Gemini Omni 1.2 vs 1.1: Apa yang Berubah, Uji di Klip Nyata

Gemini Omni 1.2 Flash adalah model video Omni generasi ketiga dari Google: model ini membuat klip dengan suara yang tersinkron dari teks, gambar, atau video, dan perubahan utamanya dibanding Omni 1.1 bisa diringkas dalam satu kalimat. Take lebih panjang, biaya lebih rendah. Google merilisnya pada 5 November 2026; empat hari kemudian kami memasangnya di produksi BananaBanana dan sejak itu menjalankannya berdampingan dengan 1.1.

Jawaban singkat: Omni 1.2 merender 3 sampai 15 detik dalam satu take (1.1 berhenti di 10) dan sekitar 30% lebih murah per detik di setiap resolusi: $0.07 per detik di 720p, bukan $0.10. Suara tetap selalu aktif, perpanjangan tetap mentok di 40 detik, dan klip yang beranimasi antara frame pertama dan terakhir tetap dibatasi 10 detik. Untuk proyek baru, hampir tidak ada alasan bertahan di 1.1.

Di bawah ini ada angka-angkanya, prompt yang sama dirender di kedua model, dan kasus-kasus ketika 1.1 masih masuk akal.

Apa yang berubah antara Gemini Omni 1.1 dan 1.2?

Dua angka bergeser, dan beberapa klaim soal kualitas ikut menyertainya. Menurut pengumuman Google, panjang klip naik hingga 15 detik "dengan kelipatan satu detik dari 3 hingga 15 detik", harga 720p turun ke $0.07 per detik, dan model ini mendapat lip-sync yang lebih jelas, pembedaan beberapa pembicara yang lebih tegas, serta "jump cut yang tidak diinginkan jauh lebih sedikit". Kartu model menambahkan bahwa hasilnya masih membawa watermark SynthID yang tak terlihat.

Begini perbandingan kedua generasi di platform kami saat ini:

Satu detail dari log penagihan kami sendiri: 1.2 menghabiskan token output per detik persis sebanyak 1.1 (5,792 per detik di 720p, 17,376 di 4K). Modelnya tidak bekerja lebih sedikit. Google cukup memangkas harga token dari $17.50 menjadi $12 per juta, dan penghematan per detik langsung datang dari situ.

Gemini Omni 1.2 Flash, 10 detik di 720p, dengan suara. Ringkasan prompt: seorang mekanik sepeda mengencangkan baut, mendongak, lalu berkata "Most squeaks come from one loose bolt. Check this one first, then ride." Biaya: $0.70.

Prompt yang sama di kedua model: bagaimana hasil 1.2?

Saya menjalankan satu prompt di kedua generasi dengan pengaturan identik: 16:9, 720p, tepat 10 detik. Seorang perempuan berambut abu-abu pendek dengan celemek denim, bengkel sepeda, satu kalimat yang diucapkan, "single continuous shot, no scene cuts", dan baris "Audio:" yang meminta suaranya, bunyi klik kunci pas, dan suasana ruangan tanpa musik.

Prompt yang sama di Gemini Omni 1.1 Flash, 10 detik di 720p. Biaya: $1.00.

Yang saya lihat, frame demi frame:

• Keduanya bertahan di satu shot. Pemindaian deteksi adegan dengan ffmpeg tidak menemukan satu potongan pun di kedua file. Di 1.1 instruksi ini sangat berpengaruh; tanpanya Omni cenderung memotong klip menjadi beberapa sudut dengan sendirinya.
• Keduanya mengucapkan kalimatnya. Masing-masing perempuan menyampaikan kalimat naskah ke kamera dengan suara yang dibuat dalam proses yang sama. Trek audio 1.2 keluar jauh lebih keras (level rata-rata sekitar 4 dB lebih tinggi), praktis kalau Anda mengunggah tanpa mixing.
• 1.1 lebih harfiah mengikuti penampilan. Ia memberi rambut abu-abu pendek seperti di prompt; 1.2 memilih potongan bob sebatas dagu. Kecil, tapi jadi pengingat bahwa "lebih baik secara rata-rata" bukan berarti lebih baik di setiap take.
• 1.2 memakai kunci pas sebagai properti. Ia mengangkatnya ke arah lensa sambil bicara, dan hasilnya lebih terasa seperti video kreator sungguhan dibanding versi 1.1.

Apakah ini benchmark? Bukan. Ini cuma sepasang klip, dan Omni memberi take yang berbeda setiap kali (tidak ada seed untuk mengunci komposisi). Yang ditunjukkannya: 1.2 tidak kehilangan apa pun yang dikuasai 1.1, dan biayanya $0.30 lebih murah untuk 10 detik yang sama.

Apakah take 15 detik benar-benar berpengaruh?

Lebih dari yang tersirat dari lima detik tambahan. Sepuluh detik cukup untuk hook, tapi terlalu pendek untuk satu aksi utuh: menuang dari awal sampai akhir, membuka produk, ulasan singkat ke kamera. Di 1.1 Anda akan merender 10 detik lalu memperpanjangnya.

Gemini Omni 1.2 Flash, 15 detik di 720p dalam satu take. Ringkasan prompt: seorang perajin keramik membentuk mangkuk di meja putar, menghaluskannya dengan rib kayu, memotongnya lepas dengan kawat, lalu mengangkatnya ke papan; audio berupa dengung meja putar dan tanah liat basah, tanpa musik. Biaya: $1.05.

Jujur saja, saya kira klip ini bakal gagal di tengah jalan. Omni punya kebiasaan membuang kejadian yang muncul belakangan di prompt ("then she cuts it free…") lalu menyerahkan adegan yang cantik tapi statis. Kali ini tidak: tangan membentuk dinding mangkuk, rib kayu masuk, sekitar detik ke-11 kawat menyelip di bawah dasar, dan di detik ke-14 mangkuk sudah diangkat dari meja putar. Empat langkah, satu take, tanpa potongan. Satu klip memang tidak membuktikan banyak, tapi ini persis jenis prompt multi-langkah yang terus-terusan diratakan versi Omni sebelumnya menjadi adegan statis di tangan kami.

Sekarang soal uang. Mendapatkan 15 detik dari 1.1 berarti klip 10 detik ($1.00) ditambah perpanjangan 5 detik, dan perpanjangan ditagih berdasarkan panjang total hasilnya, jadi langkah kedua itu memakan 15 × $0.10 = $1.50. Total: $2.50. 15 detik yang sama di 1.2 dalam satu take: $1.05. Kurang dari separuhnya, dan Anda melewatkan satu langkah tempat perpanjangan bisa melenceng dari tampilan aslinya.

Berapa biaya per klip di Gemini Omni 1.2?

Setiap detik ditagih sesuai resolusi, sudah termasuk suara:

Google mencantumkan harga 1.2 sekitar $0.0232, $0.0695, $0.1043, dan $0.2085 per detik untuk keempat resolusi. Kami membulatkan ke sen terdekat, dan di 4K kami bulatkan ke bawah menjadi $0.20.

Bonus top-up menurunkan tarif efektif lebih jauh lagi. Deposit kripto $50 atau lebih menambah 5% ke saldo, $100 atau lebih menambah 10%, dan kode promo aktif menambah 10% lagi dari setiap deposit. Jadi $100 dalam kripto dengan kode menjadi saldo $120, sehingga satu detik 720p jatuh di kisaran $0.058 dan klip 720p penuh 15 detik sekitar $0.88. Pembayaran kartu, PayPal, dan SEPA dikreditkan tanpa bonus deposit.

Alur kerja saya: draf di 360p ($0.30 untuk 15 detik penuh), rapikan timing dan kamera di sana, lalu render ulang take terbaik di 720p. Ingat, draf dan versi final adalah dua generasi terpisah, jadi hasil final tidak akan menjadi upscale frame-demi-frame dari drafnya. Tabel lengkap untuk semua model ada di halaman harga.

Yang tidak berubah: batasan Omni 1.2

Plafon 15 detik tidak berlaku di semua tempat, dan justru di sinilah orang paling dulu tersandung.

• Frame pertama dan terakhir: tetap 10 detik. Saat kami menguji klip 12 detik di antara dua keyframe, API Google menolaknya dengan "Interpolation duration 12 seconds exceeds maximum duration 10 seconds". Studio dan server MCP kini membatasi kasus itu ke 10 detik sebelum menagih, jadi Anda tidak akan menemui error ini sendiri.
• Perpanjangan menambah 3–10 detik per langkah, total 40 detik. Mulai dari 15 hanya membuat Anda sampai ke sana dengan langkah lebih sedikit. Tidak ada yang bisa disisipkan di awal atau di tengah.
• Suara tidak bisa dimatikan. Setiap klip Omni punya trek audio. Kalau butuh hening, Veo 3.1 merender tanpa suara, dan Wan 3.0 bisa mematikannya secara gratis.
• Tanpa seed, tanpa kolom negative prompt, satu sampel per permintaan. Tulis pengecualian di dalam prompt ("no music", "no dialogue"); seringnya berhasil, tapi tidak selalu.
• Pengeditan ucapan dibatasi. Menurut kartu model, mengedit video bisa mengubah apa yang diucapkan orang, dan Google membatasi kemampuan itu untuk saat ini.

Google sendiri mengakui pekerjaan masih berlanjut untuk aksi olahraga yang cepat, perubahan naskah yang cepat, dan fisika yang rumit. Pendapat saya: kalau sebuah shot bergantung pada bola yang memantul dengan benar, render draf 360p dulu.

Haruskah beralih dari Omni 1.1 ke 1.2?

Untuk proyek baru, ya. Fitur sama, take lebih panjang, sekitar sepertiga lebih murah di setiap resolusi. Saya tidak bisa memikirkan brief baru yang membuat 1.1 menang di atas kertas.

Mempertahankan 1.1 masuk akal dalam dua kasus. Anda sedang melanjutkan seri yang dibuat dengannya dan ingin tampilannya konsisten antar-episode. Atau Anda sudah menyetel serangkaian prompt di 1.1 dan tafsirannya atas prompt itu persis seperti yang Anda mau (tes rambut di atas adalah contoh kecil betapa berbedanya kedua model membaca prompt). Kedua generasi tetap tersedia di generator dan lewat MCP, dan Anda memilih per klip.

Ada juga tanggal yang perlu diingat. Catatan rilis Google menyebutkan bahwa mulai 3 Desember 2026 Gemini API akan mengalihkan permintaan untuk gemini-omni-1.1-flash ke 1.2. Di sini keduanya masih bisa dipilih untuk sekarang; kalau itu berubah di pihak kami, artikel ini akan diperbarui.

Untuk melihat lebih dalam apa yang diterima dan ditolak API Omni, baca ulasan Gemini Omni Flash API kami. Halaman model dengan lebih banyak contoh klip ada di Gemini Omni 1.2.

FAQ

Apakah Gemini Omni 1.2 lebih bagus dari 1.1?

Dari spesifikasinya, ya: take 15 detik alih-alih 10 dan harga sekitar 30% lebih rendah, dengan fitur yang sama. Google juga mengklaim lip-sync lebih jelas dan jump cut yang tidak diinginkan lebih sedikit. Dalam uji berdampingan kami, keduanya menangani satu kalimat ucapan dalam satu shot; 1.2 berbiaya $0.70, sedangkan 1.1 $1.00.

Berapa durasi maksimal video Gemini Omni 1.2?

3 sampai 15 detik dalam satu generasi, bisa diatur per detik. Dengan frame pertama dan terakhir sekaligus, batasnya 10 detik. Adegan yang lebih panjang dibuat lewat perpanjangan, 3–10 detik per langkah, hingga total 40 detik.

Berapa harga klip Omni 1.2 berdurasi 10 detik?

$0.70 di 720p, $0.20 di 360p, $1.00 di 1080p, dan $2.00 di 4K, sudah termasuk suara. Generasi yang gagal dananya dikembalikan otomatis.

Apakah Omni 1.1 masih bisa dipakai?

Bisa. Omni 1.1 Flash tetap tersedia di samping 1.2 di generator dan server MCP, dan Anda memilih generasinya untuk setiap klip. Google berencana mengalihkan panggilan Gemini API untuk 1.1 ke 1.2 mulai 3 Desember 2026.

Bisakah Omni 1.2 membuat video tanpa suara?

Tidak. Setiap klip Omni punya trek audio. Anda bisa mendeskripsikannya di baris "Audio:" atau meminta "no music, no dialogue", tapi untuk klip yang benar-benar hening gunakan Veo 3.1 atau Wan 3.0.