Gemini Omni 1.2 Flash 对比 InternLumina-U2：租来的秒数，对抗下载的权重

把 Gemini Omni 1.2 Flash 和 InternLumina-U2 放在一起比较，最显眼的那个对比——图像质量、生成速度、基准测试分数——其实是最没意思的，因为这两个模型争夺的并不是同一项预算。Gemini Omni 1.2 Flash 是按量计费的 API，720p 视频每秒收费约 0.07 美元，于 2026 年 11 月 5 日正式全面可用，返回的是一个你拥有使用权的文件，但永远不会给你权重。InternLumina-U2 是上海人工智能实验室推出的 160 亿参数稀疏扩散语言模型，采用 Apache-2.0 许可，每个硬件树有七个分片，放在 Hugging Face 上，任何有磁盘空间的人都能下载。一个是服务，另一个是资产。真正有用的问题不是哪个生成的画面更好，而是你的项目实际能吸收这两者中的哪一个。

这种界定之所以重要，是因为那个显而易见的问题——“哪一个在图像生成上更强”——的答案具有误导性。InternLumina-U2 确实能生成图像，而且就其自身厂商报告的基准测试而言，它的表现颇具竞争力。但它在同一个主干网络中还能理解视频和 3D，这是 Gemini Omni 完全不具备的能力；而 Gemini Omni 能生成带同步音频的视频，这是 InternLumina-U2 做不到的。若按两者的重叠部分来评判，它们都是与图像和视频相邻的系统。若按两者的并集来评判，它们几乎毫无交集。

确切地说，重叠之处

InternLumina-U2 在一个模型内处理文本问答、文生图、图像理解、图像编辑、视频理解和 3D 理解。列表中的“理解”这一限定词并非虚设：它能读取视频、读取 3D，但并不生成这两者。它生成的是图像和文本。

Gemini Omni 1.2 Flash 可生成视频。它接收文本、图像和视频输入，返回带原生音频的视频，时长三到十五秒，帧率为每秒 24 帧，分辨率从 360p 到 4K，其中最高的两个档位为放大生成。它不把图像作为交付物输出——每一帧都是视频片段中的一帧——也不做设计师意义上的静态图像编辑。

所以交集恰好只有一件事：根据提示词生成图像。InternLumina-U2 将其作为六项任务之一来完成。Gemini Omni 1.2 Flash 仅将其作为动态画面的第一帧来完成。如果这就是你的全部用例，那么这种比较是成立的。如果不是，那你就是在静态图像研究者的工具包和视频制作端点之间做选择。

• 输入模态——InternLumina-U2 支持文本、图像、视频和 3D；Gemini Omni 1.2 Flash 支持文本、图像和视频。

• 输出模态 — InternLumina-U2 返回文本和图像；Gemini Omni 1.2 Flash 返回带同步音频的视频。

• 架构 — InternLumina-U2 是一个总参数量 16B、激活参数量约 1B 的 MoE 扩散语言模型，基于 LLaDA-2.0 主干，并采用 Apple AToken 八码本离散视觉 token；Gemini Omni 1.2 Flash 的架构尚未公开。

• 访问方式 — Hugging Face 上的 Apache-2.0 权重，分别提供 Ascend 和 NVIDIA 版本树；另有闭源托管 API。

• 价格——没有按次调用价格，因为没有托管端点；720p 视频输出约为每秒 $0.07，且无免费套餐。

• 上下文——Omni 侧输入 131,072 个 token，输出 65,536 个 token；InternLumina 卡片未公布同等规模的窗口。

基准测试能说明什么，不能说明什么

InternLumina-U2 的数据来自其自己的论文和项目页面（arXiv 2610.20818，2026 年 10 月 14 日提交），目前尚无人复现这些结果。其最受关注的生成指标是在作者自有的 PHV 采样协议下取得的 GenEval 得分 89.3，同时 DPG-Bench 为 87.79、UniGenBench 为 86.11，TIIF-Bench 在短提示词上为 88.57、在长提示词上为 87.08。论文声称，该模型在视觉理解、图像生成和图像编辑方面均处于统一模型中的领先水平，并表示该模型在 GenEval、UniGenBench 和 TIIF 上优于 FLUX.1-dev，并以微弱优势超过 Qwen-Image，同时激活的参数数量约少十四倍。

在引用其中任何内容之前，有一个值得了解的差异。项目页面的结果表将 InternLumina-U2 列为 GenEval 0.81，LLaDA2.0-Uni 为 0.89，InternVL-U 为 0.85——这使得较新的模型在该行上落后于自己的前代。89.3 这个数字对应论文中描述的优化采样协议，而不是默认评估。两个数字，两种协议，同一个模型。论文是更有利的解读，项目页面是更保守的解读，而两者都未经独立核查。

Gemini Omni 1.2 Flash 完全没有 Google 公布的基准测试分数。11 月 5 日的发布文章完全是定性描述——更长的片段、更好的参考遵循度、更自然的对话、更少的跳切——并明确表示仍在继续改进“快速体育动作、快速脚本变化和复杂物理效果”。这是一份异常坦率的已知弱点清单，也是 Google 唯一做出的质量声明。第三方数据确实存在，但大多描述的是更早的 Omni 版本：Megaton 的对比页面标题是“Gemini Omni Flash”，但其链接指向预览版 slug，将音频输出列为“No”（这对默认生成音频的 1.2 来说是错误的），并且其分数背后是零个已评分视频和零次测量。一位上手评测者、Segmind 的 Rohit Rao 确实直接测试了 1.2，进行了二十次生成，花费 16.17 美元，他的结论是现有最有用的独立数据点：调用耗时 28 到 136 秒，大多在 40 到 90 秒区间，该模型是他测试过的指令最精确的模型，约每四条指令就有一条被跳过。他还发现，它并不是一个电影级写实人物模型。

所以，诚实的记分牌上，InternLumina-U2 有的是详尽、无法复现且内部自相矛盾的厂商数据，而 Gemini Omni 1.2 Flash 几乎没有任何数据，只有一项小规模独立测试。两者都不足以支撑一个有把握的质量结论。

人们常弄错的成本比较

InternLumina-U2 没有价格，而这并不等同于免费。

权重总计 67.6 GB，分布在两套各含七个分片的目录树中，每套约 33.8 GB，因此仅下载一个硬件变体就需要拉取 34 GB，之后才能获得可用的环境。该仓库的 AToken 路径需要 FlashAttention，3D 管线则需要 Blender 4.5。训练在 1,024 个昇腾 910B NPU 上完成，覆盖 1.05 万亿 token，这表明该模型是为集群构建的，尽管推理负载要轻得多——10 亿活跃参数属于适中的服务负载，而论文中的 PHV 采样策略声称在原生 1024×1024 下可将端到端延迟降低 4.45×。

你实际花费的是一块 GPU、一周工程师时间来把环境调对，以及你的存储和出站流量费用。你得到的是零边际成本的无限生成、一个可以微调的模型，以及没有供应商能直接弃用你正在使用的端点。

Omni 的成本可以精确到分。一段 15 秒的 720p 片段，输出 token 成本约为 {{1}}1.05 美元{{/1}}。360p 草稿约为 {{2}}0.35 美元{{/2}}。将这段 15 秒素材超分到 4K 约为 {{3}}3.14 美元{{/3}}。你按输出秒数付费，每次重试都要再付一次，而对话式编辑意味着重试是常态而非例外。一支十镜头的广告，每个镜头改三次，就不是十五美元能搞定的事，而更接近六十美元。

这两种成本结构不能直接换算。把“资本投入后免费”与“每秒七美分”相比，得出的数字完全取决于利用率；在低用量下，自托管模式每张图像的成本要高得多。在高用量下，它则要便宜得多。交叉点是一道必须用你自己的 GPU 价格来计算的算术题，而不是别人能直接给你的事实。

你从两者中都得不到的东西

如果你需要一段带唇形同步对白的口播视频片段，InternLumina-U2 帮不上忙，除非另配一个视频生成器，否则没有变通办法。如果你需要一套 3D 资产理解流程——结合图像读取网格或场景描述——Gemini Omni 1.2 Flash 帮不上忙，除非另配一个视觉模型，否则没有变通办法。

还有一项文书上的差异，其重要性比听起来更大。InternLumina-U2 采用 Apache-2.0 许可，这意味着可以在署名的情况下进行商业使用、修改和再分发，许可文本就在代码仓库中。Gemini Omni 1.2 Flash 是一项托管服务，其条款规定了你可以对输出内容做什么；无论你是否想要，每个片段都带有 SynthID 水印；而在 EEA、瑞士和英国，无法编辑或延长上传的视频。对于在伦敦构建基于对话式视频编辑产品的团队来说，这种地区限制具有一票否决性，任何基准比较都不会暴露这一点。

说实话，OrcaRouter 的定位在哪里

这两个模型都不在我们的目录中。google/gemini-omni-1.2-flash 在 OrcaRouter 的模型页面上返回 404，而 InternLumina-U2 在任何地方都没有托管端点——其卡片上已明确说明这一点，且只有一个社区 Space 在使用它。因此，调用我们 API 的任何请求都无法到达这两个模型，本文宁愿如实说明这一点，也不愿暗示我们拥有一个实际上并不存在的托管方。

网关确实覆盖的是两类工作负载都身处其中的那一层。自托管的 InternLumina-U2 流水线仍然需要一个文本模型来编写提示词、给输出打分并路由故障，而这项调用我们覆盖200 多个模型，只需一个密钥并具备自动故障转移。在 Omni 这边，由于 OrcaRouter 以 0% 加价将供应商的标价透传，Google 的降价当天就会落到我们这边，而不是等到下一个计费周期——而且 Omni 产品线今年已经调整过一次视频费率，从每百万输出 token 17.50 美元降至 12.00 美元。如果你在比较自托管方案与租用方案，租用一侧在你脚下发生变动，正是透传账单能让其显现的那个变量。

如何决定

如果你需要图像，需要在同一模型中具备 3D 或视频理解能力，拥有已经在付费的 GPU 算力，并且许可条款对你的产品很重要，那就基于 InternLumina-U2 构建。要接受你运行的是一个研究产物：基准测试是作者自己的，GenEval 表格自相矛盾，工具链要求特定的技术栈。

如果你需要带声音的动态效果、希望今天就能用上可用的端点，并且你的用量足够低，按秒计费比闲置 GPU 更划算，那就购买 Gemini Omni 1.2 Flash。同时要接受：没有质量基准测试、没有文本输出模式、不支持负面提示词、编辑功能存在地区限制，而且每一帧都带水印。

要避免的错误是把它当作一场比拼。这是要在下载和计量表之间做出的采购决策，而模型质量问题——两家供应商都希望你争论的那个问题——恰恰是双方证据最少的问题。