Dek: Google verlängert die Clips seines Videomodells und senkt den Preis um knapp ein Drittel. Interessant ist weniger die Zahl selbst als der Arbeitsablauf, den sie möglich macht.
Was Gemini Omni 1.2 Flash für Gemini API video ändert
Zwei Werte entscheiden bei Videogenerierung über Budgets, und Google hat beide bewegt. Clips dürfen jetzt 15 Sekunden lang sein, und der Preis liegt bei $0.07 per second für 720p. Das Modell ist laut Google-Blog vom 5. November 2026 allgemein verfügbar, über die Gemini API, Google Cloud, Gemini for business und Google Vids.
Bemerkenswert ist vor allem das Wort „allgemein verfügbar". Die Omni-Reihe war bisher etwas, das man in Demos sah. Jetzt steht sie in derselben Produktionsumgebung wie die Textmodelle, mit Abrechnung pro Sekunde und ohne Warteliste. Kein Formular, kein Vertriebsgespräch.
Anish Nangia, Produktmanager bei Google DeepMind, beschreibt die Änderung in drei Punkten: längere Clips, bessere Referenztreue und Gespräche statt Neustarts. Der Preis ist der vierte Punkt und der einzige, der sich in einer Tabelle prüfen lässt.
15-second clips: warum die Länge den Unterschied macht
Bisher lag das Maximum bei zehn Sekunden aus dem Vorgängermodell 1.1. Jetzt sind es 15 Sekunden, und die Dauer lässt sich in Ein-Sekunden-Schritten zwischen 3 und 15 setzen. Das klingt nach einem Detail und ist in der Praxis der Unterschied zwischen einem Ausschnitt und einem Spot.
Google zeigt das an einem Beispiel, das ohne Schnitt auskommt: eine durchgehende FPV-Drohnenfahrt über eine Piazza, durch bronzene Türen und hinauf durch die Kassettendecke des Pantheons bis zum Oculus. Fünf Sekunden mehr kaufen keine Geschichte, sie kaufen eine Einstellung, die man sonst zusammenkleben müsste. So einfach ist das.
Wer für Social Ads produziert, kennt die Grenze: Ein 15-Sekunden-Spot ist ein Format, ein 10-Sekunden-Clip nur ein Baustein, und deshalb ist die Länge für Agenturen wichtiger als die Auflösung.
Der Preis: $0.07 per second und was das im Alltag bedeutet
Google senkt den Preis gegenüber Gemini Omni 1.1 um 30 Prozent. Bei 720p kostet eine Sekunde Video $0.07, ein voller 15-Sekunden-Clip also etwas mehr als einen US-Dollar. Für eine Agentur, die zwanzig Varianten eines Produktvideos braucht, ist das der Punkt, an dem Testen billiger wird als Diskutieren, und an dem die Entscheidung vom Kreativmeeting in die Testreihe wandert.
Die Rechnung hat allerdings zwei Lücken, und Google benennt sie nicht. Für 1080p und 4K nennt der Beitrag keinen Preis, und ob es eine kostenlose Stufe gibt, steht dort ebenfalls nicht. Zwei Lücken, ein offener Punkt. Wer die Zahl in eine Kalkulation schreibt, sollte sie auf 720p begrenzen und den Rest als offen markieren.
Hinzu kommt die Abrechnung selbst. Deutsche Kunden zahlen über Google Cloud in Euro, mit Umsatzsteuer und in der Regel mit einem Budget pro Projekt. Eine Preisangabe in US-Dollar pro Sekunde ist deshalb ein Rohwert, kein Endpreis.
multi-turn editing: korrigieren statt neu rendern
Der zweite Hebel ist unspektakulär und spart am meisten Zeit. Bisher hieß ein Fehler im Clip meist: neu generieren, neu hoffen. Mit multi-turn editing lässt sich eine Stelle mit einer Folgefrage ändern, während der Rest des Clips stehen bleibt.
Google zeigt den Unterschied an einem Beispiel mit zwei Runden: Erst entsteht ein krakenartiges Wesen mit wogenden Bewegungen, dann ersetzt eine Anweisung es durch eine Tänzerin, deren Kleid dieselbe Bewegung aufnimmt. Der Anker ist die Bewegung, nicht das Motiv.
Für die Praxis heißt das: Ein Storyboard wird zum Gespräch. Man arbeitet sich in Runden an das Ergebnis heran, statt jeden Versuch als eigenen Entwurf zu behandeln, und das verändert auch, wer solche Clips produziert. Wer bisher einen Cutter für die Nachbearbeitung brauchte, kann einen Teil davon in den Prompt verlagern. Das ist der eigentliche Trick.
Referenzen halten: wie Gemini Omni 1.2 Flash Gesichter und Markenfarben stützt
Der dritte Punkt betrifft Marken und ist der, an dem solche Modelle bisher gescheitert sind. Gemini Omni 1.2 Flash hält Gesichter, Kleidungsstücke, Typografie auf Verpackungen und Markenfarben über verschiedene Kamerawinkel hinweg konsistent, so beschreibt es Google.
Als Eingabe dienen Charakter-, Produkt- oder Stilbilder, kurze Bewegungsclips von bis zu drei Sekunden und Tonspuren. Wichtig: Audio ist hier Referenzmaterial, keine generierte Tonspur. Wer Musik oder Sprache braucht, muss sie weiterhin separat produzieren.
Google nennt als Zielformate virtuelle Anproben, Katalogdrehungen, Markenwerbung, Produkterklärungen und Social Ads. Das sind genau die Aufträge, die eine mittelständische Agentur in Deutschland jede Woche bekommt: ein Produkt, drei Perspektiven, ein Loop für den Messestand.
Was bedeutet das für eine Marke mit drei Produktlinien?
Der Arbeitsablauf mit Gemini Omni 1.2 Flash: billig entwerfen, teuer hochskalieren
Die eigentliche Neuerung ist der Ablauf, den Google empfiehlt. Erst in 360p oder 720p entwerfen, mit Folgeanweisungen korrigieren und nur die Takes, die überleben, auf 1080p oder 4K hochskalieren.
Das ist der Unterschied zwischen einem Werkzeug für Demos und einem für Kampagnen, und er zeigt sich nicht in der Qualität des besten Clips, sondern in der Zahl der Versuche, die sich ein Team leisten kann, bevor es sich für eine Fassung entscheidet. In einem Budget, das eine Marketingabteilung pro Quartal hat, lassen sich so zwanzig Entwürfe rechnen und zwei Endfassungen produzieren. Vorher war es umgekehrt: zwei Versuche, ein Ergebnis.
Wer das ernst nimmt, ändert auch die Rollenverteilung im Team. Die Person, die den Prompt schreibt, entscheidet über die Auswahl, und die Freigabe wandert nach hinten, weil es mehr Material zu sichten gibt.
Was Google zu Gemini Omni 1.2 Flash nicht sagt
Es gibt in dem Beitrag keinen einzigen Benchmark und keinen Qualitätsvergleich mit anderen Videomodellen von Google. Die Aussagen zur Verbesserung stammen vom Anbieter selbst und sind nicht unabhängig geprüft. Wer eine Rangliste sucht, findet hier keine.
Unklar bleibt auch, ab wann die 15 Sekunden in der Gemini-App ankommen. Google schreibt, 15-Sekunden-Videos dort würden zunächst an Abonnenten von Google AI Ultra ausgerollt. In Google Vids sind 15 Sekunden dagegen ohne Aufpreis möglich, mit einem Google-Konto oder einem Workspace-Abo.
Ein Detail erwähnt der Beitrag beiläufig: Ausgaben tragen ein SynthID-Wasserzeichen, das für das menschliche Auge nicht wahrnehmbar sein soll, und für Teams, die Videos an Kunden weitergeben, ist das relevant, weil es die Kennzeichnung gleich mitliefert, die in der EU nach der KI-Verordnung ohnehin verlangt wird.
Für wen Gemini Omni 1.2 Flash jetzt interessant wird
Wer regelmäßig kurze Produktvideos braucht und bisher Stockmaterial zusammengeschnitten hat, bekommt hier einen günstigeren Entwurfsschritt. Wer Kinospots mit Schauspiel und Ton dreht, wird weiterhin bei klassischer Produktion bleiben, schon weil Audio nur als Referenz funktioniert.
Der nächste Prüfpunkt ist nicht der Preis, sondern die Geduld. Ob Gesichter über 15 Sekunden stabil bleiben, zeigt sich erst in der eigenen Testreihe, und die kostet jetzt weniger als ein Mittagessen. Genau das ist der eigentliche Fortschritt: Man kann es ausprobieren, ohne einen Etat zu verteidigen.
