AI 编程实时动态与要闻

Gemini Omni 1.2 Flash 正式 GA:视频最长 15 秒、输出价降约 30%,720p 约 $0.07/秒,1.1 将于 12 月 3 日自动路由

Google 于 11 月 5 日宣布 Gemini Omni 1.2 Flash(gemini-omni-1.2-flash)在 AI Studio 与 Gemini API 正式可用:视频生成与编辑上限提到 15 秒,官方称视频输出定价较上一代降约 30%(约 $12/百万 token,720p 有效价约 $0.07/秒),并加强多参考图一致性与对白自然度。changelog 写明自 2026-12-03 起,对 gemini-omni-1.1-flash 的请求将按 1.2 费率自动路由到 1.2。

Gemini Omni 1.2 Flash 正式 GA:视频最长 15 秒、输出价降约 30%,720p 约 $0.07/秒,1.1 将于 12 月 3 日自动路由

核心要点速览

  • 模型 ID:gemini-omni-1.2-flash,AI Studio / Gemini API 现已可用(官方 changelog 11-05)
  • 片段长度 3–15 秒(360p/720p/1080p/4K);多参考一致性官方称可达 6 张参考图
  • 厂商口径:视频输出价降约 30%,720p 约 $0.07/秒(约 $1.04/15 秒)
  • 2026-12-03 起 gemini-omni-1.1-flash 自动路由到 1.2 并按 1.2 计费
  • 消费侧:Flow、Google Vids、Gemini App 可做最长 15 秒剪辑与多轮编辑
阅读全文
关联模型 / 智能体 / 厂商:
⚡ gemini-omni-1.2-flash⚡ gemini-omni-1.1-flash🌐 Google DeepMind

Google DeepMind 发布世界模型 Genie 4:基于 Gemini Omni,首次原生生成音频与实时对话,先向受信测试者开放研究预览

Google DeepMind 10 月 27 日发布 Genie 4,称其为迄今最逼真、交互性最强的世界模型。它基于 Gemini Omni,提升了物理和人物动作的真实感,首次原生生成环境声和可互动的角色对话,并由 Gemini 3.8 Flash 在回路中规划复杂事件。目前只向受信测试者开放研究预览,即将登陆 Google AI Ultra(Project Genie)及 Gemini API / AI Studio 早期伙伴;官方未公布量化跑分。

Google DeepMind 发布世界模型 Genie 4:基于 Gemini Omni,首次原生生成音频与实时对话,先向受信测试者开放研究预览

核心要点速览

  • 官方口径:Genie 4 是 DeepMind「迄今最逼真、交互性最强」的世界模型,基于 Gemini Omni 锚定真实外观与行为
  • Genie 系列首个原生生成音频的实时世界模型:环境声、音乐和角色对话同步生成,角色能实时回应
  • Gemini 3.8 Flash 作为回路中的引导 Agent,拆解目标并逐帧核对;Gemini 4 Argon 演示驱动 Apollo 人形机器人仿真
  • 局限(官方):只支持几分钟连续交互,长时间运行物体会漂移;官方未公布任何量化跑分
  • 目前仅受信测试者可用,即将开放给 Google AI Ultra(Project Genie)和 Gemini API / AI Studio 早期伙伴,输出带 SynthID 水印
阅读全文
关联模型 / 智能体 / 厂商:

Google DeepMind 推出 Gemini Omni 1.1 Flash:更可控、更快迭代的生产级视频生成

Google DeepMind 推出 Gemini Omni 1.1 Flash,定位让生成视频更可控、迭代更快、更接近生产级成片,并已在 Google Flow 等产品中开放。同期 Gemini 应用侧支持从断点续写视频以拼接连续叙事。对开发者而言,这意味着视频生成从一次性出片转向可编辑的镜头级控制,可与 Gemini 3.7 Flash 的多步工具调用、编码与知识工作能力组成同一代 Gemini 工具链。官方博文提供 Flow 与更多接入入口。

核心要点速览

  • Gemini Omni 1.1 Flash 强调可控性、迭代速度与生产级成片,已在 Flow 等产品上线。
  • Gemini 应用支持从视频断点续写,便于拼接连续动态叙事。
  • 该模型与 Gemini 3.7 Flash、3.5 Transcribe 同属一轮工具链更新,视频成为可被代理调用的执行器。
阅读全文