Gemini Omni 1.2 Flash：更长视频与更低成本

视频生成赛道的竞争焦点，正在从「能不能生成」转向「能不能用得起、用得顺」。Google 发布的 Gemini Omni 1.2 Flash 就是一次针对这个转向的回应：原生支持 15 秒视频的生成与编辑，一致性更强，价格下降 30%。三个变化叠加在一起，指向的都是同一个目标——让视频生成真正进入可以规模化调用的阶段。

15 秒原生生成意味着什么

此前不少视频模型的「长视频」能力，本质上靠的是拼接：先生成若干短片段，再在时间轴上缝合。这种做法在片段交界处容易出现主体漂移、光照跳变、运动断裂。Gemini Omni 1.2 Flash 强调的是「原生 15 秒」，即模型在一次生成过程中直接覆盖更长的时序，而不是事后拼接。

这对实际使用的影响很直接。15 秒已经接近一条短视频平台单条内容的常见长度，也足以承载一个完整的动作段落或镜头运动。创作者不需要再为「多生成几段再挑一段」付出额外成本，剪辑环节的返工量也随之减少。

编辑能力与一致性提升

视频生成的真正门槛往往不在首帧，而在「改得动」。一个镜头生成出来之后，想换主体、调色调、改局部动作，如果模型无法在多次编辑之间保持同一主体的外观与场景逻辑，整个工作流就会崩塌。

Gemini Omni 1.2 Flash 在这一点上做了强化，官方表述是「更强的一致性」。虽然素材没有披露具体的一致性评测指标，但从产品定位看，这项能力服务于的是多轮编辑场景：同一个镜头反复修改后，画面仍然像是同一个镜头，而不是每次重掷一次骰子。

降价 30% 的商业信号

价格下降 30% 是这次更新里最容易被低估的一项。视频生成的计算成本远高于文本和图像，调用价格一直是它难以进入日常生产流程的主要障碍。降价三成之后，单位成本的下降会直接改变一些场景的经济性——批量生成素材做 A/B 测试、为电商商品批量产出短视频、在创意阶段快速铺量筛选方向，这些原本「算不过账」的用法开始变得可行。

Flash 这个后缀本身就是 Google 一贯的产品语言，代表的是速度与成本的优先，而非能力上限。把它放在视频生成上，说明 Google 认为当前阶段的竞争重点，已经不只是跑分，而是谁能先把调用量做起来。

Flash 产品线是 Google 大模型体系中的轻量高速分支，命名对应速度与成本优先的定位，与能力上限更高的 Pro 系列形成分层。Flash 型号通常以更低的延迟和单价换取略逊于旗舰的复杂推理表现，适合高并发、批量调用的生产场景。将这一后缀引入视频生成，意味着 Google 把视频模型也纳入了「按性价比分层」的产品逻辑：先用可承受的单位成本把调用量做起来，再让对质量有极致要求的用户转向更高阶型号。

视频生成进入「工程化」阶段

把这三项变化放在一起看，Gemini Omni 1.2 Flash 的定位很清楚：它不是要在生成质量上压过所有对手，而是要把视频生成变成一个可以稳定接入生产管线的组件。更长的原生时长减少了拼接环节，一致性提升降低了编辑返工，价格下降打开了批量调用的空间——三者共同作用，缩短的是从「模型能做什么」到「产品能用它做什么」之间的距离。

对开发者和内容团队来说，接下来值得关注的是实际接入后的表现：多轮编辑下的一致性是否真的稳定，15 秒片长在复杂动作场景里是否还能保持结构，以及降价后的实际账单是否与预期一致。这些问题的答案，决定的是这项能力能不能从演示走向日常。

视频模型的一致性通常指模型在多次生成或多次编辑之间，保持同一主体外观、场景光照与运动逻辑稳定的能力。在单次生成中，一致性表现为人物身份不漂移、物体形状随视角变化合理；在跨轮编辑中，则要求换背景、调色调或局部重绘后，其余部分不发生非预期改变。业界常用身份保持度、时序连贯性与编辑局部性等维度衡量。一致性不足是视频生成难以嵌入后期工作流的核心原因之一，因为它会让每一次修改都像重新生成，累积返工成本。