Gemini Omni 1.2 vs 1.1: o que mudou, testado em clipes reais

O Gemini Omni 1.2 Flash é o modelo de vídeo Omni de terceira geração do Google: ele gera clipes com som sincronizado a partir de texto, imagens ou vídeo, e a grande mudança em relação ao Omni 1.1 cabe numa frase. Tomadas mais longas por menos dinheiro. O Google lançou o modelo em 5 de novembro de 2026; nós o colocamos em produção no BananaBanana quatro dias depois e, desde então, ele roda ao lado do 1.1.

Resposta rápida: o Omni 1.2 gera de 3 a 15 segundos em uma única tomada (o 1.1 para em 10) e custa cerca de 30% menos por segundo em todas as resoluções: $0.07 por segundo em 720p em vez de $0.10. O som continua sempre ligado, a extensão continua chegando no máximo a 40 segundos e um clipe que anima entre um primeiro e um último quadro continua limitado a 10 segundos. Para trabalhos novos, há pouco motivo para ficar no 1.1.

A seguir estão os números, o mesmo prompt gerado nos dois modelos e os casos em que o 1.1 ainda faz sentido.

O que mudou entre o Gemini Omni 1.1 e o 1.2?

Dois números mudaram, e junto com eles vieram algumas promessas de qualidade. Segundo o anúncio do Google, a duração do clipe sobe para até 15 segundos "em incrementos de um segundo, de 3 a 15 segundos", o 720p cai para $0.07 por segundo e o modelo ganha lip-sync mais nítido, condicionamento distinto para vários falantes e "bem menos cortes bruscos indesejados". O model card acrescenta que os resultados continuam levando uma marca d'água invisível SynthID.

Veja como as duas gerações se comparam hoje na nossa plataforma:

Um detalhe dos nossos próprios registros de cobrança: o 1.2 gasta exatamente a mesma quantidade de tokens de saída por segundo que o 1.1 (5792 por segundo em 720p, 17376 em 4K). O modelo não está trabalhando menos. O Google simplesmente baixou o preço do token de $17.50 para $12 por milhão, e a economia por segundo sai direto daí.

Gemini Omni 1.2 Flash, 10 segundos em 720p, com som. O prompt em resumo: uma mecânica de bicicletas aperta um parafuso, levanta os olhos e diz "Most squeaks come from one loose bolt. Check this one first, then ride." Custo: $0.70.

Mesmo prompt nos dois modelos: como o 1.2 se sai?

Rodei um único prompt nas duas gerações com configurações idênticas: 16:9, 720p, exatamente 10 segundos. Uma mulher de cabelo grisalho curto e avental jeans, uma oficina de bicicletas, uma fala, "single continuous shot, no scene cuts" e uma linha "Audio:" pedindo a voz dela, os cliques da chave e o som ambiente da oficina, sem música.

O mesmo prompt no Gemini Omni 1.1 Flash, 10 segundos em 720p. Custo: $1.00.

O que eu vi, quadro a quadro:

• Os dois ficaram em um só plano. Uma passada de detecção de cenas com ffmpeg não encontrou nenhum corte em nenhum dos arquivos. No 1.1 essa instrução fazia muita diferença; sem ela, o Omni costuma editar o clipe sozinho em vários ângulos.
• Os dois falaram a frase. Cada mulher diz a fala do roteiro para a câmera, com a voz gerada na mesma passada. A faixa do 1.2 saiu bem mais alta (cerca de 4 dB a mais de nível médio), o que ajuda se você posta sem mixar.
• O 1.1 seguiu o figurino mais ao pé da letra. Deu a ela o cabelo grisalho curto do prompt; o 1.2 preferiu um chanel na altura do queixo. Detalhe pequeno, mas lembra que "melhor na média" não quer dizer melhor em toda tomada.
• O 1.2 usou a chave como objeto de cena. Ela ergue a ferramenta em direção à lente enquanto fala, o que parece mais um vídeo real de criador do que a versão do 1.1.

Isso é um benchmark? Não. É um único par de clipes, e o Omni entrega uma tomada diferente a cada vez (não há seed para travar a composição). O que dá para ver é que o 1.2 não perdeu nada em que o 1.1 era bom, e custou $0.30 a menos pelos mesmos 10 segundos.

Uma tomada de 15 segundos faz diferença de verdade?

Mais do que os cinco segundos extras sugerem. Dez segundos bastam para um gancho, mas são pouco para uma ação completa: servir uma bebida do começo ao fim, abrir um produto, uma resenha curta para a câmera. No 1.1, você gerava 10 segundos e depois estendia.

Gemini Omni 1.2 Flash, 15 segundos em 720p em uma única tomada. O prompt em resumo: uma ceramista modela uma tigela no torno, alisa com uma costela de madeira, solta a peça com um fio e a coloca numa tábua; no áudio, o zumbido do torno e o barro molhado, sem música. Custo: $1.05.

Sinceramente, eu esperava que este falhasse no meio do caminho. O Omni tem o hábito de pular os eventos que aparecem no fim do prompt ("then she cuts it free…") e devolver uma cena bonita, mas parada. Aqui não: as mãos levantam as paredes, a costela entra, por volta do segundo 11 o fio passa sob a base e no segundo 14 a tigela sai do torno. Quatro etapas, uma tomada, nenhum corte. Um clipe prova pouco, mas é exatamente esse tipo de prompt com várias etapas que as versões anteriores do Omni viviam achatando numa cena estática para nós.

Agora, o dinheiro. Tirar 15 segundos do 1.1 significa um clipe de 10 segundos ($1.00) mais uma extensão de 5, e a extensão é cobrada pela duração total resultante, então essa segunda etapa custa 15 × $0.10 = $1.50. Total: $2.50. Os mesmos 15 segundos no 1.2, numa tomada só: $1.05. Menos da metade, e você pula uma etapa em que a extensão poderia se afastar do visual original.

Quanto custa um clipe do Gemini Omni 1.2?

Cada segundo é cobrado pela resolução, com o som incluído:

O Google lista o 1.2 a cerca de $0.0232, $0.0695, $0.1043 e $0.2085 por segundo nas quatro resoluções. Nós arredondamos para o centavo, e no 4K arredondamos para baixo, para $0.20.

Os bônus de recarga reduzem ainda mais o valor efetivo. Um depósito em cripto de $50 ou mais acrescenta 5% ao saldo, de $100 ou mais acrescenta 10%, e um código promocional ativo soma mais 10% de cada depósito por cima. Assim, $100 em cripto com código viram $120 de saldo, o que deixa o segundo em 720p em torno de $0.058 e um clipe completo de 15 segundos em 720p em cerca de $0.88. Pagamentos com cartão, PayPal e SEPA são creditados sem o bônus de depósito.

Meu fluxo de trabalho: rascunho em 360p ($0.30 por 15 segundos completos), acerto ali o timing e a câmera e depois gero de novo a tomada boa em 720p. Lembre que o rascunho e a versão final são gerações separadas, então a final não será um upscale quadro a quadro do rascunho. As tabelas completas de todos os modelos estão na página de preços.

O que não mudou: os limites do Omni 1.2

O teto de 15 segundos não vale para tudo, e é nisso que as pessoas tropeçam primeiro.

• Primeiro e último quadro: continuam 10 segundos. Quando testamos um clipe de 12 segundos entre dois quadros-chave, a API do Google o recusou com "Interpolation duration 12 seconds exceeds maximum duration 10 seconds". O estúdio e o servidor MCP agora limitam esse caso a 10 segundos antes da cobrança, então você não vai esbarrar no erro.
• A extensão acrescenta 3–10 segundos por etapa, 40 segundos no total. Começar com 15 só faz você chegar lá em menos etapas. Não dá para inserir nada no início nem no meio.
• O som não pode ser desligado. Todo clipe do Omni tem faixa de áudio. Se você precisa de silêncio, o Veo 3.1 gera sem som, e o Wan 3.0 pode desligá-lo de graça.
• Sem seeds, sem campo de prompt negativo, uma amostra por requisição. Escreva as exclusões no próprio prompt ("no music", "no dialogue"); funcionam na maioria das vezes, não sempre.
• A edição de fala é restrita. Segundo o model card, editar um vídeo pode mudar o que as pessoas dizem, e o Google está limitando esse recurso por enquanto.

O próprio Google diz que o trabalho continua em ação esportiva rápida, mudanças súbitas de roteiro e física complexa. Minha dica: se um plano depende de uma bola quicando direito, gere antes um rascunho em 360p.

Vale a pena trocar o Omni 1.1 pelo 1.2?

Para projetos novos, sim. Mesmos recursos, tomadas mais longas, cerca de um terço mais barato em cada resolução. Não consigo pensar num briefing novo em que o 1.1 vença no papel.

Manter o 1.1 faz sentido em dois casos. Você está continuando uma série feita com ele e quer que o visual se mantenha entre os episódios. Ou você ajustou um conjunto de prompts no 1.1 e a leitura que ele faz deles é exatamente o que você quer (o teste do cabelo acima é um pequeno exemplo de como os dois interpretam um prompt de jeitos diferentes). As duas gerações continuam disponíveis no gerador e via MCP, e você escolhe em cada clipe.

Também há uma data para ter em mente. As notas de versão do Google dizem que, a partir de 3 de dezembro de 2026, a Gemini API vai redirecionar para o 1.2 as requisições feitas a gemini-omni-1.1-flash. Aqui, por enquanto, os dois continuam selecionáveis; se isso mudar do nosso lado, este post será atualizado.

Para ver a fundo o que a API do Omni aceita e recusa, leia nossa análise da API do Gemini Omni Flash. A página do modelo, com mais clipes de exemplo, é Gemini Omni 1.2.

FAQ

O Gemini Omni 1.2 é melhor que o 1.1?

Nas especificações, sim: tomadas de 15 segundos em vez de 10 e preços cerca de 30% menores, com os mesmos recursos. O Google também promete lip-sync mais nítido e menos cortes bruscos indesejados. No nosso teste lado a lado, os dois resolveram uma fala em um único plano; o 1.2 custou $0.70 contra $1.00.

Qual a duração máxima de um vídeo do Gemini Omni 1.2?

De 3 a 15 segundos por geração, ajustável segundo a segundo. Com primeiro e último quadro, o limite é de 10 segundos. Cenas mais longas vêm da extensão, 3–10 segundos por etapa, até 40 segundos no total.

Quanto custa um clipe de 10 segundos no Omni 1.2?

$0.70 em 720p, $0.20 em 360p, $1.00 em 1080p e $2.00 em 4K, com som incluído. Gerações que falham são reembolsadas automaticamente.

Ainda dá para usar o Omni 1.1?

Sim. O Omni 1.1 Flash continua disponível ao lado do 1.2 no gerador e no servidor MCP, e você escolhe a geração em cada clipe. O Google planeja redirecionar para o 1.2 as chamadas da Gemini API feitas ao 1.1 a partir de 3 de dezembro de 2026.

O Omni 1.2 consegue fazer vídeo sem som?

Não. Todo clipe do Omni tem faixa de áudio. Você pode descrevê-la numa linha "Audio:" ou pedir "no music, no dialogue", mas, para um clipe realmente mudo, use o Veo 3.1 ou o Wan 3.0.