Gemini Omni 1.2 Flash 对比 Qwen3.8-Omni-Flash：“Omni”一词身兼两职

阿里巴巴自己公布的估算显示，使用Qwen3.8-Omni-Flash读取一小时720p视频的成本约为二十美分。谷歌对用Gemini Omni 1.2 Flash生成一小时720p视频的标价为252美元。两个模型都叫 Omni。两者都接受文本、图像、音频和视频。一个读取影像并用文本作答；另一个生成影像并以文件作答。它们之间的价格差距并不是竞争信号，因为它们并不在竞争——这是制造一秒现实的成本，与描述一秒现实的成本之间的差别。

这一点很重要，因为这种比较一直在进行，而且几乎总是拿谷歌方面错误的模型来比。流传的每篇“Qwen Omni 对比 Gemini”的文章——包括阿里巴巴自己发布的基准测试表——都是将 Qwen3.8-Omni-Flash 与 Gemini 3.8 Flash进行比较，后者是一个每百万输入 token 收费 0.75 美元的文本输出模型。那才是正确的对手。Gemini Omni 1.2 Flash 自 2026 年 11 月 5 日起全面可用，它是另一款产品，采用另一套计价方式，而且任何地方都没有发布过两者之间的正面对比。

Qwen3.8-Omni-Flash 究竟是什么

阿里巴巴的Qwen团队于2026年9月18日发布了它，作为Qwen3.5-Omni-Plus的继任者，基于Qwen3.8-Flash-Next架构构建。首先要弄清楚的是输出模态，因为这个名字容易让人产生错误的假设：它只产生文本，而且仅限文本。它不生成视频，与前任不同，它也不生成语音。它所有“全模态”的特性都体现在输入侧。

在这方面，它异常强大。上下文窗口为一百万个 token，其中约 991,000 个可用于输入，131,000 个用于输出。单次调用可处理长达一小时的连续视频。它支持双声道立体声和四声道空间音频，这正是 Qwen 的招牌绝活——在房间中定位声源并指向它，这是机器人或会议分析团队一直期待的能力。语音识别覆盖 74 种语言以及 39 种中文方言；文本转语音在同系列模型中覆盖 29 种语言。还有一个实时变体 Qwen3.8-Omni-Flash-Realtime，可通过 WebSocket 或 WebRTC 运行，支持语音输出和 56 种音色，上下文为 192K。

定价是激进的部分：每百万输入 token 0.15 美元，每百万输出 token 0.47 美元，每百万缓存输入 token 0.016 美元。权重闭源。仅提供 API 访问，通过阿里云百炼平台和 Qwen 自有端点，兼容 OpenAI，覆盖六个区域。

Gemini Omni 1.2 Flash 究竟是什么

Google 的模型则走另一条路：输入文本、图像、音频和视频，输出 3 到 15 秒、音画同步的视频，以 1 秒为增量，支持 16:9 或 9:16。你可以先用 360p 或 720p 生成草稿，再放大到 1080p 或 4K。一次请求最多可携带六张参考图像、一段最长 3 秒的运动片段以及音频提示；多轮编辑让你无需重新生成整个视频，就能替换产品、改变天气或重新构图。每次扩展可增加 3 到 10 秒，最长上限为 30 秒。所有内容都带有 SynthID 水印。

1.2 版本既是一次能力发布，也是一次降价：视频输出从每百万 token 17.50 美元降至 12.00 美元，720p 视频约合每秒 0.07 美元，降幅达 30%。文本输入仍为每百万 token 1.50 美元，文本输出为每百万 token 9.00 美元。付费档位的速率限制也在同一天翻倍。Google 在发布时没有公布任何基准测试分数——只有关于参考一致性、唇形同步和镜头连续性的定性说法。

只有在同时运行两者时才会显现的三个成本陷阱

推理预算按输出计费。Qwen3.8-Omni-Flash 默认将思考模式设为“xhigh”，推理预算最高可达 262,000 个 token，并按输出费率计费。一次针对长视频进行深度思考的请求，仅推理部分就可能花费约 0.123 美元——这比视频读取的估算值高出六百多倍，也正是为什么一些团队在实际视频素材量微不足道的情况下却报告该模型昂贵。在进行任何基准测试之前，先限制思考预算。

每小时视频费用是供应商的估算值。阿里巴巴并未公布视频摄入的每秒 token 速率，因此“每小时二十美分”这个数字无法从价格表中独立推导出来。0.15 美元/0.47 美元的费率是可验证的；按小时换算则是 Qwen 自己的算术，而且已有公开分析指出，正是由于这个原因，“比 Gemini 便宜 98%”的说法无法验证。

渲染成本是按条数倍增的，而不是按交付物倍增的。一段十五秒的片段是 1.05 美元。六条剪辑版就是 6.30 美元——但没人能在第一遍就六条全过。按每条成品三次尝试计算，同样的六条剪辑版成本为 18.90 美元，而这个数字才是要写进预算的。Google 还将拼接序列的上限设为 30 秒，因此任何更长的内容都需要进行第二轮生成，而不是简单延长。

一个实操流程示例：输入三十分钟，输出六个片段

这正是两个模型都能各有用武之地的地方，也是成本分布反直觉的地方。

阅读主文档。Qwen3.8-Omni-Flash 接收这段 30 分钟的源视频，返回一份包含说话人轮次、屏幕文字、带时间码的镜头列表，以及一份简短的可引用片段清单的转录文本。按阿里巴巴的估算，这大约需要十美分的输入成本。再加上一轮思考来挑选六个最佳片段，总成本仍然低于四分之一美元——前提是预算设有上限。

渲染精简片段。用 Gemini Omni 1.2 Flash 生成六个十五秒片段，每个三条：18.90 美元。产品参考图确保六个片段的包装保持一致；音频提示确保对话清晰可懂；多轮编辑修正了那两个出现偏差的片段。

把输出读回来。六段成片会重新送回 Qwen3.8-Omni-Flash，确认画面上的文字清晰可读、对白与脚本一致，也没有任何人的口型同步差了一帧。六段片段就是九十秒视频。读取的成本可以忽略不计；真正让渲染账单站得住脚的，是这道检查。

这个模式具有普遍性：在这一对任务上，分析成本低、生成成本高，两者相差两到三个数量级。那些按相反情况做预算的团队——想当然地认为“智能”模型必然是昂贵的那一个——每次都会给渲染线分配不足、给读取线分配过多。

基准记录，以及这些数字属于谁

关于 Qwen3.8-Omni-Flash 的所有已发布信息都来自同一个地方：阿里巴巴自己的评测，该评测于 2026 年 9 月 22 日以 arXiv 论文形式发布。在与 Gemini 3.8 Flash 的对比中，它以 71.0 对 58.9 赢下 WildClawBench-MM，以 67.2 对 39.7 赢下 SpotSoundBench，并在会议说话人分离上以巨大优势胜出——说话人分离错误率为 3.35，而对方为 72.6。它在 OmniVideoBench 上以 63.4 对 65.2 落败，在 AgenticVBench 上以 36.8 对 45.0 落败。这些结果均未经过独立复现，也均未涉及 Gemini Omni 1.2 Flash，因为后者根本不会将视频读入上下文窗口。

谷歌这一边的账目则更为空洞。Gemini Omni 1.2 Flash 的发布公告中没有任何数字——没有 Elo 评分，没有胜率，也没有基准测试套件。各项对比都是定性的：与 1.1 相比参考匹配更好、对话更流畅、唇形同步更清晰、跳切更少。英伟达和阿里巴巴的发布至少还附带了表格；谷歌的发布只带来了形容词。

所以，关于“哪个更好”的诚实立场是：这个问题没有经过测量的答案，而且在有人让两者在同一个任务上运行之前也不会有。可以确信地说的是更狭窄也更有用的内容：Qwen 的数据是在输入价格只有五分之一的情况下、针对一个文本输出模型取得的，它们不会迁移到视频生成器上，因为这两个系统是用完全不同的工具来评分的。

两家供应商真正重叠的地方

不在于模型，而在于企业合同。两者都是闭源的，都仅提供 API，并且都受到具有实际影响的区域限制——阿里巴巴服务北京、新加坡、香港、东京、法兰克福和弗吉尼亚；谷歌针对上传视频的编辑功能在欧洲部分地区不可用。一家媒体公司选择供应商时，不仅是在选择一项能力，也是在选择一份数据处理协议和一个司法管辖区。

同样值得注意的是两者都不会做什么。Qwen3.8-Omni-Flash 无法生成一帧画面，而 Google 的 Omni 1.2 Flash 无法回答关于一段十分钟视频的问题。任何为了削减采购开销而整合到单一供应商的人都会发现，无论朝哪个方向整合，这种整合都会让他们失去一项能力。Google 的迁移说明从另一面表达了同样的观点：自 2026 年 12 月 3 日起，对 gemini-omni-1.1-flash 的请求将由 1.2 以 1.2 的价格应答，且无需更改代码——这提醒人们，封闭端点按供应商的时间表推进，而不是你的时间表。

OrcaRouter 涵盖哪些内容，以及不涵盖哪些内容

这两个模型都不在OrcaRouter上，本文也不会假装它们在。平台上真正具备的，是构建上述流水线所需的相邻能力，而无需再签第二份和第三份合同。

读取侧由Qwen3.8 Flash覆盖：输入文本、图像和视频，输出文本，上下文长度达一百万 token，支持长视频分析，按每百万输入 token $0.15、每百万输出 token $0.47 计费——与 Omni 变体价格相同、配置相同，只是少了空间音频功能。渲染侧由Kling 3.0 Omni覆盖，文本生成视频和图像生成视频每次请求 $0.084，片段时长 3–15 秒。两者共用同一个密钥，这意味着将同一份源素材分发给读取器和写入器的扇出只是一条路由规则，而不是一个集成项目；自动故障转移意味着供应商出现波动不会让活动在渲染中途停摆；而 0% 加价是对供应商标价的直接转嫁，因此供应商调整费率的那天，我们这边的数字也会随之变化。

如何在接下来的十分钟内做出决定

如果你的问题是拥有素材却无法搜索、添加字幕，或找不到演讲者提到价格的那一刻——那就选 Qwen 这一边。先限制思考预算，并测量你真实的摄入速率，而不是相信每小时估算。

如果你面临的问题是要拍产品图、有截止期限，却没有摄影团队，那就买 Google 那边的方案，并按每个可用镜头拍三条来安排预算，而不是只拍一条。

如果你同时存在这两个问题——而大多数团队实际上正是如此——那就不要再寻找赢家了。本文第一段提到的两个模型永远不会出现在同一张基准测试表中，因为其中一个产出的是文件，另一个产出的是关于该文件的段落。唯一能把二者联系起来的数字，是没有人公布的那个：贵组织每制作一小时视频，需要读取多少小时视频。