← 全部模型

Gemini Omni Flash

发布时间 发布主体 Google

模型定位

Gemini Omni Flash 是 Google Gemini Omni 系列的首个模型,面向多模态视频生成和对话式视频编辑。Google 于 2026 年 5 月 19 日在 Google I/O 上发布该模型。(blog.google)

能力与用途

  • Google 的模型卡描述其可接收文本、图像、音频和视频,并生成带音频的高分辨率视频;可通过自然语言进行多轮编辑,适用于视频创作、风格转换和素材迭代。(deepmind.google)
  • 具体能力因产品和接口而异:Google Cloud 的 Gemini Omni Flash Preview 文档列出文本、图像和视频输入,但标注音频输入不受支持;该接口可输出视频和文本。(docs.cloud.google.com)
  • 发布时,Google 宣布通过 Gemini 应用、Google Flow 和 YouTube Shorts 提供体验,并计划随后向开发者及企业开放 API。(blog.google)

限制与状态

  • 官方模型卡指出,跨编辑保持完全一致、生成复杂运动场景以及准确呈现文字仍具挑战。使用须遵守 Google 的生成式 AI 使用政策。(deepmind.google)
  • Google Cloud 文档显示,Gemini Omni Flash Preview 自 2026 年 11 月 6 日起已弃用,并建议迁移至 Gemini Omni 1.2 Flash;后者是不同版本。(docs.cloud.google.com)

价格

查询日期:2026 年 11 月 16 日。Google Cloud Agent Platform 官方价目表将 Gemini Omni Flash 和 Gemini Omni 1.1 Flash 列在同一价格行,币种为美元(USD),单位均为每百万 token:(cloud.google.com)

计费项目 价格
输入:文本、图像、视频、音频 1.50 USD / 百万 token
文本输出:回答及推理 9.00 USD / 百万 token
视频输出 17.50 USD / 百万 token

价目表列出的输入计量为:每张图像 1,120 token、每秒音频 32 token、每秒视频最多 5,792 token;含音频的视频输出按分辨率计量:360p 为每秒 1,931 token、720p 为每秒 5,792 token、1080p 为每秒 8,688 token、4K 为每秒 17,376 token。具体接口是否支持某种输入,应以该接口文档为准。其他平台、订阅套餐及折扣价格未核实。(cloud.google.com)

官方来源