Gemini Omni 1.2 Flash 對比 InternLumina-U2：租來的秒數對上下載的權重

把 Gemini Omni 1.2 Flash 和 InternLumina-U2 並排放，跳出來的那個比較——影像品質、生成速度、基準測試分數——其實是最沒意思的一種，因為這兩款模型搶的根本不是同一條預算線。Gemini Omni 1.2 Flash 是按用量計費的 API，720p 影片每秒約收 0.07 美元，2026 年 11 月 5 日正式全面開放，回傳的檔案你有權使用，但權重永遠拿不到。InternLumina-U2 則是上海人工智慧實驗室出的 160 億參數稀疏擴散語言模型，Apache-2.0 授權，每個硬體樹七個分片，就擱在 Hugging Face 上，磁碟夠大的人都能下載。一個是服務，另一個是資產。真正有用的問題不是誰生成的畫面比較好，而是這兩樣東西，你的專案到底吃得下哪一個。

這種界定很重要，因為那個顯而易見的問題——「哪一個更擅長圖像生成」——有一個會誤導人的答案。InternLumina-U2 確實能生成圖像，而且就其廠商自行報告的基準測試而言，它的表現具有競爭力。但它也能在同一個骨幹中理解影片和 3D，這是 Gemini Omni 完全不具備的能力；而 Gemini Omni 能生成帶有同步音訊的影片，這是 InternLumina-U2 做不到的。從重疊面來評判，兩者都是與圖像和影片相鄰的系統。從聯集來評判，兩者幾乎沒有交集。

重疊部分，精確而言

InternLumina-U2 在單一模型中處理文字問答、文字生成圖像、圖像理解、圖像編輯、影片理解與 3D 理解。「理解」這個限定詞在這份清單裡是有實際作用的：它能讀取影片、讀取 3D，但並不生成其中任何一種。它所生成的是圖像和文字。

Gemini Omni 1.2 Flash 可產生影片。它接受文字、圖像與影片輸入，並回傳帶有原生音訊的影片，長度三到十五秒、每秒 24 幀，解析度從 360p 到 4K，其中最高兩級為升頻處理。它不將圖像作為交付成果產生——每一幀都是某個片段中的一幀——也不做設計師意義上的靜態圖像編輯。

所以重疊之處恰好只有一件事：從提示詞生成圖像。InternLumina-U2 把它當成六項任務中的一項來做。Gemini Omni 1.2 Flash 則只把它作為動態影像的第一幀來做。如果這正是你的全部使用情境，那麼這個比較確實成立。如果不是，你就是在一個靜態圖像研究者的工具組，與一個影片製作端點之間做選擇。

• 輸入模態 — InternLumina-U2 接受文字、圖像、影片與 3D；Gemini Omni 1.2 Flash 接受文字、圖像與影片。

• 輸出模態 — InternLumina-U2 傳回文字與圖片；Gemini Omni 1.2 Flash 傳回含同步音訊的影片。

• 架構 — InternLumina-U2 是一個總參數量 16B、約 1B 啟用參數的 MoE 擴散語言模型，基於 LLaDA-2.0 主幹，並採用 Apple AToken 八碼簿離散視覺 token；Gemini Omni 1.2 Flash 的架構未公開。

• 取得方式 — 在 Hugging Face 上提供 Apache-2.0 權重，Ascend 與 NVIDIA 各有獨立的版本分支；另有一個封閉式的託管 API。

• 價格 — 沒有按次計價，因為沒有託管端點；720p 影片輸出約每秒 $0.07，且沒有免費方案。

• 上下文 — Omni 端輸入為 131,072 個 token，輸出為 65,536 個 token；InternLumina 的規格頁面並未公布對應的視窗大小。

基準測試能說些什麼，又不能說些什麼

InternLumina-U2 的數據來自其自身論文與專案頁面（arXiv 2610.20818，2026 年 10 月 14 日提交），目前尚無人重現。最受矚目的生成數據，是在作者自訂的 PHV 取樣協定下，GenEval 分數達 89.3；此外，DPG-Bench 為 87.79、UniGenBench 為 86.11、TIIF-Bench 在短提示下為 88.57、長提示下為 87.08。論文宣稱，該模型在視覺理解、影像生成與影像編輯方面，於統一模型中表現領先，並表示該模型在 GenEval、UniGenBench 與 TIIF 上勝過 FLUX.1-dev，且略勝 Qwen-Image，同時啟用的參數少約十四倍。

在引用其中任何內容之前，有個值得知道的落差。專案頁面的結果表列出 InternLumina-U2 在 GenEval 為 0.81，LLaDA2.0-Uni 為 0.89，InternVL-U 為 0.85——這使較新的模型在那一列上落後於自己的前代。89.3 這個數字對應的是論文中描述的經優化取樣協定，而非預設評估。兩個數字、兩種協定、同一個模型。論文是較有利的解讀，專案頁面則是較保守的那個，而且兩者都尚未經過獨立查核。

Gemini Omni 1.2 Flash 完全沒有 Google 公布的基準測試分數。11 月 5 日的發布文章全是定性描述——更長的片段、更好的參考遵循度、更自然的對話、更少的跳接——並明確表示仍在持續改善「快速體育動作、快速腳本變更與複雜物理」。這是一份異常坦率的已知弱點清單，也是 Google 唯一做出的品質 statement。坊間確實存在第三方數據，但大多描述的是較早的 Omni 版本：Megaton 的比較頁面標題為「Gemini Omni Flash」，但其連結指向預覽版 slug，將音訊輸出列為「No」（對 1.2 而言是錯的，因為它預設生成音訊），並回報零部評分影片，且其分數背後沒有任何測量數據。不過，有一位實測評論者——Segmind 的 Rohit Rao——確實直接測試了 1.2，進行二十次生成，花費 $16.17，而他的結論是現有最有用的獨立資料點：呼叫耗時 28 到 136 秒，多數落在 40 到 90 秒區間，該模型是他測試過最精確遵循指令的模型，而大約每四條指令就有一條被略過。他也發現，這不是一個電影級寫實人物模型。

因此，誠實的成績表上，InternLumina-U2 有詳細、未被重現、內部不一致的廠商數據，而 Gemini Omni 1.2 Flash 幾乎完全沒有數據，只有一項小型獨立測試。兩者都不足以作為有把握的品質評斷依據。

人們常搞錯的成本比較

InternLumina-U2 沒有標價，而這不等同於免費。

權重總共 67.6 GB，分佈在兩棵各含七個分片的樹狀結構中，每棵約 33.8 GB，因此在下載單一硬體變體時，必須先拉取 34 GB，才能擁有可運作的環境。該儲存庫的 AToken 路徑需要 FlashAttention，而 3D 管線則需要 Blender 4.5。訓練在 1,024 顆 Ascend 910B NPU 上進行，涵蓋 1.05 兆個 token，這說明該模型是為叢集打造，儘管推論負載輕得多——10 億個活躍參數是適中的服務負載，而論文中的 PHV 取樣策略聲稱，在原生 1024×1024 下可將端到端延遲降低 4.45 倍。

你實際付出的是：一張 GPU、花掉一個工程師一週的時間把環境弄對，以及你的儲存與對外流量費用。你換來的是：以零邊際成本無限生成、一個你可以微調的模型，而且不會有廠商能把你正在用的端點淘汰掉。

Omni 的成本可精確到分。一支 15 秒的 720p 短片，輸出 token 成本約 1.05 美元。360p 草稿約 0.35 美元。將那 15 秒影片升頻到 4K 約 3.14 美元。你按輸出秒數付費，每次重試都要再付一次，而對話式編輯意味著重試是常態工作流程，而非例外。一支十個鏡頭的廣告，每個鏡頭三次編輯，不是 15 美元的活；更接近 60 美元。

這兩種成本結構不能直接換算。把「資本支出攤完後免費」拿來和「每秒七美分」相比，得出的數字完全取決於使用率；在用量低時，自架模式每張圖片的成本會高出許多，在用量高時則會便宜許多。交叉點是你必須用自家 GPU 價格親自算出來的算術結果，不是別人能直接交給你的一個現成事實。

你無法從兩者中任一方獲得的東西

如果你需要一段對嘴同步對話的真人講話剪輯，InternLumina-U2 幫不上忙，而且除非另用一個影片生成器，否則沒有變通辦法。如果你需要一套 3D 資產理解流程——同時讀取網格或場景描述與影像——Gemini Omni 1.2 Flash 幫不上忙，而且除非另用一個視覺模型，否則沒有變通辦法。

還有一項文件上的差異，其重要性比聽起來更高。InternLumina-U2 採用 Apache-2.0 授權，這表示可商業使用、修改和再散布，但須標明出處，且授權條文就在儲存庫中。Gemini Omni 1.2 Flash 則是託管服務，其條款規範你能對輸出內容做什麼；無論你是否想要，每段短片都帶有 SynthID 浮水印；而在歐洲經濟區、瑞士和英國，無法編輯或延長上傳的影片。對倫敦一個以對話式影片編輯為基礎打造產品的團隊來說，這項地區限制足以直接排除該服務，這是任何基準比較都無法顯現的。

坦白說，OrcaRouter 到底處於什麼位置

這兩個模型都不在我們的目錄中。google/gemini-omni-1.2-flash 在 OrcaRouter 的模型頁面上會傳回 404，而 InternLumina-U2 在任何地方都沒有託管端點——它的說明卡也這麼寫，而且只有一個社群 Space 在使用它。因此，對我們 API 的任何呼叫都不會觸及其中任何一個；本文寧可如實說明這一點，也不願暗示我們擁有實際上並不存在的託管主機。

閘道確實涵蓋的，是這兩項工作負載所處的那一層。自架的 InternLumina-U2 管線仍然需要一個文字模型來撰寫提示詞、為輸出評分並路由失敗情況，而這正是我們橫跨超過 200 個模型、以單一金鑰和自動容錯移轉提供的呼叫。在 Omni 這邊，由於 OrcaRouter 以 0% 加成將供應商的定價原樣傳遞，Google 降價當天就會反映在我們這邊，而不是等到下一個帳單週期——而且 Omni 產品線今年已經調整過一次影片費率，從每百萬個輸出 token 的 $17.50 降至 $12.00。如果你正在比較自架版本與租用版本，租用端在你腳下變動，正是成本直接轉嫁的帳單會讓你看見的變數。

如何決定

如果你需要圖像、需要在同一個模型中理解 3D 或影片、已有正在付費的 GPU 容量，而且授權條款對你的產品很重要，就以 InternLumina-U2 為基礎來建構。要接受：你執行的是研究產物——基準測試是作者自己做的，GenEval 表格自相矛盾，工具鏈也預期特定技術堆疊。

如果你需要帶聲音的動態影像、希望今天就有可用的端點，而且你的用量低到按秒計費比閒置的 GPU 更便宜，那就買 Gemini Omni 1.2 Flash。同時也要接受：你沒有品質基準測試、沒有文字輸出模式、沒有負向提示詞、編輯功能有地區限制，而且每一格畫面都帶浮水印。

要避免的錯誤，是把它當成一場評比競賽。這其實是在「下載」與「計量收費」之間做採購決定，而模型品質這個問題——兩個供應商都希望你爭論的那個問題——恰恰是雙方證據最少的問題。