Google 发布 Gemini Omni 1.1 Flash，支持 40 秒场景延展与 4K 输出
来源Google DeepMind查看原文
速览
- Omni 1.1 主打可控性：延展、首尾帧、4K、草稿预览四项能力
- 场景延展上下文从 1 秒提升到 10 秒，单次延展 10 秒，累计上限 40 秒
- 360p 草稿最高快 60%、成本降至 720p 的三分之一，面向快速迭代
- 支持指定首帧与尾帧，在关键帧之间生成连续镜头，用于环绕与变焦转场
- 可引用最多 3 秒参考视频，维持角色与视觉一致性
- 同步在 Google Flow 与 Gemini app 向 Plus、Pro、Ultra 订阅用户开放
- Adobe、Figma Weave、GMI Cloud、Runway 已将其纳入生产流程
Google DeepMind 发布 Gemini Omni 1.1 Flash，定位为面向开发者的「生产可用」生成式视频模型更新，通过 Google AI Studio 的 Gemini API 和 Gemini Enterprise Agent Platform 提供。新版本在可控性上做了几项具体补强：场景延展（scene extension）可分析此前最多 10 秒的上下文（此前模型只参考最后 1 秒），以 10 秒为单位递进延展，累计最长 40 秒；支持指定首帧与尾帧，在两张关键帧之间生成连续视频，用于环绕运镜、变焦转场或无缝循环片段；提供 360p 草稿预览，官方称生成速度最高快 60%、成本为标准 720p 的三分之一；最终成片可输出 1080p 或 4K。多模态输入方面，单次可引用最多 3 秒的参考视频，用于维持视觉上下文与角色一致性。Omni 1.1 同步在 Google Flow 面向 Google AI Plus、Pro、Ultra 订阅用户全球上线，场景延展功能也在 Gemini app 中向上述订阅用户开放。Adobe Firefly、Figma Weave、GMI Cloud、Runway 等合作方已接入 Gemini Omni Flash。
关键事实
- Gemini Omni 1.1 Flash 于 2026 年 8 月 27 日发布，通过 Google AI Studio 的 Gemini API 与 Gemini Enterprise Agent Platform 提供
- 场景延展可分析此前最多 10 秒上下文，此前模型只参考最后 1 秒
- 视频以 10 秒为增量延展，累计总时长上限 40 秒
- 360p 草稿预览生成速度最高快 60%，成本为 720p 标准分辨率的三分之一
- 最终输出支持 1080p 与 4K 分辨率
- 多模态输入中单次可引用最多 3 秒参考视频，用于保持视觉上下文与角色一致性
本站视角
这次更新对国内做 AI 视频工具和内容生产的团队有直接参考价值，但价值点不在「4K」这个宣传词上，而在两个工程细节。第一，场景延展的上下文从 1 秒提到 10 秒，是解决「越延越崩」这一行业通病的关键变量——此前多数模型延展几段后角色和场景就开始漂移，10 秒上下文意味着模型能拿到更多叙事与视觉锚点，这对做短剧、广告分镜、连载式内容的团队是实质性改善，而不只是参数好看。第二，360p 草稿「快 60%、成本三分之一」的定价结构，说明 Google 在主动补贴试错环节。生成式视频真正的成本瓶颈从来不是成片那一次生成，而是创作者平均要生成好几版才能选中一版；把草稿做便宜，等于把整个工作流的单位成本压下来。对用 API 做产品的中小团队和国内做 Agent 视频工作流的开发者来说，这比 4K 更值得跟进。 我们的判断是：这是一次扎实的工程迭代，不是能力跃迁。40 秒累计上限、10 秒单次延展、3 秒参考视频，这些数字都偏保守，说明 Google 对长时一致性的把握仍然有限，把它包装成「studio-quality」有营销成分。真正需要打问号的是性能数据：60% 提速和三分之一成本都来自 Google 自己的系统吞吐对比（360p vs 720p），没有第三方复现，也没有说明在不同 prompt 复杂度下的波动范围，实际接入时很可能达不到标称值。另外，官方给出的合作方证言来自 Adobe、Figma、GMI Cloud、Runway，全部是接入方，天然带正面倾向，其中 GMI Cloud 强调「准确性」而非任何单一功能，反而侧面说明画质或时长并非该模型的强项。对国内团队而言，更现实的问题是可用性——Agent Platform API 与 Google AI Studio 的接入门槛、以及订阅制功能（Flow、Gemini app）与 API 能力之间的差异，需要在实际选型时逐项核对，不要按发布会口径做技术决策。
背景与影响
Gemini Omni 是 Google 把「真实世界推理」引入生成式创作的模型线，此前版本已具备生成视频能力，但更偏实验性质。1.1 Flash 的定位是把这条线推进到「production-ready」，即面向开发者做实际产品而非演示。从功能取舍看，Google 这次没有强调画质或时长上的跨越式突破，而是集中解决生成式视频在工程落地中最常见的三个摩擦点：镜头不可控、迭代成本高、分辨率不够交付标准。首尾帧插值与参考视频引用，本质上是把「导演意图」以关键帧和素材的形式注入模型；360p 草稿则直接对标创作者反复试错的成本结构。合作方名单里 Adobe Firefly、Figma Weave、Runway 都是已有成熟视频/设计工作流的产品，说明 Google 的策略是嵌入既有创作工具链，而不是只做一个独立的生成入口。需要观察的是，40 秒累计上限与 10 秒单次延展的约束，意味着它目前更适合广告、短片、分镜这类片段级生产，而非长视频叙事。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。