先在 360p 打草稿，再对话式改几轮，最后只把选中的那条放大到 4K——这套流程不是用户自己拼出来的，而是 Google 在发布稿里直接写给开发者的用法。2026 年 11 月 5 日，Google 发布 Gemini Omni 1.2 Flash 这款原生视频生成模型的新版本；次日 Google Cloud 宣布该模型正式商用。两个头条数字是：原生片段最长 15 秒（1.1 版本为 10 秒），720p 定价每 0.07 美元，比上一代便宜 30%（Google 官方博客）。
价格账本：便宜的是草稿，不是成片
30% 的降价听上去像普惠，但把分辨率阶梯摊开就会发现，降价和放大其实是同一个动作的两面。按 Google 公开费率折算，每秒价格是 360p 约 0.023 美元、720p 约 0.07 美元、1080p 约 0.104 美元、4K 约 0.209 美元（beam.ai）；DataCamp 按同一费率算出的一条 15 秒成本是 360p 约 0.35 美元、720p 约 1 美元、1080p 约 1.55 美元、4K 约 3.15 美元。两家的小数位略有差异，但每秒口径一致，而且都标明一件事：1080p 与 4K 都不是重新渲染，而是把低分辨率结果放大。
也就是说，官方推荐的先 360p 后 4K 不是省钱技巧，而是价格结构本身——3 美元出头的 4K，买的是一次放大，不是一次更贵的生成。按上述 15 秒费率继续算，10 条 360p 草稿（约 3.5 美元）比 3 条 1080p 成片（约 4.65 美元）更便宜，这解释了为什么官方示例全部围绕草稿、修改、放大这三步展开。
真正的变化：多轮改稿这条流水线
Google 把这次升级的核心叫对话式编辑：在整条 15 秒片段上按轮次继续下指令，换产品、换背景、换灯光、换画幅，而不是推倒重生成。可用的参考素材也更宽——角色、产品或风格图片，最长 3 秒的运动片段，以及音频提示。模型卡把边界同时写清楚了：音频参考需要 Google Cloud 侧白名单，语音编辑功能目前处于限制状态，所有产出都带 SynthID 隐形水印。
门槛细节同样值得抄下来。API 在不指定时长时默认仍是 10 秒，首尾帧插值生成的片段封顶 10 秒；扩展视频在 Gemini API 侧算总长 30 秒，而 Google Cloud 文档写到 40 秒，两处官方口径并不一致。Cloud 上做编辑还要求输入与输出时长一致，落在 3 到 15 秒之间，最多带两张参考图。地域限制也有：上传视频的编辑能力在欧洲经济区、瑞士和英国不可用，但模型生成的视频在那里仍可编辑。以上细节均来自 DataCamp 对官方文档的核对。
实测：多轮改稿省钱，也攒错
最有价值的一手材料来自 DataCamp 编辑 Khalid Abdelaty 的实测：一次生成加两轮改稿，三条 15 秒 720p 视频总计约 3.55 美元，生成不到 1 分钟，每次改稿约两分钟；改稿比生成略贵，因为 Google 会重新处理源片。
结论比便宜更复杂。头一轮生成的一条弹珠滚过多米诺骨牌的连续镜头里，弹珠在骨牌后短暂消失又重新出现，铜铃比撞击晚约 0.15 秒。改颜色那一轮很干净：只有弹珠变蓝，尺寸、透明度、位置和原有时序都保住了——但它把错误也一起保住了，背景里那团来路不明的圆角形状和弹珠的重现，被原样染成蓝色。改材质那一轮只落地一半：铜铃变成了绘制道具，铜环和工坊背景仍是写实质感，画面没有出现逐帧定格节奏；音轨整体后移约 85 毫秒，铜铃落在撞击之后约 0.23 秒。改完一轮后音效就已经晚约 45 毫秒，差不多一帧。
这不是孤立样本。DataCamp 还提到 Segmind 在发布当天的测试：解说类和简单编辑跟得上提示词，但图表里的数据点被放在错误高度，部分指令被跳过。
位置空出来了
把镜头拉远看竞争格局。OpenAI 在 3 月 24 日通知开发者，9 月 24 日从 API 移除了整个 Videos API 和全部 Sora 2 模型别名，官方弃用清单没有列出替代模型（Spheron 引述 OpenAI 弃用页面，Make 与 TechJacks 各自的迁移文档记录了同一时间点）。按 Spheron 记录的 2026 年公开价，Sora 2 的 720p 是每 0.10 美元，1080p Pro 是每 0.70 美元，一条 10 秒 1080p Pro 约合 7.00 美元。
对照之下，Omni 1.2 Flash 的 720p 是每 0.07 美元，1080p 约每 0.104 美元。同样的公开价口径下，在 API 这一层，Google 补上的正是 OpenAI 腾出来的位置，而不是在一条已经挤满的赛道上再加一个模型。
所以呢
对要做批量短视频的团队，这套价目表改变的是作业顺序，不是单条成本：先在 360p 上把场景和物理关系试对，再决定要不要改稿，最后才付放大的钱。代价写在 DataCamp 的测试里——缺陷会随轮次累积，音轨每轮往后漂。因此实用规则大概是：把物理与时序押在头一稿上，把多轮改稿留给颜色和风格这类表层调整，音频单独排一次预算。
模型卡还给出一个常被忽略的判断依据：Google 对 Gemini Omni 1.2 Flash 的前沿安全评估直接沿用了 Gemini 3.1 Pro 与 3.7 Flash 的评估结果，称这两个模型都未触及任何受跟踪或关键能力等级，而 Omni 1.2 Flash 相对它们没有实质性的新能力或性能提升。视频生成正在变成一项能被拆成每秒、每分辨率、每轮编辑来卖的商品，剩下的问题是：缺陷累积的速度，会不会比单价下降的速度更快？