Gemini Omni 1.1 Flash 进入生产就绪：40秒场景、帧控制与4K成片

把视频片段的最后一秒交给视频模型，让它接着拍下去，你就是在拿它的记忆做赌注。这正是 Gemini Omni 1.1 Flash——Google 于 2026 年 8 月 27 日发布的生产版更新——所要消除的问题：在延续场景时，它不再只回看一秒的镜头，而是最多读取十秒。与此同时，Google 将这款模型最受用户期待的控制选项移出了实验区：首帧和末帧条件控制、一个 360p 草稿档位（成本约为标准 720p 输出的三分之一），以及最高 4K 的最终渲染。主力档位的价格没有变动——720p 片段仍为每秒 0.10 美元——所以这次发布的主题是控制与成本，而非涨价带来的冲击。

Gemini Omni 1.1 Flash 是 Gemini Omni Flash 预览版的继任版本，该预览版于 2026 年 6 月 30 日面向开发者推出。1.1 继承了原版所有独特之处：单次调用即可接受文本、图像、音频和视频的多模态输入，每个片段都带有原生同步音频，以及对话式多轮编辑——你可以通过与模型对话来完善场景，而无需从头重新提示。1.1 新增的是此前缺失的工具：长度、取景、分辨率和迭代成本现在都成为构建者可以实际设置的输入参数。

回看问题，已解决。

最具决定性意义的变化在于上下文。早期版本的模型在续接片段时，仅参考片段的最后一秒，这正是扩展内容在角色、光照和镜头运动上出现漂移的原因。Gemini Omni 1.1 Flash 最多可分析此前10秒的视频，扩展以10秒为增量运行，累计最长可达40秒。实际区别在于“一组相邻片段”和“一个可视为单一场景的序列”之间。对于30秒的广告或循环品牌素材而言，这就是拼接与执导之间的差别。

• 场景扩展。以10秒为一段继续扩展现有片段，最长可至40秒，并利用最多10秒的回看上下文来保持续接的一致性。

• {{1}}首尾帧控制。{{/1}}指定一个镜头的起始帧和结束帧，模型即可在两个关键帧之间生成连续视频——这是摄像机环绕、缩放过渡和无缝循环背后的基础能力。

• 视频参考。多模态输入中可包含最多三秒的参考片段，以在多个镜头间保持角色、服装和动作风格的一致。

• 原生音频。生成的片段仍带有同步对话、音效和环境声，因此输出即为完成品短视频，而不是等待声音处理的无声素材。

Veo的控制，Omni的流水线

该公告借用了{{1}}“你最喜爱的 Veo 创意控制功能”{{/1}}这一说法，而这确实准确描述了这些功能的来源。Veo 3.1 是 Go​gle 旗下独立的一次性高保真视频生成器，其工具集中早已包含关键帧式条件控制和超分辨率功能；Gemini Omni 1.1 Flash 将这套控制语言引入多模态 Omni 流水线——其中输入可以是图像、音频和参考视频，编辑以对话方式进行，而非每次全新生成。这两个模型在 Go​gle 的产品阵容中并非对手；Gemini API 文档将 Gemini Omni Flash 定位为视频生成的首选默认模型，而 Veo 则是高保真度的专业选择。

这一点之所以重要，是出于实际原因：这些控件现在位于你最可能为日常视频工作调用的模型中，而不是位于一个需要学习第二个 API 才能使用的独立高级层级中。帧控制、草稿制作和放大共享同一个端点和同一种定价模式。

从草稿到定稿的工作流程

360p草稿档是这次公告中最不起眼的功能，却可能是最有价值的。360p预览的渲染速度比标准720p快达60%，成本约为后者的三分之一，这从根本上改变了迭代的经济性。按照人们常引用的每秒费率，一段10秒的360p草稿约需0.30美元，而720p则需1.00美元——相当于用一次正式渲染的价格，进行三轮探索。

预期的流程显而易见：在 360p 下制作分镜并迭代，然后以 720p、1080p 或 4K 渲染可行的那一个镜头。对于制作社交媒体剪辑版或广告变体的团队来说，草稿档将受成本约束的工作流转变为受探索约束的工作流。这里的速度和成本数据均为供应商自报——Go​gle 自己的说法迄今未被复现——但基于这些数据的计算很简单。

定价情况

不断被引用的每秒0.10美元这个数字，是Go​gle公布的720p标准层级价格，与预览版相比没有变化。输入费用为每百万token 1.50美元，无论这些token是文本、图像、音频还是视频，文本输出费用为每百万token 9.00美元——与原始版本的结构相同。360p层级折算下来约为每秒0.03美元，这正是Go​gle所宣称的“约三分之一成本”的含义，也与经销商列表中目前显示的价格一致。

Google 尚未公布的是新的 1080p 和 4K 档位的每秒费率。转销商列表显示，1080p 为每秒 0.15 美元，4K 为每秒 0.30 美元，但这些是市场估计值，并非 Google 的数字——在 Gemini API 定价页面出现官方费率之前，请将任何高分辨率制作预算视为暂定。为了让你对规模有所了解，一个 40 秒的完整扩展场景在 720p 下最高可达 4.00 美元；按照转销商报价，一个 10 秒的 4K 成品大约 3.00 美元；而同样的 10 秒以 360p 草拟大约 0.30 美元。

按秒计费是卖点，但你实际支付的金额由你购买所用的平台决定——Go​gle 按标价出售，转售商和 API 网关会在此基础上加价。这正是 0% 加价政策在基础设施层面的意义所在：OrcaRouter 将服务商标价原样传递，因此当模型费率变动时，我们这边的价格会在同一天更新，你和厂商公布的价格之间不存在任何加价层。我们尚未路由 Gemini Omni 1.1 Flash——Go​gle 还没有向第三方路由开放 Omni 视频 API，我们也不会声称托管我们没有的模型——但定价纪律才是关键，当该 API 层级开放时，该模型将以标价出现。

在哪里可以呼叫它

Gemini Omni 1.1 Flash 现已上线，模型 ID 为gemini-omni-1.1-flash，可通过 Gemini API 在 Go​gle AI Studio 中使用，定位为生产就绪而非预览版。它还通过 Gemini Enterprise Agent Platform 面向生产工作负载提供——根据公告，这正是 Adobe、Figma、GMI Cloud 和 Runway 已在集成的同一界面。在消费者端，Go​gle Flow 面向全球所有 AI Plus、Pro 和 Ultra 订阅用户提供完整功能集，场景扩展功能已在 Gemini 应用中上线。这不是纸面发布：API、智能体平台和消费者界面都在同一天落地。

如果你试过六月预览版，被其严格的10秒时长上限或无法保持场景连贯的问题劝退，那么此版本恰好回应了这些抱怨——40秒的扩展时长、可用的视频参考，以及完善的分辨率阶梯。API的形态也值得了解：生成和编辑都通过Interactions API运行，这正是对话式、多轮编辑模型得以实现的基础，而response_format设置可以固定输出分辨率——草稿用360p，成片用全分辨率。

什么仍未被证实？

对于所有新的控制功能而言，定义原始版本的那些权衡取舍依然延续。输出仍然是带同步音频的短视频，而非Veo 3.1的替代品——这两个模型针对的是不同的任务。跨场景的角色一致性通过10秒回看和参考视频输入得到了改善，但它仍然是一个生成层面的弱点，值得用你自己的素材来测试，而不是想当然。每个生成的片段都带有SynthID水印，这对于需要溯源保证的工具来说至关重要。

而诚实的告诫是：截至本文撰写时，没有任何公共视频排行榜上有针对 Gemini Omni 1.1 Flash 的独立基准测试。360p 草稿的 60% 加速、1080p 和 4K 下的质量、首帧/末帧条件控制的可靠性——全部都是供应商自行报告的，没有任何第三方复现过。今天任何向你引用该模型质量分数的人，所引用的数字都是除 Go​gle 实验室之外无人得出的。

现在谁应该行动？

三類群體能立即從此次發布中受益。已在 Omni API 上構建的團隊應切換模型 ID，並重新測試其擴展和幀控制路徑——此次升級是請求欄位的變更，而非重新架構。任何需要大量短影片的團隊——廣告變體、社群剪輯、循環品牌素材——都應評估 360p 從草稿到成品的流程成本，因為成本計算的創新正是在這裡。而一直等待預覽版的團隊現在就該嘗試此模型，因為先前使預覽版無法投入生產的兩大障礙——十秒短片和缺乏場景連續性——正是本次更新所移除的內容。

应该观望的群体也同样定义明确：如果你在投入预算之前需要第三方基准测试或官方的4K每秒费率，目前还没有人能提供这些，这一点值得直说，而不是含糊其辞。发布是真实的，控制是真实的，而价格差距是唯一仍在变动的部分。请关注Gemini API定价页面上的1080p和4K费率，并留意首批独立评估——一旦有其他人运行这个模型，本文中每项质量声明所附带的供应商报告告诫就会得到勾选或红旗。