
Gemini Omni Flash 1.2, que Google escribe como Gemini Omni 1.2 Flash, salió el 5 de noviembre de 2026, diez semanas después de la 1.1. Es el mismo tipo de modelo: video con audio nativo sincronizado, a partir de texto, imágenes fijas o clips cortos, que luego afinas con indicaciones de seguimiento. No trae un truco nuevo, sino techos más altos. Una generación llega a quince segundos, una edición cubre todo el clip y un segundo en 720p cuesta cerca de 30 % menos. Aquí las dos versiones van lado a lado, con lo que importa si haces videos para Reels, TikTok o Shorts.
Gemini Omni 1.2 Flash vs 1.1: los cuatro cambios que importan
Quince segundos en vez de diez. Una generación dura ahora de 3 a 15 segundos, con diez por defecto, mientras que la 1.1 llegaba a diez. Diez segundos son un fragmento que casi siempre hay que extender para que parezca una escena. En quince caben una aproximación, un giro y una llegada, así que más tomas salen completas en una sola pasada.
La edición cubre todo el clip. En la 1.2, una indicación de seguimiento se aplica a los quince segundos y puede cambiar la relación de aspecto de una toma ya aprobada. Sacar la versión vertical de un máster horizontal pasa a ser una edición y no una segunda generación.
Las referencias se organizan alrededor de las personas. La 1.2 admite hasta seis imágenes de referencia por solicitud, tres para cada uno de hasta dos personajes, mientras que la 1.1 anunciaba diez imágenes. El video de referencia ahora depende de la duración de salida: un clip de 11 a 15 segundos admite un video de referencia de hasta tres segundos, y uno de 3 a 10 segundos admite hasta tres.
El precio bajó. Google lista el 720p en cerca de US$0.07 por segundo, frente a unos US$0.10 de la 1.1, y un borrador en 360p en cerca de US$0.023. Un clip de quince segundos en 720p sale en unos US$1.04.
Especificaciones lado a lado
| Omni Flash 1.2 | Omni Flash 1.1 | |
|---|---|---|
| Anunciado | 5 de noviembre de 2026 | 27 de agosto de 2026 |
| ID del modelo | gemini-omni-1.2-flash | gemini-omni-1.1-flash |
| Clip por generación | De 3 a 15 s, 10 s por defecto | De 3 a 10 s |
| Extensión | De 3 a 10 s por turno, hasta 30 s en total | 10 s por turno, hasta 40 s en total |
| Alcance de la edición | El clip completo, incluida su relación de aspecto | La misma toma |
| Imágenes de referencia | 6 por solicitud; 3 para cada uno de hasta 2 personajes | Hasta 10 |
| Videos de referencia | 1 clip de 3 s con salida de 11 a 15 s; 3 clips con salida menor | Hasta 3 clips de 3 s |
| Resolución | 360p y 720p nativos; 1080p y 4K con escalado | 360p y 720p nativos; 1080p y 4K con escalado |
| Relaciones de aspecto | 16:9, 9:16 | 16:9, 9:16 |
| Precio por segundo en 720p | Cerca de US$0.07 | Cerca de US$0.10 |
| Precio por segundo en 360p | Cerca de US$0.023 | No publicado por resolución |
| Audio | Nativo, lip sync más claro, condicionamiento para varias voces | Nativo, diálogo y música en una sola pasada |
| Audio de entrada | No admitido en la API actual | No admitido |
| Marca de agua | SynthID | SynthID |
| En Morphic | Todavía no | Disponible en el selector de modelos de video |
La resolución y la relación de aspecto no cambian, y conviene decirlo claro: si el 720p en 16:9 te alcanzaba antes, el formato de salida no te obliga a migrar.
Lo que sigue igual
Los dos modelos generan video con sonido en una sola pasada y aceptan imágenes fijas y clips cortos como entrada. También interpolan entre un cuadro inicial y uno final, y siguen afinando una toma con indicaciones en lenguaje natural. Los dos marcan cada salida con SynthID. Ambos funcionan mejor en inglés para el diálogo y el texto en pantalla, y en otros idiomas el resultado es desigual. Ninguno acepta subir un audio ni edita una voz a través de la API.
Los puntos débiles también se mantienen. Google señala que la acción deportiva rápida, los guiones que cambian de rumbo con rapidez y la física compleja siguen en desarrollo en la 1.2. Las escenas con mucha gente son donde los sujetos rastreados se desvían, en ambas versiones. Editar o extender material que subiste tú no está disponible en el EEE, Suiza ni el Reino Unido.
Cambió un comportamiento que rompe los prompts viejos: las etiquetas entre ángulos que antes ataban una imagen a un rol quedaron obsoletas. Ahora Google pide describir el trabajo de cada archivo en lenguaje natural.
Cuál conviene usar
Para trabajo nuevo, la 1.2, y casi no hay decisión que tomar: dura más, cuesta menos por segundo y mantiene mejor un rostro o una etiqueta durante un movimiento de cámara, con los mismos formatos de salida. Las razones para fijarse en la 1.1 son históricas más que prácticas, porque Google ha dicho que las solicitudes a la 1.1 pasarán a la 1.2 desde el 3 de diciembre de 2026.
La restricción real es dónde generas. La 1.2 está en la API de Gemini y se despliega en las apps de Google, pero todavía no está en el catálogo de Morphic. La 1.1 sí, así que la estructura de prompt de la familia y el audio nativo ya están disponibles en Morphic, junto a Veo 3.1, Seedance 2.5 y Kling. Un brief escrito para la 1.2 casi siempre se traslada: la estructura, la dirección de audio y el hábito de cambiar una sola cosa por turno sirven igual. Lo que no se traslada es la duración de quince segundos ni el esquema de referencias.
Gemini Omni en Morphic hoy
Gemini Omni Flash 1.1 está en el selector de modelos de video de Morphic. Escribe la toma como un brief que incluya el audio y genera. El resultado queda en el Canvas, donde el mismo brief puede correr en otro modelo para comparar lado a lado. Después sigue afinando con indicaciones de seguimiento, un cambio concreto por vez.
Para la mecánica del prompt, lee la guía de Gemini Omni Flash 1.2. Para la especificación completa, mira la página del modelo Gemini Omni Flash 1.2 o la página del modelo Gemini Omni Flash 1.1.
Preguntas frecuentes
Con todo lo que Google ha publicado, sí. Una generación llega a quince segundos en lugar de diez, las ediciones se aplican al clip completo y la consistencia en los movimientos de cámara se describe como más estable. Además, un segundo de 720p cuesta cerca de 30 % menos. Los formatos de salida son idénticos, así que no hay que sopesar nada de resolución ni de relación de aspecto.
Cerca de 30 % por segundo. Google lista el 720p en unos US$0.07 frente a unos US$0.10 de la 1.1. Eso deja un clip de diez segundos en cerca de US$0.70 y uno de quince en cerca de US$1.04. Probar ideas en 360p cuesta unos US$0.023 por segundo, y el 1080p y el 4K se cobran más porque son escalados.
Google ha dicho que, a partir del 3 de diciembre de 2026, las solicitudes al modelo 1.1 pasan automáticamente a la 1.2 y se cobran con las tarifas de la 1.2. Es una redirección y no un anuncio de cierre. Aun así, el trabajo nuevo no tiene motivo para apuntar a la 1.1 en la API.
Admite menos imágenes, pero mejor organizadas. La 1.2 documenta seis imágenes de referencia por solicitud, tres para cada uno de hasta dos personajes, mientras que la 1.1 anunciaba diez. El video de referencia ahora depende de la duración que generes: un clip de hasta tres segundos para una salida de 11 a 15 segundos, y hasta tres clips por debajo de eso.
El texto sí. Las etiquetas no: los tokens entre ángulos que ataban una imagen a un rol quedaron obsoletos, y Google pide indicar el rol de cada archivo en lenguaje natural, por ejemplo usar la primera imagen como cuadro inicial. Lo otro que conviene revisar es la duración, porque un prompt escrito para diez segundos se queda corto en quince.
Google indica que el modelo rinde mejor en inglés para el diálogo y el texto en pantalla, y que en otros idiomas el resultado es desigual. Si tu video necesita voz en español, haz pruebas cortas antes de comprometer una toma larga y revisa la pronunciación y el texto en pantalla.
Todavía no. Gemini Omni Flash 1.1 genera en Morphic hoy, con audio nativo, junto a Veo 3.1, Seedance 2.5, Kling y el resto del catálogo. Además, Morphic tiene un plan gratis para probarlo.