Gemini Omni 1.1 Flash: Das kann Googles neue Video-KI

Gemini Omni 1.1 Flash: Das kann Googles neue Video-KI -Bild: © TelefonTarifrechner.de

Einen wichtigen Unterschied gibt es bei den Angaben zur Auflösung: 1080p und 4K entstehen laut Google durch Upscaling. Das Modell generiert also nicht einfach einen nativen 40-Sekunden-Clip in 4K. Die längeren Sequenzen werden ebenfalls schrittweise aufgebaut.

Was ist Gemini Omni 1.1 Flash?

Gemini Omni Flash ist Googles multimodales Modell für Videoerstellung und Videobearbeitung. Es verbindet die Verarbeitung von Text, Bildern und Videos mit generativer Videoausgabe samt Audio. Änderungen können anschließend in einem Dialog beschrieben werden, statt für jede Variante einen komplett neuen Arbeitsablauf beginnen zu müssen.

Wer die vorherige Modelllandschaft von Google einordnen möchte, findet im Vergleich zwischen Gemini Flash und Omni Flash weitere Hintergrundinformationen. Omni ist ausdrücklich für generative Medien gedacht und nicht einfach eine weitere Version des normalen Gemini-Flash-Modells.

Für Entwickler ist nun die stabile Modellkennung gemini-omni-1.1-flash verfügbar. Google bezeichnet die Version als allgemein verfügbar. Die bisherige Entwickler-Vorschau gemini-omni-flash-preview soll laut API-Dokumentation am 30. September 2026 abgeschaltet werden.

Omni Flash gegen Omni 1.1 Flash: Das hat Google geändert

Bis zu 40 Sekunden Video brauchen mehrere Schritte

Die Zahl von 40 Sekunden klingt zunächst nach einer vierfach längeren Videogenerierung. Ganz so funktioniert die Funktion allerdings nicht. Omni 1.1 erzeugt weiterhin einzelne Abschnitte mit maximal zehn Sekunden. Bestehende Szenen können anschließend in Zehn-Sekunden-Schritten verlängert werden, bis eine Gesamtlänge von 40 Sekunden erreicht ist.

Wichtiger als die reine Länge ist der größere Kontext. Beim Verlängern kann das Modell laut Google nun bis zu zehn Sekunden des vorherigen Videos auswerten. Die frühere Version orientierte sich lediglich am letzten Abschnitt von ungefähr einer Sekunde. Figuren, Bewegung, Kamerarichtung und Handlung sollen dadurch stabiler über eine Szenengrenze hinweg fortgesetzt werden.

Die vollständigen Funktionen beschreibt Google in der offiziellen Dokumentation zu Gemini Omni Flash.

Start- und Endframe geben Creatorn deutlich mehr Kontrolle

Eine zweite Neuerung betrifft die Bildkomposition. Nutzer können ein erstes und ein letztes Bild vorgeben. Omni 1.1 erzeugt anschließend die Bewegung dazwischen. Das ist beispielsweise für Kamerafahrten, Zooms, Übergänge oder Loops interessant.

Für eine Produktion ist diese Funktion oft wertvoller als eine höhere Auflösung. Bei klassischer Text-zu-Video-Generierung kann zwar beschrieben werden, wo eine Kamera enden soll. Ein fest vorgegebenes Endbild definiert das Ziel deutlich genauer.

Damit nähert sich generatives Video stärker einem gesteuerten Produktionsprozess. Der Nutzer gibt nicht mehr nur eine Szene vor, sondern kann wichtige Punkte innerhalb dieser Szene festlegen.

360p statt 4K: Der unscheinbare Draft-Modus hat einen Vorteil

Neu ist außerdem eine Auflösung von 360p für Entwürfe. Google gibt an, dass solche Vorschauen gemessen am Systemdurchsatz bis zu 60 Prozent schneller erzeugt werden können als die Standardausgabe in 720p. Zugleich soll der Draft-Modus nur etwa ein Drittel der entsprechenden Generierungskosten verursachen.

Das ergibt einen sinnvollen Ablauf für professionelle Nutzer: Zunächst werden mehrere günstige Varianten erstellt. Erst wenn Kameraführung, Figuren und Handlung stimmen, wird eine ausgewählte Version in höherer Auflösung ausgegeben.

Bei 720p liegt der effektive Standardpreis über die Gemini API laut Google bei ungefähr 0,10 US-Dollar je Videosekunde. Ein zehn Sekunden langes Video entspricht damit rechnerisch etwa einem US-Dollar für die Videoausgabe. Weitere Kosten können je nach Eingaben, Plattform oder Abrechnungsmodell hinzukommen.

4K klingt stark, ist aber Upscaling

Omni 1.1 unterstützt neben 360p und 720p auch 1080p und 4K. Google spricht bei den beiden hohen Auflösungen ausdrücklich von Upscaling. Das sollte bei einem Vergleich mit Konkurrenzmodellen berücksichtigt werden. Eine 4K-Datei ist nicht automatisch mit einer nativ in dieser Auflösung berechneten Szene gleichzusetzen.

Für Social Media, Präsentationen und zahlreiche Online-Produktionen kann das trotzdem reichen. Ob Details, Texturen und feine Bewegungen durch das Upscaling sichtbar gewinnen, hängt vom Ausgangsmaterial ab.

Gemini Omni 1.1 Flash gegen Wan 3.0 und Seedance 2.5

Google steht mit dem neuen Modell nicht allein. Besonders Alibaba und ByteDance haben ihre Video-KIs inzwischen auf deutlich längere Szenen ausgerichtet. Wan 3.0 kann laut Alibaba bis zu 30 Sekunden in einem Durchlauf erzeugen. Text, Bilder, Video, Audio, Dokumente und Webseiten können als Ausgangsmaterial dienen.

Auch ByteDances Seedance 2.5 schafft laut Hersteller bis zu 30 Sekunden Audio-Video in einer einzelnen Generation und unterstützt anschließende Erweiterungen. Damit besitzen beide Modelle gegenüber Omni 1.1 einen klaren Vorteil, wenn möglichst lange Szenen ohne mehrere Verlängerungsschritte gewünscht sind.

MiniMax H3 setzt auf 2K, Stereo-Audio und offene Gewichte

MiniMax verfolgt mit H3 einen anderen Ansatz. Das Modell verarbeitet Text, Bilder, Video und Audio und erzeugt bis zu 15 Sekunden lange Clips mit nativem Stereo-Ton. Die maximale Auflösung liegt laut Hersteller bei 2K.

Für Entwickler ist vor allem ein anderer Punkt interessant: MiniMax hat H3 mit offenen Gewichten veröffentlicht. Unternehmen oder Entwickler, die mehr Kontrolle über die eigene Infrastruktur wünschen, erhalten damit Möglichkeiten, die ein ausschließlich über Googles Infrastruktur angebotenes Modell nicht in gleicher Form bietet.

Omni 1.1 Flash oder Veo 3.1: Warum Google zwei Video-KIs hat

Auch innerhalb des Google-Angebots gibt es Konkurrenz. Veo 3.1 bleibt das auf hochwertige Videoerzeugung ausgerichtete Modell. Es unterstützt Audio, Referenzbilder, höhere Auflösungen und verschiedene kreative Kontrollen.

Die Positionierung unterscheidet sich trotzdem. Bei Omni steht die multimodale und dialogbasierte Bearbeitung im Mittelpunkt. Ein Video kann erzeugt, mit einer Anweisung verändert, verlängert und weiter verfeinert werden. Veo ist dagegen stärker als klassischer Generator positioniert.

Auch beim Preis gibt es Unterschiede. Google verlangt über die Gemini API für Veo 3.1 Lite in 720p 0,05 US-Dollar je Sekunde, für Veo 3.1 Fast 0,10 US-Dollar und für Veo 3.1 Standard 0,40 US-Dollar je Sekunde. Omni 1.1 liegt mit rund 0,10 US-Dollar für 720p damit ungefähr auf dem Niveau von Veo 3.1 Fast.

Runway Gen-4.5 bleibt beim Produktionsworkflow stark

Runway Gen-4.5 erzeugt Text-zu-Video- und Bild-zu-Video-Clips mit einer Dauer zwischen zwei und zehn Sekunden. Der reguläre Basisoutput liegt derzeit bei 720p und 24 oder 25 Bildern pro Sekunde.

Die Stärke von Runway liegt allerdings nicht nur im einzelnen Modell. Die Plattform verbindet unterschiedliche Generatoren, Video-Editing und weitere Produktionswerkzeuge. Selbst Gemini Omni Flash kann inzwischen über Runways Entwicklerplattform genutzt werden.

Omni 1.1 und Runway lassen sich deshalb nicht ausschließlich anhand der Auflösung vergleichen. Google stellt das Modell bereit, Runway baut zunehmend eine Produktionsumgebung, in der verschiedene Modelle miteinander kombiniert werden können.

Unabhängige Benchmarks sehen derzeit keinen klaren Omni-Sieg

Hersteller-Demos zeigen naturgemäß ausgesuchte Ergebnisse. Für eine Einordnung sind daher unabhängige Vergleiche interessanter. Im aktuellen Text-to-Video-Ranking mit Audio von Artificial Analysis liegt Wan 3.0 mit rund 1.239 Elo knapp vor Gemini Omni Flash mit rund 1.236 Punkten.

MiniMax H3 folgt nur wenig dahinter. Die Konfidenzbereiche der führenden Modelle überschneiden sich teilweise. Drei oder vier Elo-Punkte sind deshalb kein belastbarer Beweis dafür, dass eines der Modelle grundsätzlich bessere Videos erzeugt.

Hinzu kommt: Die Rangliste führt derzeit die Gemini-Omni-Flash-Familie und liefert unmittelbar nach Veröffentlichung noch keinen isolierten Langzeittest für alle neuen Funktionen von Version 1.1. Auch Seedance 2.5 ist noch zu neu, um aus dem aktuellen Ranking einen belastbaren direkten Qualitätsvergleich abzuleiten.

Für wen lohnt sich Gemini Omni 1.1 Flash?

• Creator: Für Social-Media-Clips und mehrere schnelle Varianten ist vor allem der 360p-Draft-Modus interessant.
• Agenturen: Start- und Endframes erleichtern kontrollierte Übergänge und abgestimmte Szenen.
• Entwickler: Die API ermöglicht automatisierte Videoerstellung und dialogbasierte Bearbeitung.
• Unternehmen: Produktvideos, Erklärclips und interne Medien lassen sich schneller prototypisieren.
• Filmproduktionen: Omni eignet sich für Entwürfe, Previsualisierung und einzelne Shots, ersetzt aber keine vollständige Postproduktion.

Claude Opus 4.8: KI denkt jetzt auf Abruf tiefer nach -Bild: © Tarifrechner.de/KI

Fazit: Googles wichtigster Fortschritt ist die Kontrolle

Gemini Omni 1.1 Flash ist mehr als ein kleines Auflösungsupdate. Der größere Kontext bei Szenenverlängerungen, fest definierte Start- und Endframes, Videoreferenzen und günstige Entwürfe verändern den Arbeitsablauf deutlicher als die 4K-Ausgabe allein.

Google ist damit allerdings nicht in jeder Disziplin vorne. Wan 3.0 und Seedance 2.5 erzeugen bis zu 30 Sekunden in einem einzigen Durchlauf. MiniMax H3 bietet offene Gewichte und bis zu 2K mit Stereo-Audio. Runway besitzt ein ausgebautes Produktionsökosystem und Veo 3.1 bleibt Googles Alternative für klassische High-End-Videogenerierung.

Der interessanteste Punkt ist deshalb die Richtung: KI-Video entwickelt sich vom einfachen Prompt-Generator zum steuerbaren Produktionswerkzeug. Genau dort setzt Omni 1.1 Flash an. Ob Google damit qualitativ an allen Konkurrenten vorbeizieht, lässt sich einen Tag nach Veröffentlichung noch nicht seriös behaupten.

FAQ zu Gemini Omni 1.1 Flash

Was ist neu bei Gemini Omni 1.1 Flash?

Neu sind unter anderem Szenenverlängerungen auf insgesamt bis zu 40 Sekunden, bis zu zehn Sekunden vorheriger Videokontext, festlegbare Start- und Endframes, 360p-Entwürfe, Videoreferenzen sowie Ausgaben in 1080p und 4K per Upscaling.

Kann Gemini Omni 1.1 Flash 40 Sekunden am Stück erzeugen?

Nein. Eine einzelne Ausgabe ist maximal zehn Sekunden lang. Eine Szene kann anschließend in mehreren Schritten verlängert werden, bis insgesamt maximal 40 Sekunden erreicht sind.

Erzeugt Gemini Omni 1.1 Flash natives 4K?

Google beschreibt 1080p und 4K ausdrücklich als hochskalierte Ausgaben. Die 4K-Auflösung sollte deshalb nicht mit einer vollständig nativ in 4K berechneten Generation gleichgesetzt werden.

Ist Gemini Omni 1.1 Flash besser als Wan 3.0 und Seedance 2.5?

Nicht pauschal. Omni 1.1 punktet besonders mit dialogbasierter Bearbeitung, Szenenverlängerung und dem Gemini-Kontext. Wan 3.0 und Seedance 2.5 können dagegen bis zu 30 Sekunden lange Audio-Video-Szenen in einem einzelnen Generierungsschritt erzeugen. Belastbare unabhängige Tests speziell zu allen Neuerungen von Omni 1.1 stehen noch aus.