Gemini Omni 1.2 Flash
369 points • 6 days ago • Article Link

Google 已推出 Gemini Omni 1.2 Flash,这是其视频生成模型的重大更新,目前已通过 Gemini API 和 Google Cloud 全面开放使用。此次发布带来了可生成最长 15 秒视频内容的能力,让创作者和企业有更充足的空间去打造更完整的叙事、产品讲解以及广告短片。该模型在参考一致性方面也实现了显著提升,能够确保角色、产品和风格在不同摄像机角度下保持一致,这对于虚拟试穿体验和品牌化内容等专业级任务至关重要。

这一新迭代的核心优势在于强调更具成本效益的高质量制作。 Google 将价格相较上一版本下调了 30%:目前 720p 输出的定价为每秒 0.07 美元。工作流程面向规模化需求进行了优化,用户可以先用较低分辨率起草内容,再针对特定细节进行迭代修改,而无需反复重生成整段视频。新的多轮对话式编辑能力进一步提升了效率:用户只需通过连续、逐步的提示,就能对背景、光照或产品摆放等元素进行精细调整。

在基础生成之外,Gemini Omni 1.2 Flash 还对动作与语音进行了技术强化。模型生成的对话听起来更自然,唇形同步更清晰,并支持区分的多说话人条件设定。它还能提供对电影级摄像机运动的更强控制,使得如 FPV 飞行穿越与镜头拉远这类连续镜头更顺畅,同时减少跳切并提升画面稳定性。这些在一致性与可控性上的改进,有助于从最初的创意想法更顺利地落到精修后的成品结果。

系统内置了安全与可追责机制,所有生成内容都将带有肉眼不可察的 SynthID 水印。该模型已被多类机构采用,包括创意代理机构、 VFX 从业者以及电商平台,用于简化并加速视频生产流程。通过将企业级基础设施与这些新的生成能力结合起来,Google 旨在为专业团队提供可靠工具,帮助他们更高效地制作、编辑并扩展视频内容。

256 comments • Comments Link

• Google 的 AI 产品组合陷入混乱且令人困惑的生态:产品之间重叠、命名口径不一致(例如 AI Studio 、 Vertex 以及各种 Gemini 层级),让用户难以判断自己到底为哪些能力付费、以及如何访问特定模型。

• 客户摩擦问题十分严重。有报告称支付流程出现中断、身份验证反复卡住进入无休止循环,以及组织账户政策过于严格,导致 Workspace 下的个人用户无法使用面向消费者的 AI 计划。

• Google 开发者界面的用户体验遭到广泛吐槽,被认为比 Anthropic 或 OpenAI 等竞争对手更不直观、更不可靠。结果是,许多开发者不得不依赖 OpenRouter 等第三方聚合器来绕开 Google 的直接基础设施。

• 内部官僚主义被形容为"根深蒂固",且容易陷入由委员会主导的停滞局面。批评者认为,拥有大量资源的公司所产出的软件,往往比更小、更灵活的竞争对手更像是没打磨好或功能不完整,主要原因就在于这种组织方式。

• 对尖端模型的访问发布节奏并不一致,导致付费的"Pro"订阅用户被困在较旧的模型版本上,或频繁遭遇难以解释的锁定与降级,被迫退回到更低层级的模型。

• 公司内部被认为存在深层次的隔离感,批评人士称 Google 的组织结构阻碍了他们理解并解决开发者与高阶用户的真实需求。

• "Omni"和"Flash"的品牌策略被认为让人困惑而非具有描述性。用户对缺乏清晰、统一的命名规范来区分速度、能力与模型用途感到不满。

• 尽管有些用户认为 Google 用于编码的"agentic"工具有价值,但这种成功常常被质量不佳的"harness"所掩盖:即便集成工具本身也会出问题、引入 Bug,并且很难在专业工作流程中保持可靠性。

• 该公司被指更重视"华丽、演示友好"的功能,而非把核心实用工具打磨到位,尤其是在办公套件的集成方面。相比之下,竞争对手的工具通常因性能与可靠性更出色而更受青睐。

• 关于账户被封禁的持续担忧,源自 Google 严格且有时过度敏感的自动化安全政策,这使用户难以把 Gemini 模型集成到敏感或关键的个人工作流程中。

此次讨论反映出一种普遍共识:尽管 Google 拥有世界级工程人才和重要的 AI 研究,但在产品包装与交付执行上存在明显短板。用户对该公司无法为其技术提供稳定、易访问且透明的界面表达强烈不满。也因此,许多人认为该组织更关注内部碎片化与"掩体式"开发,而不是服务外部客户。最终,Google 的技术能力与其糟糕的 UX/ 入门体验之间的落差,促使不少高阶用户转向竞争对手或第三方网关,并进一步强化了一种舆论:Google 未能把研究优势转化为真正可用、可落地的软件产品。