Gemini Omni Flash vs Sora 2: Was lohnt sich 2026?

Gemini Omni Flash und Sora 2 sind die beiden KI-Videomodelle für kurze Clips, die synchronen Ton nativ erzeugen, im selben Durchgang wie das Bild. Omni Flash (gemini-omni-flash-preview) ist das Modell von Google, seit dem 30. Juni 2026 in der öffentlichen Preview, und genau das lasse ich hier bei BananaBanana in Produktion laufen. Sora 2 ist das Modell von OpenAI aus dem Oktober 2025. Es hat diesen Vergleich berühmt gemacht – und dann hat OpenAI es eingestellt.

Die Kurzfassung, falls du heute entscheiden musst:

• Sora 2 wird eingestellt. Die Sora-App und sora.com wurden am 26. April 2026 geschlossen. Laut der Deprecations-Seite der OpenAI-API werden die Videos API und alle Modell-Snapshots sora-2 / sora-2-pro am 24. September 2026 abgeschaltet.
• Omni Flash kostet bei BananaBanana $0.03–$0.30 pro Sekunde Video, je nach Auflösung (720p liegt bei $0.10/s), Ton inklusive – $0.30 für einen 3-Sekunden-Clip in 720p, $1.00 für volle zehn Sekunden in 720p – und Aufladungsboni ziehen davon noch etwa ein Sechstel ab.
• Qualitativ liegen die beiden ehrlicherweise näher beieinander, als Fans beider Lager zugeben, und es geht nicht nur um Pixel. Sora 2 Pro renderte bis 1080p, Omni Flash startete mit maximal 720p – inzwischen kommen 1080p und 4K per Upscale dazu. Bei Bewegungsrealismus und Physik liegen beide etwa gleichauf, und Omni bietet zusätzlich Bearbeitung im Dialog, die Sora nie hatte. Nicht vergessen: Omni Flash ist nicht einmal Googles Flaggschiff-Videomodell. Diesen Platz belegt Veo 3.1.
• Wenn du einen Sora-Ersatz für vertikale Kurzvideos mit Ton brauchst, ist Omni Flash das nächstliegende funktionierende Pendant, das du pro Clip bezahlen kannst.

Der Rest dieses Beitrags liefert die Details zu diesen vier Punkten, inklusive des einen Abschnitts, in dem Sora 2 auf dem Papier noch gewinnt.

Das Fazit in 30 Sekunden

Meine Einschätzung: Nimm Omni Flash, und zwar nicht nur, weil es im Oktober noch existieren wird. Zehn Cent pro Sekunde mit Ton ist genau das, was sora-2 über die API gekostet hat, und die Bearbeitung im Dialog verändert, wie du iterierst. Der eigentliche Kompromiss ist die Auflösung, und dazu sage ich unten klar meine Meinung.

Sora 2 wird abgeschaltet – und damit ist das meiste entschieden

Die Zeitleiste, damit du planen kannst. Am 24. März 2026 teilte OpenAI Entwicklern mit, dass die Videos API und alle Aliase der Sora-2-Modelle als veraltet gelten. Zuerst traf es die Endkunden: Die Sora-App und die Web-Version wurden am 26. April 2026 geschlossen. Die API funktioniert noch bis zum 24. September 2026; danach liefert laut Deprecations-Seite jeder Endpunkt einen Fehler. Ein Nachfolgemodell wurde nicht genannt.

Über die Gründe spekuliere ich nicht. Berichte deuten auf Rechenkosten hin, OpenAI selbst sprach von einer Portfolio-Entscheidung. Für alle mit einem Video-Workflow ist etwas anderes wichtig: Jede Pipeline, die auf Sora 2 aufbaut, hat ein festes Ablaufdatum, etwa zwei Monate von jetzt an.

Das rückt den ganzen Vergleich in ein anderes Licht. Vor sechs Monaten wäre dieser Beitrag ein Kampf der Datenblätter gewesen. Heute ist er vor allem eine Migrationsfrage: Wohin wechseln Sora-2-Nutzer, und was ändert sich für sie?

Für kurze Clips mit Ton gibt es drei realistische Ziele: Omni Flash, Veo 3.1 mit aktiviertem Ton und die Abo-Plattformen, die beide verpacken. Dieser Beitrag behandelt das erste; Omni Flash gegen Veo 3.1 haben wir ausführlich in unserem Omni-Flash-API-Test verglichen.

Ton: Beide backen ihn ein, aber du steuerst ihn unterschiedlich

Nativer Ton war das Aushängeschild von Sora 2, und deshalb ist der faire Vergleich der mit Omni Flash und nicht mit Videomodellen, die standardmäßig stumm sind. Beide Modelle erzeugen den Soundtrack im selben Durchgang wie die Bilder, Lippen, Schritte und Aufpralle sitzen also ohne separaten Foley-Schritt.

Der Unterschied liegt in der Steuerung. Sora 2 nahm Anweisungen zum Ton im Prompt entgegen und war bei Dialogen zwischen Figuren auffallend stark. Auch Omni Flash steuert den Ton ausschließlich über Text (einen eigenen Audio-Parameter gibt es nicht), und meiner Erfahrung nach reagiert es gut auf einen expliziten Block am Ende des Prompts: Audio: gentle rain, distant traffic, no music. Dialog in Anführungszeichen funktioniert. Negative Anweisungen wie „no music“ funktionieren meistens – was eine ehrliche Umschreibung dafür ist, dass sie manchmal eben nicht funktionieren.

Ein praktischer Hinweis aus dem Betrieb: Bei Omni ist der Ton immer an. Einen stummen Clip bekommst du nicht, nur zurückhaltendere Anweisungen. Wenn du Video ohne Ton brauchst, ist das ein Fall für Veo 3.1, wo Ton ein Häkchen ist, das auch den Preis ändert.

Bewegung und Physik: Was Omni Flash tatsächlich liefert

Datenblätter zeigen keine Bewegungsqualität, deshalb hier ein unbearbeiteter Clip direkt aus dem Modell. Generiert über dieselbe Pipeline, die auch unsere Nutzer verwenden, ein Versuch, keine Rosinenpickerei. Der Prompt verlangte Eistee, der bei warmem Morgenlicht in ein Glas gegossen wird, Kondenswasser am Glas, Makro-Nahaufnahme in einer durchgehenden Einstellung, als Tonanweisung eingießende Flüssigkeit und leise Atmosphäre.

Generiert mit Gemini Omni Flash auf BananaBanana, $1.00 inklusive Ton – ich habe die vollen zehn Sekunden angefordert, abgerechnet mit $0.10 pro Sekunde. Googles Omni-Flash-Dokumentation bestätigt den Bereich von 3–10 Sekunden und die Ausgabe in 720p/24fps. Einen Parameter für die Dauer listet die Doku nicht, aber das Anfrageformat akzeptiert ihn und er funktioniert – die Länge innerhalb dieses Bereichs wählst also du; die Auflösung nicht.

Flüssigkeit, Dampf und Kondenswasser sind genau die Art Physik, an der sich früher ernsthafte Videomodelle von Spielzeug unterschieden, und Omni bewältigt sie bei 24fps überzeugend. Den Physik-Ruf von Sora 2 gab es auch nicht umsonst. Die Launch-Demos von OpenAI setzten stark auf Turnübungen und Auftrieb, und das Modell war bei Ursache und Wirkung über mehrere Sekunden wirklich gut. Beim reinen Bewegungsrealismus würde ich es in 720p ein Unentschieden nennen – mit dem Vorbehalt, dass sich nur noch eines der beiden testen lässt. Diese Gleichwertigkeit ist bemerkenswerter, als sie klingt, denn Omni Flash ist nicht Googles Antwort auf Sora 2 im Sinne eines Flaggschiffs. In Googles eigener Modellpalette steht es unter Veo 3.1, ein schnelles Arbeitspferd statt eines Prestigemodells – und kommt trotzdem an Soras Physik heran.

Wo Sora 2 einen Vorsprung behielt, war die Auflösung: sora-2-pro renderte in 1080p, Omni Flash ursprünglich nicht. Omni Flash bei BananaBanana liefert inzwischen ebenfalls 1080p und 4K, allerdings als Upscale statt als natives Rendering in höherer Auflösung – das schließt den Großteil der Lücke für einen Feed oder sogar den Fernseher im Wohnzimmer. Was kein Upscaler repariert, ist Flüssigkeit, die falsch fließt, oder eine Hand, die durch ein Glas greift. Diese Physik bekommst du aus dem Modell heraus oder eben nicht, und deshalb würde ich sie bei der Wahl eines Ersatzes immer noch höher gewichten als die Auflösung. Wenn dein Ziel wirklich natives Rendering in 1080p oder 4K ist statt eines hochskalierten Durchgangs, ist Veo 3.1 (das nativ bis 4K rendert) das sicherere Werkzeug.

Bearbeitung im Dialog schlägt neues Prompten, und zwar deutlich

Das ist der strukturelle Vorteil von Omni Flash, und Sora 2 hatte darauf in der API nie eine Antwort.

Mit Sora 2 hast du so iteriert, wie wir es alle gelernt haben: Prompt anpassen, neu generieren, erneut zahlen, vergleichen. Jeder Versuch war ein neuer Würfelwurf, und jeder Versuch kostete den vollen Clip. Die Remix-Funktion der App deckte einen Teil davon ab, aber sie lebte in der App, und die App ist weg.

Omni Flash behandelt ein Video wie ein Gespräch. Du generierst einen Clip und schickst dann eine Folgeanweisung, die sich auf das vorherige Ergebnis bezieht: „mach daraus Golden Hour, alles andere bleibt gleich.“ Das Modell bearbeitet die bestehende Szene, statt sie neu auszuwürfeln. Gleiches Motiv, gleiche Kamera, eine Variable geändert. Bei BananaBanana ist eine Bearbeitung eine normale Generierung, sekundengenau abgerechnet – $1.00 für einen Zehn-Sekunden-Clip –, und im Generator haben wir sie als Edit-Button an jedem fertigen Clip eingebaut.

Zwei ehrliche Einschränkungen aus dem Betrieb. Halte Bearbeitungs-Prompts kurz; lange driften ab und verändern Dinge, die bleiben sollten. Und Ausgangsclips laufen auf Googles Seite nach einer Weile ab, die Bearbeitung eines eine Woche alten Videos kann also scheitern. Solche Fälle erstatten wir automatisch, aber die Lehre für den Workflow lautet: Schmiede das Eisen, solange es heiß ist.

Was kostet ein brauchbarer Clip wirklich?

Listenpreise pro Versuch, Stand Juli 2026. Die Zahlen zu Sora 2 stammen von der Preisseite von OpenAI und gelten bis zur Abschaltung im September; abgerechnet wurde pro Sekunde.

Nach reinen Listenpreisen kostete ein 8-Sekunden-Clip also bei beiden Modellen dasselbe, und sora-2-pro das Dreifache. Aber der Preis pro Versuch verschleiert die eigentliche Kennzahl, nämlich den Preis pro brauchbarem Clip. Kurzvideo-Arbeit ist iterativ. Braucht eine Szene bei einem Modell, bei dem man neu prompten muss, drei Versuche, zahlst du das Dreifache des Listenpreises. Mit Bearbeitung im Dialog sind Versuch zwei und drei gezielte Korrekturen statt neuer Würfe, und laut meinen Logs gelingen sie öfter als frische Generierungen.

Aufladungsboni verschieben die Rechnung weiter. Eine Krypto-Einzahlung ab $50 bringt 5 % extra aufs Guthaben, ab $100 sind es 10 %, und ein aktiver Promo-Code legt weitere 10 % der Einzahlung drauf. Kombinierst du die letzten beiden, werden aus $100 ganze $120 Guthaben. Damit kostet ein 10-Sekunden-Clip mit Omni effektiv $0.83 mit Ton und einer mit 3 Sekunden $0.25. Details findest du auf der Preisseite.

Nichts davon ist ein Abo. Das Guthaben verfällt nicht, und ein Monat, in dem du nichts generierst, kostet nichts. Das galt ironischerweise auch für die Sora-API – ein Grund, warum ihre Nutzer jetzt nach einem Ersatz mit Abrechnung pro Clip suchen und nicht nach einem Tarif für $30/Monat.

Welches für TikTok, Reels und Shorts?

Für vertikale Kurzvideos lautet die praktische Antwort im Juli 2026 Omni Flash, und das wäre sie vermutlich auch ohne die Abschaltung.

Das Format verlangt 9:16, unter 15 Sekunden, mit Ton. Omni liefert genau diesen Rahmen: 9:16 in 720p, 3–10 Sekunden, synchroner Ton in einer Generierung. 720p ist in einem Handy-Feed keine echte Einschränkung; der TikTok-Player selbst liefert selten mehr aus. Die Obergrenze von 10 Sekunden schmerzt hier weniger als irgendwo sonst, weil genau so diese Clips tatsächlich konsumiert werden – und da du die Länge selbst festlegst, kostet ein 5-Sekunden-Schnitt 50 Cent.

So sieht das in der Praxis aus: ein vertikaler Clip, generiert mit Omni Flash auf BananaBanana, erster Versuch, Soundtrack inklusive:

Der Prompt verlangte einen kurzen Produkt-Teaser: ein weißer Sneaker, der sich auf einem glänzenden Podest dreht, pastellfarbener Verlaufshintergrund, langsame Kamerafahrt nach vorn, eine durchgehende Einstellung, als Tonanweisung ein beschwingter, minimalistischer Beat. Ich habe die vollen 10 Sekunden angefordert, und die Musik hat das Modell selbst komponiert. Gesamtkosten: $1.00. Das ist die komplette Produktionspipeline für ein feedfertiges Hochformat-Video.

Der Workflow, der sich bei unseren Nutzern bewährt hat: Einen Basis-Clip aus einem Produktfoto oder einem Standbild generieren (siehe den Bild-zu-Video-Guide), dann Varianten per Bearbeitung im Dialog erzeugen. Stimmung der Caption, Licht, Jahreszeit ändern. Jede Variante kostet dieselben zehn Cent pro Sekunde und behält die Identität des Originals – genau das, was eine Content-Serie braucht.

Wo ich trotzdem zu Veo 3.1 greifen würde: exakte Längen für Werbeplätze, Auflösungen über 720p, stumme Clips für Overlays oder Kontrolle über Start- und Endbild für perfekte Loops. Auf der Gemini-Omni-Landingpage findest du die komplette Gegenüberstellung der Fähigkeiten, falls du zwischen den beiden Google-Modellen wählst.

FAQ

Gibt es Sora 2 im Jahr 2026 noch?

Teilweise, und nicht mehr lange. Die Sora-App und sora.com wurden am 26. April 2026 geschlossen. Die API liefert sora-2 und sora-2-pro noch aus, gilt aber als veraltet, und die Deprecations-Seite von OpenAI nennt den 24. September 2026 als Abschaltdatum für die gesamte Videos API. Danach schlagen Anfragen fehl.

Was ist die beste Sora-2-Alternative mit nativem Ton?

Gemini Omni Flash kommt beim Kernfunktionsumfang am nächsten heran: kurze Clips, synchroner Ton aus demselben Durchgang, Sounddesign per Prompt, Unterstützung für 9:16. Veo 3.1 mit aktiviertem Ton ist die Alternative, wenn du exakte Längen oder Auflösungen bis 4K brauchst.

Kann Gemini Omni Flash Videos in 1080p generieren?

Ja, inzwischen schon: Omni Flash gibt bei BananaBanana 360p bis 4K mit 24fps aus, wobei 1080p und 4K als Upscale und nicht als natives Rendering geliefert werden. Zum Start gab es laut Googles ursprünglicher Gemini-API-Dokumentation nur 720p – genau das, was Umsteiger von Sora 2 Pro früher verloren; diese Lücke ist inzwischen geschlossen. Für ein natives 4K-Rendering statt eines hochskalierten bleibt Veo 3.1 die Option.

Wie viel kostet Omni Flash pro Video?

Bei BananaBanana $0.03–$0.30 pro Sekunde Video je nach Auflösung (720p liegt bei $0.10/s), Ton inklusive: $0.30 für einen 3-Sekunden-Clip in 720p, $1.00 für volle zehn Sekunden in 720p. Boni auf Krypto-Einzahlungen (5 % ab $50, 10 % ab $100, plus 10 % für einen aktiven Promo-Code) drücken einen 10-Sekunden-Clip in 720p auf etwa $0.83.

Kann ich bei Omni Flash die Cliplänge wählen?

Bei BananaBanana ja: jede ganze Sekundenzahl von 3 bis 10, abgerechnet mit $0.03 bis $0.30 pro Sekunde je nach Auflösung. Googles Doku nennt keinen Parameter für die Dauer, aber das Anfrageformat akzeptiert ihn und er funktioniert – wir nutzen ihn in Produktion. Der einzige Fall, in dem du nicht wählst, ist die Bearbeitung: Ein bearbeiteter Clip ist immer exakt so lang wie sein Ausgangsclip, weil das Modell ein Video weder strecken noch kürzen kann.