Gemini Omni 1.1 Flash: Was Googles neues KI-Video-Modell kann

Gemini Omni Flash wird zur stabilen API-Version

Google hat Gemini Omni 1.1 Flash am 27. August 2026 veröffentlicht. In den offiziellen Release Notes wird die Modellkennung gemini-omni-1.1-flash als allgemein verfügbare, stabile Version der Gemini API geführt. Das ist der entscheidende Unterschied zur öffentlichen Vorschau vom Juni: Entwickler erhalten nun einen dauerhaft benannten API-Endpunkt statt ausschließlich eines Preview-Modells.

Die Veröffentlichung ist mehr als eine neue Versionsnummer. Google erweitert den bisherigen Video-Generator um Funktionen für fortlaufende Bearbeitung und gezieltere Regie. Bestehende Clips lassen sich verlängern, zwei festgelegte Bilder können als Anfang und Ende einer Bewegung dienen, und Auflösung sowie Seitenverhältnis werden über strukturierte Parameter gesteuert. Die Herstellerankündigung beschreibt das Modell deshalb als produktionsreif. Ob es für einen konkreten Produktionsprozess zuverlässig genug ist, muss weiterhin separat geprüft werden.

Bestätigt ist die allgemeine Verfügbarkeit in der Gemini API. Einzelne Zugangswege über Googles Enterprise-Plattform können weiterhin als Preview gekennzeichnet sein und sollten nicht mit dem API-Status gleichgesetzt werden.

Ein Modell für Erzeugung, Bearbeitung und native Audioausgabe

Die offizielle Modellkarte beschreibt Gemini Omni Flash als Modell für schnelle, dialogbasierte Videoerzeugung und -bearbeitung. Es akzeptiert Text, Bilder und Videos als Eingaben und gibt Video mit nativem Audio aus. Für Bearbeitung und Verlängerung können laut Modellkarte Videos mit bis zu zehn Sekunden Länge verarbeitet werden. Neu erzeugte Ausgaben liegen je nach Aufgabe zwischen drei und zehn Sekunden und laufen mit 24 Bildern pro Sekunde.

Über die Interactions API kann eine Generation in weiteren Schritten verfeinert werden. Statt bei jeder Änderung vollständig neu anzufangen, verweist die nächste Anweisung auf die vorherige Interaktion. Google nennt das conversational editing. Praktisch kann ein Team beispielsweise eine Szene erzeugen und anschließend Motiv, Bewegung oder Stimmung sprachlich verändern. Wie gut unveränderte Bildbereiche dabei tatsächlich erhalten bleiben, ist eine Qualitätsfrage und keine durch die Schnittstelle garantierte Eigenschaft.

• Modellcode: gemini-omni-1.1-flash
• Eingaben: Text, Bilder und Videos
• Ausgabe: Video mit nativem Audio
• Ausgabelänge laut Modellkarte: drei bis zehn Sekunden bei 24 FPS
• Bearbeitung: mehrstufig über die Interactions API

Szenen lassen sich schrittweise bis 40 Sekunden verlängern

Die neue Szenenverlängerung analysiert laut Google bis zu zehn Sekunden des vorherigen Videokontexts. Frühere Modelle hätten dafür nur die letzte Sekunde berücksichtigt. Omni 1.1 erzeugt anschließend eine Fortsetzung in Schritten von zehn Sekunden. Durch wiederholte Erweiterungen kann eine zusammenhängende Sequenz nach Herstellerangaben eine Gesamtlänge von bis zu 40 Sekunden erreichen.

Das löst ein häufiges Problem generativer Videowerkzeuge: Einzelne kurze Clips sind schnell erzeugt, aber Figuren, Räume, Bewegungsrichtung und Handlung verlieren bei längeren Sequenzen oft ihre Kontinuität. Mehr Kontext kann diese Übergänge verbessern, garantiert sie jedoch nicht. Gesichter, Hände, Gegenstände, Text im Bild und räumliche Beziehungen sollten nach jedem Schritt geprüft werden. Je länger die Kette wird, desto wichtiger sind feste Referenzbilder, ein dokumentierter Prompt und eine klare Abbruchregel für fehlerhafte Fortsetzungen.

Bis zu 40 Sekunden sind eine von Google beschriebene kumulative Obergrenze aus mehreren Verlängerungen, nicht die Länge einer einzelnen Modellantwort.

Start- und Endbilder, Referenzvideos und vier Auflösungsstufen

Für Übergänge kann das Modell ein erstes und ein letztes Bild erhalten. Es erzeugt die Bewegung zwischen beiden Keyframes, etwa für Kamerafahrten, Zooms oder Schleifen. Zusätzlich kann laut Ankündigung ein bis zu drei Sekunden langer Videoausschnitt als Bewegungsreferenz dienen. Das soll helfen, eine vorhandene Choreografie oder Bewegungsart auf andere Figuren und Szenen zu übertragen.

Die Gemini-API-Dokumentation bietet 16:9 und 9:16 als Seitenverhältnisse. Bei der Auflösung stehen 360p, 720p, 1080p und 4K zur Auswahl. 720p ist der Standard; 1080p und 4K werden ausdrücklich als hochskalierte Ausgaben beschrieben. Eine 4K-Datei bedeutet daher nicht, dass das Modell jedes Detail nativ in 4K berechnet hat. Für schnelle Entwürfe nennt Google 360p als bis zu 60 Prozent schneller und ein Drittel so teuer wie die standardmäßige 720p-Erzeugung. Auch diese Werte sind Herstellerangaben und hängen von Systemauslastung und Aufgabe ab.

• Keyframe-Interpolation zwischen einem Start- und einem Endbild
• Videoausschnitte bis drei Sekunden als Bewegungsreferenz laut Ankündigung
• Seitenverhältnisse 16:9 und 9:16
• 360p für schnelle Entwürfe, 720p als Standard
• 1080p und 4K als hochskalierte Ausgabe

Zugang und API-Kosten zum Stand vom 29. August 2026

Gemini Omni 1.1 Flash ist in Google AI Studio und über die kostenpflichtige Stufe der Gemini API verfügbar. Google listet zum Abrufzeitpunkt 1,50 US-Dollar pro Million Eingabetokens. Für Textausgaben werden 9 US-Dollar und für Videoausgaben 17,50 US-Dollar pro Million Ausgabetokens ausgewiesen. Die Abrechnung für Video basiert laut Preisseite auf 5.792 Tokens pro Sekunde eines 720p-Videos. Daraus ergibt sich im Standardtarif ein von Google genannter Richtwert von ungefähr 0,10 US-Dollar pro Videosekunde.

Der Sekundenwert ist eine hilfreiche Orientierung, aber keine vollständige Projektkalkulation. Fehlversuche, Varianten, Verlängerungen, höhere Auflösungen, Speicher, Datenübertragung und menschliche Nachbearbeitung erhöhen die realen Kosten. Preise und Kontingente können sich kurzfristig ändern. Eine belastbare Kalkulation hält deshalb Modellcode, Tarif, Abrufdatum, Zahl der Versuche und tatsächlich nutzbare Sekunden getrennt fest. Für Google Flow sowie Googles Enterprise-Plattform gelten eigene Abonnements, Bereitstellungsstufen und Bedingungen.

Preisstand: 29. August 2026. Vor einem produktiven Einsatz müssen die aktuelle Google-Preisseite und der konkret gewählte Zugangsweg erneut geprüft werden.

Das Preview-Modell soll bis Ende September ersetzt werden

Google führt gemini-omni-1.1-flash als stabile Version ohne angekündigtes Abschaltdatum. Der ältere Endpunkt gemini-omni-flash-preview soll dagegen am 30. September 2026 eingestellt werden. Bestehende Integrationen sollten nicht nur die Modellkennung austauschen, sondern auch Antwortformat, Auflösungsparameter, Dateibereitstellung und Kostenmessung erneut testen.

Wichtig ist die Trennung der Plattformen: In der Gemini Developer API ist Version 1.1 allgemein verfügbar. Dokumentationsseiten der Gemini Enterprise Agent Platform kennzeichnen ihre dortige Bereitstellung teilweise noch als Public Preview. Wer Compliance, Support oder Verfügbarkeitszusagen bewertet, muss deshalb genau den tatsächlich verwendeten Endpunkt und dessen Vertragsstatus dokumentieren. Der Modellname allein reicht für diese Entscheidung nicht aus.

SynthID schafft Herkunftssignale, aber keine Qualitätsgarantie

Nach der Gemini-API-Dokumentation enthalten alle erzeugten Videos ein unsichtbares SynthID-Wasserzeichen. Es kann maschinell erkannt werden und soll die Herkunftsprüfung unterstützen. Das ist für redaktionelle, werbliche und interne Freigabeprozesse nützlich. Ein Wasserzeichen belegt jedoch nicht automatisch, dass Inhalt, Rechte, dargestellte Personen oder Tatsachen korrekt sind.

Google wendet außerdem Inhaltsfilter auf Eingaben und erzeugte Videos an. Die konkrete Filterwirkung kann laut Dokumentation regional variieren. Teams brauchen deshalb eigene Regeln für Einwilligungen, Markenmaterial, personenbezogene Aufnahmen, urheberrechtlich geschützte Vorlagen und synthetische Darstellungen realer Personen. Die Preisseite unterscheidet zusätzlich zwischen kostenlosen und bezahlten API-Stufen beim Umgang mit Daten zur Produktverbesserung. Für sensible Inhalte sollten ausschließlich die aktuellen Bedingungen des gewählten Tarifs und eine dokumentierte Freigabe maßgeblich sein.

Die technischen Grenzen gehören in jede Bewertung

Die Dokumentation nennt konkrete Einschränkungen. So kann ein hochgeladenes Video mit sprechender Person derzeit nicht um zusätzliche Dialogzeilen verlängert werden. Sprache ist bei mehrstufiger Erweiterung zuvor erzeugter Videos möglich, aber nicht in jedem Upload-Szenario. Bearbeitung eigener Videos ist zudem nicht in allen Regionen verfügbar. Generierungszeit und Ergebnis hängen von Dauer, Auflösung und aktueller API-Auslastung ab.

Auch die Ankündigung ersetzt keine unabhängige Qualitätsstudie. Beispiele des Herstellers zeigen ausgewählte Resultate und sagen wenig über Fehlerraten bei wiederholten Aufgaben aus. Für Produktdarstellungen, Lerninhalte oder dokumentarische Szenen müssen Objektbeständigkeit, Texttreue, Bewegungslogik, Audio-Synchronität und sachliche Richtigkeit separat bewertet werden. Ein optisch eindrucksvoller Einzelclip ist noch kein belastbarer Produktionsprozess.

Ein kontrollierter Testplan für kreative Workflows

Ein sinnvoller Pilot beginnt mit fünf bis zehn klar beschriebenen Szenen, für die Zielbild, Bewegung, Dauer, Seitenverhältnis und erlaubte Abweichungen feststehen. Jede Szene wird mehrfach in 360p entworfen. Erst eine ausgewählte Variante wird in höherer Auflösung erzeugt. So lassen sich Promptqualität und visuelle Kontinuität prüfen, bevor teurere Ausgaben entstehen.

Für Verlängerungen sollte jede Stufe einzeln freigegeben werden. Bei Referenzmaterial müssen Herkunft und Nutzungsrechte dokumentiert sein. Messbar sind nicht nur Renderzeit und API-Kosten, sondern auch Trefferquote, Zahl verworfener Varianten, Minuten menschlicher Nacharbeit und Anteil tatsächlich verwendbarer Videosekunden. Ein Vergleich mit dem bisherigen Werkzeug oder einem Referenzmodell zeigt, ob Omni 1.1 den Gesamtprozess verbessert oder lediglich andere Fehler erzeugt.

• Szenenziel und prüfbare Qualitätskriterien vor der Generation festlegen
• Entwürfe zunächst in 360p vergleichen
• Figuren, Produkte, Text, Bewegungsrichtung und Audio separat kontrollieren
• Jede Szenenverlängerung als eigenen Freigabeschritt behandeln
• Rechte und Einwilligungen für alle Referenzmedien dokumentieren
• Kosten pro verwendbarer Sekunde statt nur pro Generierung messen

Die MindrAils-Einordnung

Gemini Omni 1.1 Flash ist ein relevantes Update für generatives Video. Besonders die stabile API-Kennung, dialogbasierte Bearbeitung, Szenenverlängerung und Keyframe-Kontrolle bringen das Modell näher an wiederholbare kreative Abläufe. Die Möglichkeit, günstige 360p-Entwürfe von hochskalierten Endfassungen zu trennen, ist für reale Produktionsbudgets sinnvoll.

Trotzdem bleibt die Bezeichnung produktionsreif eine Herstellerbewertung. Kontinuität über mehrere Erweiterungen, Qualität der Hochskalierung, regionale Verfügbarkeit, Datenbedingungen und tatsächliche Kosten müssen im eigenen Ablauf geprüft werden. Unsere Bewertung lautet daher: ein substanzieller Schritt von der Demo zum Werkzeug, aber kein Ersatz für Rechteklärung, Qualitätskontrolle und einen sauber gemessenen Pilotbetrieb.