểm, 1,164 so với 1,146, và các khoảng chồng lấn trên bốn điểm. Cả hai bảng xếp hạng đều xếp 1.2 cao hơn 1.1. Không bảng nào phân tách được chúng.

Mẫu hình đó có giá trị hơn bất kỳ một con số nào. Một checkpoint mới thắng rõ ràng ở một tác vụ, có lẽ ở tác vụ thứ hai và thắng nhẹ ở tác vụ thứ ba là hình thái thông thường của một bản phát hành điểm. Đó không phải là hình thái của bước nhảy thế hệ mà các clip 15 giây và việc tăng gấp đôi giới hạn tần suất có thể gợi ý.

Giá là phần không có thanh sai số.

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.

Giá đầu vào vẫn giữ ở mức $1.50 mỗi triệu token cho văn bản, hình ảnh và video, và giá đầu ra văn bản vẫn ở mức $9.00. Không có gì thay đổi ở các cột batch, flex hay priority vì 1.2 không có cột nào trong số đó — chỉ có gói tiêu chuẩn, và không có gói miễn phí ở cả hai phiên bản.

Hãy làm phép tính clip trước ngày định tuyến thay vì sau đó. Mười lăm giây ở 720p trên 1.2 tốn khoảng $1.05 token đầu ra. Cùng mười lăm giây đó không thể được tạo trên 1.1 trong một lần gọi, vì 1.1 giới hạn ở mười giây; so sánh trung thực là mười giây với khoảng $1.00. Mức cắt giảm là có thật, nhưng một phần lớn trong đó được dùng để mua thêm năm giây, và một nhóm chưa bao giờ cần clip dài hơn sẽ thấy hóa đơn thay đổi ít hơn so với tỷ lệ phần trăm gợi ý.

Nơi mười lăm giây thôi không còn miễn phí

Việc tăng thời lượng đi kèm các trường hợp biên được ghi lại thay vì phải tự khám phá, và ba trong số đó thay đổi những gì một yêu cầu được phép chứa.

• Nội suy — điều khiển khung đầu và khung cuối hoạt động từ ba đến mười giây trên cả hai phiên bản; yêu cầu từ mười một giây trở lên với hai khung tham chiếu sẽ trả về lỗi đối số không hợp lệ trên 1.2.

• Video tham chiếu — đầu ra từ ba đến mười giây chấp nhận ba video tham chiếu, mỗi video dài tối đa ba giây, trong khi đầu ra từ mười một đến mười lăm giây chỉ chấp nhận một. Việc kéo dài một cảnh quay có thể âm thầm làm vô hiệu một yêu cầu vốn đã hợp lệ khi dùng ba video.

• Tiện ích mở rộng — tiện ích mở rộng chạy từ ba đến mười giây mỗi lượt với thời gian nhìn lại mười giây, tổng cộng tối đa 30 giây và chỉ ở cuối clip. Trên 1.1, giới hạn chỉnh sửa và mở rộng là mười giây đầu vào.

• 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.

{{1}}Khu vực{{/1}} — {{2}}Việc chỉnh sửa và kéo dài video đã tải lên không khả dụng tại EEA, Thụy Sĩ và Vương quốc Anh, một hạn chế được nêu trong hướng dẫn. Nếu người dùng của bạn ở các thị trường đó, thì lời giới thiệu về chỉnh sửa hội thoại hoàn toàn không áp dụng cho họ.{{/2}}

• Các giới hạn vẫn giữ nguyên — không có chỉ dẫn hệ thống, không temperature, không top_p, không prompt phủ định, không thông lượng được cấp phát, không nguồn YouTube, không suy luận trên nhiều video. Mọi đầu ra đều mang dấu thủy vân SynthID.

Một hàng đầu ra "Text" mà không mang ý nghĩa như vẻ ngoài của nó

Thẻ mô hình liệt kê đầu ra của 1.2 là "Video có Âm thanh gốc, Văn bản" so với "Video" thuần của 1.1, và sự khác biệt đó đã bị hiểu là một kênh văn bản mới. Không phải vậy. Hướng dẫn Omni không mô tả chế độ xuất văn bản nào cho 1.2; văn bản xuất hiện được kết xuất bên trong khung hình — nhãn, biển hiệu, trục — và cấu trúc yêu cầu vẫn là phản hồi video. Phản hồi REST mang một mảng steps mà mục "thought" của nó là dấu vết suy luận, không phải câu trả lời. Nếu một pipeline cần API trả về một chuỗi chú thích, cả hai phiên bản đều không trả về chuỗi đó, và sự khác biệt ở hàng đó là mô tả thứ mô hình vẽ ra, không phải thứ nó cung cấp cho bạn.

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.

Bản migration làm hỏng downstream, không phải request.

Vì payload không thay đổi, phạm vi lỗi là mọi thứ mà request đưa vào. Bốn nơi cần kiểm tra trước ngày 3 tháng 12, theo thứ tự chúng thường gặp sự cố:

{{1}}Giá trị mặc định của thời lượng.{{/1}} Một yêu cầu đã bỏ qua thời lượng đã bị giới hạn ở mười giây và vẫn mặc định là mười, nên các lệnh gọi không bị động đến sẽ hoạt động giống hệt nhau. {{2}}Điều bị hỏng là phần xác thực đã coi mười là mức tối đa.{{/2}}

Điều kiện cặp khung hình. Mọi đường mã kết hợp phép nội suy với thời lượng vượt quá mười giờ đây sẽ báo lỗi thay vì âm thầm cắt bớt — hành vi tốt hơn, lỗi rõ ràng hơn.

Mô hình chi phí. Mọi hằng số theo giây được suy ra từ mức 1.1 đều cao hơn 30% ở 720p. Nếu bạn tính phí nội bộ theo mỗi lần render, đây là dòng cần thay đổi khi giá cũ vẫn còn đúng, vì sau khi chuyển đổi, con số sẽ sai theo hướng khiến biên lợi nhuận của bạn trông đẹp hơn.

Hành vi lọc. Dòng của bảng biên tập dành cho 1.2 có ghi chú rằng mô hình đã từ chối một phần bộ kiểm thử thông qua các bộ lọc bản quyền và an toàn, và điểm số đã công bố phản ánh các lời nhắc còn lại. Một pipeline sản xuất vốn giả định mọi yêu cầu đều trả về một tệp cần có đường xử lý từ chối trên phiên bản mới cụ thể. Ghi chú chỉ xuất hiện trên dòng của 1.2, không phải trên dòng của 1.1.

Hai cách để thực hiện việc chuyển đổi, và cách nào phù hợp

Nếu nội dung của bạn được đo lường và bạn thích kết quả đầu ra, hãy chuyển sớm và dùng ba tuần đó để đo lại trên chính cảnh quay của bạn. Việc giảm giá và tăng thời lượng đều đáng để có, khoảng cách từ hình ảnh sang video là có thật, còn lựa chọn thay thế là bị chuyển vào ngày 3 tháng 12 mà không có dữ liệu theo cả hai hướng.

Nếu nội dung của bạn có khối lượng lớn và bạn chưa xem lại kể từ lần thay đổi cuối, cách tiếp cận hữu ích là chạy cả hai. Giữ 1.1 trên luồng sản xuất trong khi nó vẫn có thể được định địa chỉ riêng, chạy shadow một tỷ lệ phần trăm lưu lượng sang 1.2 và so sánh trên trục mà các bảng xếp hạng không đo lường — tần suất một clip sống sót đến lúc giao hàng, chứ không phải tần suất nó thắng một cuộc bình chọn theo cặp. Đó là một bài toán định tuyến chứ không phải bài toán mô hình, tức là lớp chúng tôi vận hành. Cả hai endpoint Omni đều không có trong danh mục của OrcaRouter hiện nay, nên đây không phải là lời chào hàng để chúng tôi phục vụ chúng; đó là lý do một lần tăng phiên bản gây đau đớn nhất trong những pipeline chỉ có đúng một đường dẫn và không có cách nào để chạy một đường thứ hai bên cạnh. Nơi chúng tôi thực sự giành được vị trí là công việc văn bản xung quanh: các lệnh mở rộng prompt và danh sách cảnh quay cung cấp cho một lần render có thể được kết hợp đối chiếu với nhiều mô hình thông qua một endpoint với giá niêm yết của nhà cung cấp, với tự động chuyển đổi dự phòng nếu một mô hình bị suy giảm, và một quy tắc định tuyến có thể gửi một phần yêu cầu đến một mô hình khác mà không cần triển khai.

Điều duy nhất không nên làm là ghim 1.1 qua ngày 3 tháng 12 và phát hiện ra thay đổi từ một hóa đơn. Endpoint vẫn định tuyến bất kể cấu hình của bạn nói gì.

Việc so sánh phiên bản, được nêu dưới dạng so sánh phiên bản

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.

So sánh được trích dẫn sẽ là mức dịch chuyển thứ hạng, vì từ mười hai xuống sáu đọc như một cú nhảy vọt và bốn mươi hai Elo đọc như một con số. So sánh dự báo quý tới sẽ diễn ra thế nào là so sánh có kèm các khoảng, và nó cho biết: một chiến thắng rõ ràng, hai khả năng có thể xảy ra, và một thước đo rẻ hơn bên dưới cả ba.