Google 发布 Gemini Omni 1.1 Flash：视频生成新增场景延伸、首尾帧、360p 草稿与 4K 输出

Google DeepMind 于 2026 年 8 月 27 日（美西时间）在 Google 官方博客发布 Gemini Omni 1.1 Flash，由产品经理 Anish Nangia 与 Alisa Fortin 署名。这是 Google 视频生成与编辑多模态模型的新版本，即日起在 Gemini API（Google AI Studio）开放，同步进入 Gemini Enterprise Agent Platform；创作工具 Google Flow 对 AI Plus／Pro／Ultra 订阅用户开放，Gemini App 的场景延伸功能则面向全球 Plus／Pro／Ultra 订阅用户推出。

五项新功能：从“单次生成”走向“可延续、可控制的制作”

• 场景延伸：模型分析前 10 秒的上下文（前代只看最后 1 秒），每次可延长 10 秒、最长 40 秒，并保持角色、光线与叙事一致。
• 指定首尾帧：给出起始与结束画面，模型自动生成中间的连续镜头与运镜。
• 360p 草稿模式：相较 720p 标准模式最多快 60%、成本只有三分之一，用来快速打样。
• 1080p／4K 高分辨率输出：供专业制作与正式交付使用。
• 视频参考：可上传最多 3 秒的外部片段，作为角色或动态的风格参考。

定价以“每秒输出”计算：360p 为 0.03 美元、720p 为 0.10 美元、1080p 为 0.15 美元、4K 为 0.30 美元。

技术意义：上下文窗口从 1 秒拉到 10 秒

视频生成模型长期的痛点是“一延长就走样”——角色换脸、光线跳动、动作接不上。前代仅以最后 1 秒作为延伸依据，模型其实不知道前面发生了什么；1.1 Flash 把参考上下文拉到 10 秒，等于让模型记住完整的一个镜头段落，叙事才可能连贯。首尾帧则是把动画行业的“关键帧”工作法搬进生成模型：人决定起点与终点，机器负责补间。两者加起来，生成视频开始具备“可导演性”，而不只是抽卡式的随机输出。

与竞品比较：用价格分层打开“先草稿再精修”的节奏

360p 草稿模式是本次最务实的设计。多数视频生成工具没有独立的低分辨率草稿价位，反复修改提示词往往按正式输出的价格计费，试错成本很快失控。Google 把草稿定在 720p 标准模式三分之一的价格、最多快六成，明确引导用户“用 360p 反复试、确定后再出 4K”，与软件行业“先原型再量产”的逻辑一致；按 4K 每秒 0.30 美元计，一条 30 秒短视频约 9 美元。the-decoder、Neowin 等媒体于同日跟进报道；从 API 首发与定价透明的策略看，Google 显然瞄准开发者市场，与 OpenAI Sora、快手可灵（Kling）、Runway 正面竞争。

对管理者的意义

对在泰国经营电商、零售或酒店的管理者而言，这则新闻的重点不是“AI 又能做视频了”，而是制作流程的成本结构变了：营销短视频的试错成本降到每秒几美分，且能指定首尾画面锁住品牌调性。若团队已有素材，可先用 360p 草稿测三到五个版本，内部拍板后再输出 4K 上线，把外包剪辑来回的时间压缩到一天之内。