Mit KI-Unterstützung recherchiert und redigiert. Inhaltlich verantwortlich: Julian Dominic Altmann. Faktenstand 6. November 2026. Quellenanalyse, keine eigenen Generierungen oder Benchmarks.
Geprüft am 6. November 2026. Google hat Gemini Omni 1.2 Flash am 5. November allgemein verfügbar gemacht. Das cloudbasierte Modell erzeugt Videos mit Ton, kann bestehende Clips per Folgeanweisung verändern und unterstützt bei gewöhnlicher Generierung drei bis 15 Sekunden. Bei 720p kostet allein die Videoausgabe rechnerisch rund 0,0695 US-Dollar pro Sekunde. Damit ist die Video-Tokenrate gegenüber Omni 1.1 Flash um rund 31,4 % gesunken. Das bedeutet nicht, dass Eingaben, Textausgaben oder jede vollständige Produktion ebenso viel günstiger werden. Google-Ankündigung · Google-Preisliste
Für Nutzer in Deutschland ist ein zweiter Punkt mindestens so wichtig: Google Cloud listet für dieses Modell nur den globalen Inferenzendpunkt. Auch OpenRouter weist ausdrücklich darauf hin, dass die Variante nicht über das EU-In-Region-Routing bereitsteht. Ein aus der EU erreichbarer Dienst ist deshalb nicht automatisch ein EU-gehosteter Dienst. Google-Modellseite · OpenRouter
Was ist tatsächlich neu?
Im Gegensatz zu einem gewöhnlichen Gemini-Chatmodell ist Omni 1.2 Flash primär für Videogenerierung und Videobearbeitung ausgelegt. Die Modell-ID bei Google lautet gemini-omni-1.2-flash, während OpenRouter sie als google/gemini-omni-1.2-flash führt. Google Cloud kennzeichnet das Modell seit dem 5. November 2026 als Generally Available (GA). Es verarbeitet Text, Bilder und Videos als Eingaben und erzeugt Text und Video mit synchronisiertem Ton. Die Google-Model-Card nennt zusätzlich Audioeingaben; welche Referenzformate zugelassen werden, hängt allerdings vom Produkt und der Freischaltung ab. Cloud-Release-Notes · Model Card
| Merkmal | Gemini Omni 1.1 Flash | Gemini Omni 1.2 Flash |
|---|---|---|
| Standard-Videogenerierung | bis 10 Sekunden | 3–15 Sekunden |
| 720p-Videoausgabe | 17,50 $ je Mio. Video-Tokens | 12,00 $ je Mio. Video-Tokens |
| Entspricht pro 720p-Sekunde | ca. 0,10136 $ | ca. 0,06950 $ |
| Eingabe | 1,50 $ je Mio. Tokens | 1,50 $ je Mio. Tokens |
| Textausgabe | 9,00 $ je Mio. Tokens | 9,00 $ je Mio. Tokens |
| Konversationelle Videobearbeitung | ja | ja, erweitert |
Quellen: Googles Preisliste, Launch-Post und Cloud-Dokumentation. Werte in US-Dollar, vor gegebenenfalls anfallenden Steuern. Vergleich der Standardtarife; gerundete Sekundenpreise selbst berechnet.
Google nennt außerdem bessere Referenztreue, weniger visuelle Drift, natürlichere Dialoge, präzisere Lippenbewegungen und kontrollierbarere Kamerafahrten. Das sind Herstellerangaben aus Demonstrationen, keine unabhängig bestätigten Erfolgsquoten. Google räumt selbst Verbesserungsbedarf bei schneller Sportbewegung, raschen Skriptwechseln und komplexer Physik ein. Google-Blog
API-Preise: Was ein 15-Sekunden-Video wirklich kostet
Googles Cloud-Preisliste nennt für die Standardabrechnung 1,50 $ pro Million Eingabe-Tokens, 9,00 $ pro Million Textausgabe-Tokens und 12,00 $ pro Million Videoausgabe-Tokens. Videoausgaben werden je nach Auflösung mit unterschiedlichen Tokenmengen berechnet: 1.931, 5.792, 8.688 beziehungsweise 17.376 Tokens pro Sekunde. Offizielle Preisliste
| Auflösung | Video-Tokens/Sek. | Ausgabe pro Sek. | Ausgabe für 15 Sek. |
|---|---|---|---|
| 360p | 1.931 | 0,023172 $ | 0,347580 $ |
| 720p | 5.792 | 0,069504 $ | 1,042560 $ |
| 1080p | 8.688 | 0,104256 $ | 1,563840 $ |
| 4K | 17.376 | 0,208512 $ | 3,127680 $ |
Formel: Videosekunden × Video-Tokens je Sekunde × 12 USD / 1.000.000. Beispiel für 15 Sekunden in 720p: 15 × 5.792 × 12 / 1.000.000 = 1,04256 USD. Die Tabelle berechnet nur die Videoausgabe. Prompt-Eingaben, mögliche Textausgaben, erneute Generierungen, getrennte Bearbeitungs- oder Upscaling-Vorgänge und Steuern können den Rechnungsbetrag erhöhen. 1080p und 4K werden in der dokumentierten Produktion durch Upscaling erreicht. Google Cloud · Google Launch
Drei Szenarien für 720p, unter der ausdrücklich vereinfachten Annahme einer einzigen Videogenerierung pro Clip:
| Nutzung | Ausgabevolumen | Reine Videoausgabe |
|---|---|---|
| Gelegentlich | 10 Clips × 10 Sekunden | 6,95 $ |
| Regelmäßig | 50 Clips × 15 Sekunden | 52,13 $ |
| Produktion | 500 Clips × 15 Sekunden | 521,28 $ |
Ein Schnitt mit mehreren Alternativtakes kostet mehr. Bei beispielsweise drei vollständig berechneten 15-Sekunden-720p-Versuchen statt einem steigt die reine Videoausgabe von ungefähr 1,04 $ auf 3,13 $. Der Preisvorteil ist deshalb kein Ersatz für einen reproduzierbaren Prompt- und Auswahlprozess.
Was kann Omni 1.2 Flash bearbeiten?
Die Cloud-Dokumentation beschreibt einen zusammenhängenden Workflow: Text-zu-Video, Bild-zu-Video, Steuerung durch Referenzbilder, Interpolation zwischen Start- und Endbild, Bearbeitung vorhandener Clips, Verlängerung und eigenständiges Upscaling. Mit Folgeanweisungen kann man beispielsweise den Hintergrund einer Szene verändern, ohne das gesamte Briefing neu zu formulieren. Video-Übersicht · Videobearbeitung
Entscheidend sind die unterschiedlichen Längenlimits: Standardgenerierung und Bearbeitung erlauben drei bis 15 Sekunden; Start-/Endbild-Interpolation ist auf drei bis zehn Sekunden beschränkt. Eine Verlängerung fügt drei bis zehn Sekunden hinzu. Google dokumentiert bis zu 40 Sekunden Gesamtausgabe: Es werden höchstens die letzten 30 Sekunden des Eingabevideos übernommen und bis zu zehn Sekunden neu erzeugt. Das ist keine native 40-Sekunden-Generierung. Verlängerungsanleitung
Beim Referenzumfang sind Angaben produktspezifisch. Die Cloud-Modellseite beschreibt bis zu zehn Bilder pro Prompt, während Vercel für seine Video-Integration sechs Referenzbilder nennt. Der Vergleich ist kein belegter technischer Widerspruch im Basismodell, sondern zunächst eine Schnittstellenfrage. Google Cloud schränkt außerdem Audio-Referenzen auf gesondert freigeschaltete Nutzer ein. Cloud-Modellseite · Vercel · Cloud-Ankündigung
Gemini API, OpenRouter und Google Apps: drei unterschiedliche Wege
Direkt über Google: Das Modell ist in der Gemini API beziehungsweise im Google-Cloud-Ökosystem für Entwickler verfügbar. Google Cloud dokumentiert die Interactions API, nicht generateContent oder eine gewöhnliche OpenAI-Chat-Completions-Anfrage, als unterstützten Integrationsweg. Ein Entwickler sollte daher ein funktionierendes Video-/Interactions-Beispiel wählen und nicht allein die Modell-ID in ein Chatbot-Feld kopieren. Cloud-Modellseite · Text-zu-Video-Anleitung
Über OpenRouter: Die Modellseite führt google/gemini-omni-1.2-flash mit 131.072 Kontext-Tokens. Für die eigentliche Videogenerierung muss die gesonderte Video Generation API verwendet werden. Die im Modellkopf hervorgehobenen 1,50 $ / 9,00 $ pro Million Tokens sind Eingabe- und Textausgabepreise – nicht der vollständige Videopreis. OpenRouter-Modellseite · OpenRouter-Videoanleitung
In Google-Apps: Google nennt unter anderem Flow, Google Vids und die Gemini-App. Die Gemini-Hilfeseite unterscheidet dabei Abostufen: In der App sind laut Hilfetext bis zu zehn Sekunden allgemein für berechtigte AI-Tarife und bis zu 15 Sekunden für AI-Ultra-Nutzer vorgesehen. Einzelne Funktionen sind regional nicht verfügbar. Eine API-Buchung ist zudem kein Bestandteil eines privaten Gemini-Abos. Gemini-Hilfe · Google-Ankündigung
Deutschland, Datenschutz und Apple Silicon
Das Modell wird als Cloud-Dienst bereitgestellt; Google veröffentlicht für Omni 1.2 Flash keine lokal auf einem Mac ausführbaren Gewichtsdateien. Ob ein Mac mini M4 mit 32 GB RAM vorhanden ist oder ein leistungsstärkerer Mac, ändert daran nichts: Man kann die Webanwendung beziehungsweise API auf dem Mac bedienen, aber nicht das vollständige proprietäre Modell lokal laden. Model Card
Für Organisationen mit verbindlicher EU-Datenresidenz ist die regionale Verfügbarkeit eine harte Einschränkung. Google Cloud listet für die Modellinferenz global, nicht Frankfurt oder eine andere EU-Region. OpenRouter nennt für genau dieses Modell ebenfalls keine EU-In-Region-Verfügbarkeit. Das ist keine pauschale juristische Bewertung über DSGVO-Konformität: Dafür müssen konkret Datenfluss, Rechtsgrundlage, Verträge, Zugriffswege und Unterauftragsverarbeiter geprüft werden. Es ist aber keine belastbare Grundlage für das Versprechen „ausschließlich EU-Inferenz“. Google-Standorte · OpenRouter EU-Routing · OpenRouter-Modell
Zusätzliche Ländergrenzen gelten in der Gemini-App: Das Hochladen von Videos für Bearbeitungen sowie Avatar-Funktionen ist laut Google-Hilfe derzeit unter anderem im Europäischen Wirtschaftsraum, in der Schweiz und im Vereinigten Königreich ausgeschlossen. Diese App-Regel darf nicht ungeprüft auf jeden Cloud-API-Aufruf übertragen werden. Gemini-App-Hilfe
Gibt es belastbare Benchmarks?
Google zeigt Vergleichsvideos, veröffentlicht in der Launch-Ankündigung aber keinen reproduzierbaren, statistisch ausgewerteten Test mit Stichprobe, Promptkorpus, Konfidenzintervallen und unabhängiger Qualitätsbewertung. Die gezeigten Verbesserungen bei Lip-Sync, Konsistenz und Referenztreue sollten daher als Anbieterbehauptungen gekennzeichnet bleiben. Google Launch
Ein früher praktischer Test von Segmind umfasst laut Autor 20 Generierungen mit dokumentierten Laufzeiten von 28 bis 136 Sekunden. Er lobt Instruktionstreue und Grafikanimation, sieht aber Schwächen bei fotorealistischen Personen. CellCog vergleicht zehn gemeinsame Szenarien und einen zusätzlichen Editiertest mit Kling und Seedance. Beide Anbieter vermarkten selbst KI-Produkte; die kleinen Versuchsreihen sind deshalb nützliche Beispiele, aber kein neutraler Gesamtbenchmark. Segmind-Test · CellCog-Test
Ein sinnvoller eigener Vergleich würde identische Prompts, Referenzbilder, Dauer, Auflösung und Audiovorgaben festhalten, mindestens mehrere Wiederholungen je Aufgabe ausführen und Kosten pro akzeptiertem Ergebnis statt nur Kosten pro generierter Sekunde messen.
Fazit: Für wen lohnt sich das neue Modell?
Gemini Omni 1.2 Flash ist ein interessanter Cloud-Baustein für kurze, referenzgestützte Videos mit nativer Audioausgabe, insbesondere bei Erklärsequenzen, Produktvarianten und iterativer Bearbeitung. Die 15-Sekunden-Grenze, die Preisstaffel nach Auflösung und die dokumentierten Bearbeitungsfunktionen sind belastbar. Eine generelle Aussage, es sei das beste oder schnellste Videomodell, ist damit nicht belegt. Für lokale Mac-KI oder verpflichtende EU-Inferenz ist es nach dem dokumentierten Stand keine passende Lösung.
Wer statt einer Videogenerierungs-API ein allgemeines Gemini-Abo sucht, sollte die Gemini-Preise für Deutschland separat vergleichen. Für lokale Modelle auf Apple Silicon ist der Leitfaden zum RAM-Bedarf konzeptionell hilfreich – die Unterschiede zwischen lokalen und Cloud-Diensten sind entscheidend.
Quellen und Aktualisierung
Primär: Google Launch, DeepMind Model Card, Google Cloud Modelldaten, Google Cloud Preise, Cloud-Release-Notes. Ergänzend: OpenRouter, Segmind, CellCog. Eigene Video-Tests wurden für diesen Artikel nicht durchgeführt. Preise und Verfügbarkeit zuletzt redaktionell geprüft am 6. November 2026; bei API- oder Regionsänderungen erneut prüfen.