Respuesta rápida: Gemini Omni 1.2 Flash es el modelo de generación y edición de video de Google con disponibilidad general, lanzado el 5 de noviembre de 2026. Genera clips de 3 a 15 segundos con audio nativo, cuesta alrededor de $0.07 por segundo a 720p y funciona en la Interactions API bajo el identificador de modelo gemini-omni-1.2-flash. A partir del 3 de diciembre de 2026, las solicitudes a la versión 1.1 se redirigirán a este modelo.
Esa última fecha es la razón por la que este lanzamiento importa si ya publicas contenido de video. Tu código de la versión 1.1 seguirá funcionando, pero un modelo diferente responderá a tus solicitudes en menos de un mes.
Si no conoces esta familia de modelos, empieza por qué es Gemini Omni. Para los detalles del lanzamiento de la versión 1.1, consulta nuestra publicación sobre Omni 1.1 Flash. Esta guía cubre lo que la versión 1.2 significa para quien está desarrollando hoy.
Qué hace Gemini Omni 1.2 Flash
Gemini Omni 1.2 Flash recibe texto, imágenes y video como entrada y devuelve video con sonido. Genera clips nuevos, edita clips a lo largo de varios turnos y los extiende, todo a través de una sola API. Eliges la duración en pasos de un segundo y estableces la resolución por solicitud.
El anuncio menciona cinco capacidades que vale la pena conocer:
- Fidelidad a las referencias. Las imágenes de personaje, producto y estilo ayudan a que rostros, prendas, empaques y colores de marca se mantengan consistentes entre distintos ángulos. Puedes usar hasta 6 imágenes de referencia, con un máximo de 3 por personaje y hasta 2 personajes.
- Consistencia. Google afirma que los personajes, objetos y escenas se mantienen mejor desde el primer fotograma hasta el último, incluida la interpolación entre el primer y el último fotograma clave.
- Edición multi-turno. Cambia un producto, modifica el clima o ajusta la relación de aspecto en un turno posterior, sin empezar de cero.
- Diálogo. Google asegura diálogos más naturales, mejor sincronización labial y un condicionamiento diferenciado para varios hablantes.
- Control de cámara. Recorridos FPV y órbitas, con menos cortes de salto no deseados.
Estas afirmaciones sobre la calidad provienen de Google. No publicó benchmarks, así que tómalas como una razón para hacer pruebas, no como resultados.
Qué cambió respecto a Gemini Omni 1.1 Flash
Tres cosas afectan tu código: la duración de los clips, el precio y la sintaxis de los prompts. Ambos modelos funcionan sobre la Interactions API, así que migrar implica cambiar la cadena del modelo y volver a hacer pruebas.
| Omni 1.1 Flash | Omni 1.2 Flash | |
|---|---|---|
| Estado | Generación anterior | Disponibilidad general |
| ID del modelo | gemini-omni-1.1-flash |
gemini-omni-1.2-flash |
| Clip individual más largo | 10 segundos | 15 segundos |
| Precio de salida de video | $17.50 por 1M de tokens | $12.00 por 1M de tokens |
| Costo por segundo a 720p | unos $0.10 | unos $0.07 |
| Precio de entrada | $1.50 por 1M de tokens | $1.50 por 1M de tokens |
| Imágenes de referencia al extender | No compatible | Hasta 2, en Agent Platform |
| Nivel gratuito de la Gemini API | No disponible | No disponible |
El límite de 15 segundos tiene excepciones. La interpolación entre primer y último fotograma se mantiene en 3 a 10 segundos, y pedir más devuelve un error de argumento inválido. Los videos de referencia también se reducen: las salidas de 3 a 10 segundos admiten hasta 3 clips, mientras que las de 11 a 15 segundos admiten solo 1. Cada clip puede durar hasta 3 segundos. Por lo tanto, un único control de duración que llegue a 15 puede romper tu modo de fotogramas clave.
La documentación también advierte contra las etiquetas de control como <FIRST_FRAME> y <IMAGE_REF_0> en los prompts. Google las declara obsoletas y sin soporte en modelos futuros. En su lugar, describe la función de cada entrada en lenguaje natural.
Precios de Gemini Omni 1.2 Flash por resolución
Omni factura por token de salida, y la página de precios de Google lo convierte en tarifas por segundo. Un segundo a 720p equivale a 5,792 tokens. Estos son solo costos de salida, y los tokens de entrada añaden una pequeña cantidad adicional.
| Resolución | Por segundo | Clip de 5 segundos | Clip de 15 segundos |
|---|---|---|---|
| 360p | $0.023 | $0.12 | $0.35 |
| 720p | unos $0.07 | unos $0.35 | unos $1.04 |
| 1080p (remezclado) | $0.104 | $0.52 | $1.56 |
| 4K (remezclado) | $0.209 | $1.05 | $3.14 |
El flujo de trabajo sugerido por Google es hacer borradores a 360p o 720p, corregir problemas con ediciones de seguimiento en lugar de generaciones nuevas, y pasar a 1080p o 4K al final. Los números lo confirman: nueve borradores de 15 segundos a 360p cuestan aproximadamente lo mismo que una sola renderización de 15 segundos a 4K.
Dos advertencias para tu presupuesto. No hay precios de Batch listados para este modelo. Y no ejecutamos un reescalado de pago, así que confirma cómo se factura un borrador terminado a 1080p o 4K antes de planificar en base a ello. Para los cálculos de tokens con más detalle, consulta nuestro desglose de precios de Omni 1.1 y sustituye la tarifa de $12.00.
Dónde puedes invocar Gemini Omni 1.2 Flash
Puedes acceder al modelo a través de dos APIs y cuatro aplicaciones de Google. Las rutas para desarrolladores son:
- Gemini API. Usa
POST https://generativelanguage.googleapis.com/v1beta/interactionscon una clave de API de Google AI Studio. - Vertex AI Studio y Gemini Enterprise Agent Platform. Usa el endpoint global de
interactionscon un proyecto de Google Cloud y un token de acceso. La documentación de extensión de Google muestra la estructura de la solicitud.
Las rutas de aplicación no requieren código:
- Flow: edición de escenas multi-turno.
- Google Vids: clips de 15 segundos sin costo adicional con una cuenta de Google o una suscripción a Workspace.
- Aplicación Gemini: videos de 15 segundos, en despliegue progresivo para suscriptores de Google AI Ultra.
- Google Ads: campañas de video.
Una llamada mínima a la Gemini API se ve así:
curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-omni-1.2-flash",
"input": "A marble rolling fast along a chain reaction track, one smooth shot.",
"response_format": {
"type": "video",
"duration": "3s",
"resolution": "360p",
"delivery": "uri"
}
}'
La respuesta es un objeto de interacción con id, status y un arreglo steps. El video se encuentra en un paso model_output como video/mp4. Por defecto llega como base64 en data. Establece "delivery": "uri" para cualquier contenido mayor de 4MB, y luego consulta la Files API hasta que el archivo esté en estado ACTIVE. Una trampa a tener en cuenta: un GET posterior sobre la interacción devuelve base64 en línea incluso si pediste un URI, así que guarda el URI de la respuesta de creación. La documentación de Omni incluye ejemplos en Python, JavaScript, Java, Go y REST, y nuestra guía de la API de Omni 1.1 recorre el mismo flujo de solicitud.
Para editar un clip, pasa previous_interaction_id junto con un nuevo prompt. No establezcas store en false en un clip que planeas editar, porque eso bloquea los turnos posteriores. Nuestra guía de extensión cubre el encadenamiento. Si aún estás eligiendo un proveedor, lee Omni 1.2 Flash o Veo.
Qué significa la redirección del 3 de diciembre para tu aplicación
A partir del 3 de diciembre de 2026, Google redirige toda solicitud a gemini-omni-1.1-flash hacia gemini-omni-1.2-flash y la factura con las tarifas de la versión 1.2. Nada devuelve errores. Tu segundo a 720p se abarata alrededor de un 30%, y un modelo diferente empieza a responder tus prompts existentes.
El riesgo es el cambio silencioso, así que migra según tu propio calendario:
- Cambia la cadena del modelo ahora. Elige tu propia fecha de prueba en lugar de heredar la de Google.
- Vuelve a ejecutar tus prompts guardados. Compara los clips lado a lado, especialmente los que incluyan habla o elementos de marca.
- Actualiza tus estimaciones de costos. Cualquier valor fijo de $0.10 por segundo quedará obsoleto tras el cambio.
- Limita las duraciones por modo. Permite 15 segundos para generación simple y 10 para fotogramas clave.
- Reemplaza las etiquetas de control. Reescribe cualquier prompt que aún use etiquetas del estilo de
<IMAGE_REF_0>. - Usa entrega por URI para clips largos. Una salida de 15 segundos es más propensa a superar el límite en línea de 4MB.
Ese aviso aparece en la página de precios de la Gemini API. Si invocas a través de Agent Platform, revisa la página de modelos de esa plataforma para conocer su propio calendario.
En qué sigue fallando Gemini Omni 1.2 Flash
Google señala tres puntos débiles: acción deportiva rápida, cambios bruscos de guion y física compleja. Si tu producto depende de alguno de ellos, prueba primero esos prompts.
La documentación añade límites estrictos:
- Sin controles de prompt. Las instrucciones del sistema, la temperatura,
top_p, las secuencias de parada y los campos de prompt negativo no son compatibles. Escribe las exclusiones dentro del prompt. - Bloqueos regionales. Editar o extender videos subidos no está disponible en el EEE, Suiza ni el Reino Unido.
- Solo adición al final. La extensión añade contenido al final de un clip. No puede anteponer ni modificar la parte central.
- Idioma. El inglés cuenta con soporte completo. Google considera que los demás idiomas no están probados.
- Procedencia. Cada salida lleva una marca de agua imperceptible de SynthID.
Además, las páginas propias de Google se contradicen en tres puntos, así que prueba en la plataforma donde publicarás:
- Duración extendida. La documentación de la Gemini API indica 30 segundos en total. La de Agent Platform indica hasta 40.
- Audio. El anuncio menciona señales de audio como entrada de referencia. La documentación de la Gemini API lista las entradas de audio como no compatibles.
- Provisioned Throughput. El anuncio dice que está disponible para clientes empresariales. La documentación de la Gemini API lo lista como no compatible, así que espéralo solo del lado empresarial.
Deja que tu agente de código lo pruebe con Apidog CLI
Una redirección es el tipo de cambio que una prueba de contrato debería detectar. Tu agente de código puede escribir esa prueba contra la Interactions API y ejecutarla desde la terminal, mientras tú revisas el resultado. Configura Apidog CLI una sola vez:
npm install -g apidog-cli@latest
apidog auth login --with-token <YOUR_TOKEN>
apidog skill install
Luego dale a Claude Code, Codex o Cursor un único prompt:
In Apidog project <id>, create an endpoint for POST /v1beta/interactions on
generativelanguage.googleapis.com, sending x-goog-api-key from {{GEMINI_API_KEY}}.
Add a test case that requests gemini-omni-1.2-flash at 3s, 360p, delivery uri.
Assert HTTP 200, object is "interaction", status is "completed", and steps holds
a model_output entry of type video with mime_type video/mp4 and a uri.
Run it and summarize any failures.
El agente lee cada esquema, valida su carga útil, escribe el caso y lo ejecuta:
apidog cli-schema get endpoint-create
apidog cli-schema validate endpoint-create --file omni.json
apidog endpoint create --project <id> --file omni.json
apidog test-case category --project <id>
apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project <id> --file case.json
apidog run --test-case <caseId> --project <id> -e <envId> \
--env-var "GEMINI_API_KEY=$GEMINI_API_KEY" \
--timeout-request 300000 -r cli,json
Cada ejecución factura video real, y esta prueba cuesta unos $0.07, así que prográmala de forma nocturna en lugar de en cada commit. Para cubrir la redirección, pide al agente que clone el caso con la cadena del modelo 1.1 y ejecute ambos antes del 3 de diciembre. La misma línea de apidog run con -r junit se integra en un pipeline, como muestra nuestra guía de CI/CD con Apidog CLI, y Apidog CLI en Claude Code cubre la configuración del agente. Apidog Free cubre hasta 4 usuarios.
Preguntas frecuentes
¿Es gratuito Gemini Omni 1.2 Flash? No en la API. Google lista el nivel gratuito de la Gemini API como "No disponible" tanto para entrada como para salida. Google Vids ofrece clips de 15 segundos sin costo adicional con una cuenta de Google o una suscripción a Workspace.
¿Cuál es el ID del modelo? gemini-omni-1.2-flash, en la Interactions API en lugar de generateContent.
¿Cuánto puede durar un video de Gemini Omni 1.2 Flash? Un solo clip dura de 3 a 15 segundos en pasos de un segundo, con un valor predeterminado de 10. La extensión añade de 3 a 10 segundos por turno. La duración extendida máxima es de 30 segundos según la documentación de la Gemini API y de hasta 40 según la de Agent Platform.
¿Qué pasa con mi código de Omni 1.1 el 3 de diciembre? Sigue funcionando. Las solicitudes a gemini-omni-1.1-flash se redirigen a gemini-omni-1.2-flash y se facturan con las tarifas de la versión 1.2, así que vuelve a probar tus prompts antes de esa fecha.
¿Genera audio Gemini Omni 1.2 Flash? Sí, el clip incluye audio nativo. No puedes subir archivos de audio como entrada a través de la Gemini API, y el audio de los videos de referencia se ignora.
¿Hay benchmarks de la versión 1.2 frente a la 1.1? No. Google no publicó ninguno, así que ejecuta tus propios prompts en ambas versiones antes del 3 de diciembre.