Gemini Omni 1.2 vs. 1.1: Was ist neu? Test mit echten Clips

Gemini Omni 1.2 Flash ist Googles dritte Generation des Videomodells Omni: Es erzeugt Clips mit synchronem Ton aus Text, Bildern oder Video, und die wichtigste Neuerung gegenüber Omni 1.1 ist schnell erklärt. Längere Takes für weniger Geld. Google hat es am 5. November 2026 veröffentlicht; vier Tage später lief es bei BananaBanana in Produktion, und seitdem nutzen wir es parallel zu 1.1.

Kurze Antwort: Omni 1.2 rendert 3 bis 15 Sekunden in einem Take (1.1 ist bei 10 Schluss) und kostet in jeder Auflösung rund 30 % weniger pro Sekunde: $0.07 pro Sekunde in 720p statt $0.10. Der Ton ist weiterhin immer an, die Verlängerung endet weiterhin bei 40 Sekunden, und ein Clip, der zwischen Start- und Endbild animiert, ist weiterhin auf 10 Sekunden begrenzt. Für neue Projekte gibt es kaum einen Grund, bei 1.1 zu bleiben.

Unten findest du die Zahlen, denselben Prompt auf beiden Modellen und die Fälle, in denen 1.1 noch sinnvoll ist.

Was hat sich zwischen Gemini Omni 1.1 und 1.2 geändert?

Zwei Zahlen haben sich bewegt, dazu kommen ein paar Qualitätsversprechen. Laut Googles Ankündigung steigt die Cliplänge auf bis zu 15 Sekunden, „in Ein-Sekunden-Schritten von 3 bis 15 Sekunden“, 720p sinkt auf $0.07 pro Sekunde, und das Modell bekommt saubereren Lipsync, getrennte Steuerung mehrerer Sprecher und „deutlich weniger unerwünschte Jump Cuts“. Die Model Card ergänzt, dass die Ergebnisse weiterhin ein unsichtbares SynthID-Wasserzeichen tragen.

So stehen die beiden Generationen heute auf unserer Plattform da:

Ein Detail aus unseren eigenen Abrechnungslogs: 1.2 verbraucht pro Sekunde exakt so viele Output-Tokens wie 1.1 (5792 pro Sekunde in 720p, 17 376 in 4K). Das Modell arbeitet also nicht weniger. Google hat schlicht den Tokenpreis von $17.50 auf $12 pro Million gesenkt, und die Ersparnis pro Sekunde ergibt sich direkt daraus.

Gemini Omni 1.2 Flash, 10 Sekunden in 720p, mit Ton. Der Prompt in Kurzform: Eine Fahrradmechanikerin zieht eine Schraube fest, schaut auf und sagt „Most squeaks come from one loose bolt. Check this one first, then ride.“ Kosten: $0.70.

Derselbe Prompt auf beiden Modellen: Wie schlägt sich 1.2?

Ich habe einen Prompt mit identischen Einstellungen durch beide Generationen geschickt: 16:9, 720p, genau 10 Sekunden. Eine Frau mit kurzen grauen Haaren in einer Jeansschürze, eine Fahrradwerkstatt, ein gesprochener Satz, „single continuous shot, no scene cuts“ und eine „Audio:“-Zeile, die ihre Stimme, Klicken des Schraubenschlüssels und Raumklang ohne Musik verlangt.

Derselbe Prompt auf Gemini Omni 1.1 Flash, 10 Sekunden in 720p. Kosten: $1.00.

Was ich gesehen habe, Frame für Frame:

• Beide blieben bei einer Einstellung. Eine Szenenerkennung mit ffmpeg fand in keiner der beiden Dateien einen Schnitt. Bei 1.1 war diese Anweisung sehr wichtig; ohne sie schneidet Omni einen Clip gern von sich aus in mehrere Blickwinkel.
• Beide sprachen den Satz. Jede der beiden Frauen sagt den vorgegebenen Satz in die Kamera, mit einer Stimme, die im selben Durchgang generiert wurde. Die Tonspur von 1.2 kam merklich lauter heraus (im Schnitt etwa 4 dB höherer Pegel) – praktisch, wenn du ohne Abmischung postest.
• 1.1 hielt sich wörtlicher an das Aussehen. Es gab ihr die kurzen grauen Haare aus dem Prompt; 1.2 entschied sich für einen kinnlangen Bob. Eine Kleinigkeit, aber sie erinnert daran, dass „im Schnitt besser“ nicht „bei jedem Take besser“ heißt.
• 1.2 nutzte den Schraubenschlüssel als Requisite. Sie hält ihn beim Sprechen in Richtung Objektiv, was eher nach einem echten Creator-Video aussieht als die Version von 1.1.

Ist das ein Benchmark? Nein. Es ist ein einziges Clip-Paar, und Omni liefert jedes Mal einen anderen Take (es gibt keinen Seed, um eine Komposition festzuhalten). Es zeigt aber, dass 1.2 nichts verloren hat, was 1.1 gut konnte – und für dieselben 10 Sekunden $0.30 weniger gekostet hat.

Bringt ein 15-Sekunden-Take wirklich etwas?

Mehr, als die fünf zusätzlichen Sekunden vermuten lassen. Zehn Sekunden reichen für einen Hook, sind aber knapp für eine vollständige Handlung: ein Einschenken von Anfang bis Ende, ein Produkt, das ausgepackt wird, eine kurze Review in die Kamera. Mit 1.1 hättest du 10 Sekunden gerendert und dann verlängert.

Gemini Omni 1.2 Flash, 15 Sekunden in 720p in einem einzigen Take. Der Prompt in Kurzform: Eine Keramikerin formt auf der Töpferscheibe eine Schale, glättet sie mit einer Holzschiene, schneidet sie mit einem Draht ab und hebt sie auf ein Brett; auf der Tonspur das Summen der Scheibe und schmatzender nasser Ton, keine Musik. Kosten: $1.05.

Ehrlich gesagt hatte ich erwartet, dass dieser Clip auf halber Strecke scheitert. Omni neigt dazu, spätere Ereignisse in einem Prompt („then she cuts it free…“) unter den Tisch fallen zu lassen und eine hübsche, aber statische Szene zurückzugeben. Hier nicht: Die Hände formen die Wände, die Schiene kommt zum Einsatz, um Sekunde 11 herum fährt der Draht unter den Boden, und bei Sekunde 14 wird die Schale von der Scheibe gehoben. Vier Schritte, ein Take, keine Schnitte. Ein einzelner Clip beweist wenig, aber genau solche mehrstufigen Prompts haben frühere Omni-Versionen bei uns immer wieder zu einer statischen Szene plattgedrückt.

Jetzt zum Geld. 15 Sekunden aus 1.1 bedeuten einen 10-Sekunden-Clip ($1.00) plus eine Verlängerung um 5 Sekunden, und eine Verlängerung wird nach der gesamten resultierenden Länge abgerechnet, der zweite Schritt kostet also 15 × $0.10 = $1.50. Summe: $2.50. Dieselben 15 Sekunden mit 1.2 in einem Take: $1.05. Das ist weniger als die Hälfte, und du sparst dir einen Schritt, bei dem die Verlängerung vom ursprünglichen Look wegdriften könnte.

Was kostet ein Clip mit Gemini Omni 1.2?

Jede Sekunde wird nach Auflösung abgerechnet, Ton inklusive:

Google gibt für 1.2 etwa $0.0232, $0.0695, $0.1043 und $0.2085 pro Sekunde für die vier Auflösungen an. Wir runden auf den Cent, und bei 4K runden wir auf $0.20 ab.

Aufladeboni senken den effektiven Preis weiter. Eine Krypto-Einzahlung ab $50 bringt 5 % zusätzliches Guthaben, ab $100 sind es 10 %, und ein aktiver Promo-Code legt auf jede Einzahlung noch einmal 10 % obendrauf. Aus $100 in Krypto mit Code werden so $120 Guthaben – eine Sekunde in 720p kostet dann rund $0.058 und ein voller 15-Sekunden-Clip in 720p etwa $0.88. Zahlungen per Karte, PayPal und SEPA werden ohne Einzahlungsbonus gutgeschrieben.

Mein Workflow: Entwurf in 360p ($0.30 für volle 15 Sekunden), dort Timing und Kamera festzurren, dann den gelungenen Take in 720p neu rendern. Denk daran, dass Entwurf und finale Version getrennte Generierungen sind – die finale Version ist also kein bildgenaues Upscaling des Entwurfs. Vollständige Tabellen für alle Modelle findest du auf der Preisseite.

Was gleich geblieben ist: die Grenzen von Omni 1.2

Die 15-Sekunden-Obergrenze gilt nicht überall, und genau darüber stolpern die meisten zuerst.

• Start- und Endbild: weiterhin 10 Sekunden. Als wir einen 12-Sekunden-Clip zwischen zwei Keyframes getestet haben, hat Googles API ihn mit „Interpolation duration 12 seconds exceeds maximum duration 10 seconds“ abgelehnt. Das Studio und der MCP-Server begrenzen diesen Fall jetzt schon vor der Abbuchung auf 10 Sekunden, du läufst also nicht selbst in den Fehler.
• Die Verlängerung hängt pro Schritt 3–10 Sekunden an, insgesamt bis 40 Sekunden. Wer mit 15 startet, kommt nur in weniger Schritten dorthin. Am Anfang oder in der Mitte lässt sich nichts einfügen.
• Der Ton lässt sich nicht abschalten. Jeder Omni-Clip hat eine Tonspur. Wenn du Stille brauchst: Veo 3.1 rendert ohne Ton, und bei Wan 3.0 kannst du ihn kostenlos abschalten.
• Keine Seeds, kein Feld für Negativprompts, ein Ergebnis pro Anfrage. Schreib Ausschlüsse in den Prompt („no music“, „no dialogue“); das klappt meistens, aber nicht immer.
• Sprachbearbeitung ist eingeschränkt. Laut Model Card kann die Bearbeitung eines Videos verändern, was Personen sagen, und Google beschränkt diese Fähigkeit vorerst.

Google selbst sagt, dass an schneller Sport-Action, raschen Skriptwechseln und komplexer Physik weiter gearbeitet wird. Meine Einschätzung: Wenn eine Einstellung davon abhängt, dass ein Ball richtig aufspringt, render zuerst einen Entwurf in 360p.

Solltest du von Omni 1.1 auf 1.2 wechseln?

Für neue Projekte: ja. Dieselben Funktionen, längere Takes, in jeder Auflösung rund ein Drittel günstiger. Mir fällt kein neues Briefing ein, bei dem 1.1 auf dem Papier gewinnt.

1.1 zu behalten, ist in zwei Fällen sinnvoll. Du setzt eine Serie fort, die damit gedreht wurde, und willst, dass der Look zwischen den Folgen konsistent bleibt. Oder du hast eine Reihe von Prompts auf 1.1 abgestimmt, und seine Interpretation davon ist genau das, was du willst (der Haar-Test oben ist ein kleines Beispiel dafür, wie unterschiedlich die beiden einen Prompt lesen). Beide Generationen bleiben im Generator und über MCP verfügbar, und du wählst pro Clip.

Ein Datum solltest du dir außerdem merken. Laut Googles Release Notes leitet die Gemini API ab dem 3. Dezember 2026 Anfragen an gemini-omni-1.1-flash auf 1.2 um. Bei uns bleiben vorerst beide wählbar; falls sich das auf unserer Seite ändert, aktualisieren wir diesen Beitrag.

Mehr dazu, was die Omni-API annimmt und was sie ablehnt, steht in unserem Test der Gemini Omni Flash API. Die Modellseite mit weiteren Beispielclips ist Gemini Omni 1.2.

FAQ

Ist Gemini Omni 1.2 besser als 1.1?

Auf dem Papier ja: 15-Sekunden-Takes statt 10 und rund 30 % niedrigere Preise bei denselben Funktionen. Google verspricht außerdem saubereren Lipsync und weniger unerwünschte Jump Cuts. In unserem direkten Vergleich haben beide einen gesprochenen Satz in einer Einstellung umgesetzt; 1.2 kostete $0.70 statt $1.00.

Wie lang kann ein Video mit Gemini Omni 1.2 sein?

3 bis 15 Sekunden in einer Generierung, sekundengenau einstellbar. Mit Start- und Endbild liegt die Grenze bei 10 Sekunden. Längere Szenen entstehen per Verlängerung, 3–10 Sekunden pro Schritt, insgesamt bis zu 40 Sekunden.

Was kostet ein 10-Sekunden-Clip mit Omni 1.2?

$0.70 in 720p, $0.20 in 360p, $1.00 in 1080p und $2.00 in 4K, Ton inklusive. Fehlgeschlagene Generierungen werden automatisch erstattet.

Kann ich Omni 1.1 noch nutzen?

Ja. Omni 1.1 Flash bleibt neben 1.2 im Generator und im MCP-Server verfügbar, und du wählst die Generation für jeden Clip. Google will Gemini-API-Aufrufe für 1.1 ab dem 3. Dezember 2026 auf 1.2 umleiten.

Kann Omni 1.2 ein Video ohne Ton erzeugen?

Nein. Jeder Omni-Clip hat eine Tonspur. Du kannst sie in einer „Audio:“-Zeile beschreiben oder „no music, no dialogue“ verlangen, aber für einen wirklich stummen Clip nimm Veo 3.1 oder Wan 3.0.