Los vídeos de inteligencia artificial tienen un problema: duran tan poco que casi nunca cabe la idea completa. Un anuncio, una explicación de producto o una escena con dos personajes hablando necesita más de diez segundos, y el modelo de vídeo de Google se quedaba justo ahí. El 5 de noviembre de 2026, Google lanzó Gemini Omni 1.2 Flash, y el cambio principal cabe en una cifra: 15 segundos.
No es solo más tiempo. Llega en disponibilidad general —por primera vez en la familia Omni— a la API de Gemini y a Gemini para empresas, con edición por conversación, un seguimiento mucho más fiel de las referencias y un precio un 30% más bajo. En la API se identifica como gemini-omni-1.2-flash y acepta texto, imágenes y vídeo para devolver vídeo con sonido.
La pregunta es qué se puede hacer con ellos, cuánto cuesta de verdad cada clip y dónde se usa ya. Todo sale del anuncio oficial de Google y de su página de precios, y se marca qué es afirmación de Google y qué es cálculo o dato reportado.
Qué es Gemini Omni 1.2 Flash y por qué llega ahora
Gemini Omni 1.2 Flash sucede a Omni 1.1 Flash, que Google ofrecía en versión preliminar. La diferencia importa: la 1.1 nunca llegó a disponibilidad general; la 1.2 sí, respaldada por Google Cloud y con capacidad reservada —Provisioned Throughput— para producción. Google lo considera listo para productos reales, no solo prototipos.
Genera y edita vídeo de forma nativa, con audio sincronizado: produce el clip completo a partir de un texto, de imágenes de referencia o de un vídeo que se quiere modificar, en duraciones de 3 a 15 segundos elegidas segundo a segundo, con 10 segundos por defecto.
Google lo vende como su modelo de vídeo rápido y barato para producir en volumen, frente a Veo, su línea de mayor calidad. Y solo se compara consigo mismo: no hay comparaciones con Sora ni benchmarks independientes. Por ahora, todo lo que se diga de su calidad viene de Google.
15 segundos: por fin cabe un anuncio completo
El salto de 10 a 15 segundos parece pequeño hasta que se intenta meter una idea en diez segundos. Con 15 hay espacio para historias completas, explicaciones de producto o un anuncio entero para redes sociales en una sola generación. Antes, ese anuncio había que partirlo en dos o tres clips y rezar para que el producto no cambiara de color entre uno y otro.
La duración se elige en pasos de un segundo, así que no hay que pagar por 15 segundos cuando la idea cabe en 7. El valor por defecto sigue siendo 10, el tope anterior.
Un matiz de la documentación: la interpolación entre un primer y un último fotograma sigue limitada a clips de 3 a 10 segundos; pedir más devuelve un error. La API permite extender un vídeo de 3 a 10 segundos por turno, hasta 30 segundos en total, según la documentación citada por medios especializados. 15 segundos es el tope por generación, no el tope de lo que se puede construir encadenando.
El precio: 0,07 dólares por segundo… y la letra pequeña
El titular del precio es el del anuncio: 0,07 dólares por segundo de vídeo a 720p, un 30% menos que Omni 1.1. Y es cierto, pero solo si se lee completo. Esa cifra cubre únicamente la salida de vídeo a 720p. Todo lo demás se factura aparte, y en la API no hay plan gratis para este modelo: cada generación se paga.
La factura se entiende en tokens, porque Google no cobra por segundos sino por tokens de salida: a 720p, cada segundo equivale a 5.792 tokens a 12 dólares por millón. La cuenta da 0,0695 dólares por segundo, que Google redondea a 0,07. Un clip de 15 segundos son 86.880 tokens, unos 1,04 dólares solo por el vídeo, antes de cualquier otro cargo.
A eso se suman la entrada y la salida de texto: la entrada —prompt, referencias y vídeo de origen— cuesta 1,50 dólares por millón de tokens, y la salida de texto, 9 dólares por millón. Un prompt apenas añade céntimos, pero cada referencia y cada turno de edición suman, y cada edición genera un vídeo nuevo. La página de precios no aclara si una edición se factura como un clip completo; lo prudente es asumir que sí.
Las demás resoluciones tienen su tarifa: un borrador a 360p sale a unos 0,023 dólares por segundo (15 segundos por 0,35 dólares), y el 1080p y el 4K, a unos 0,104 y 0,209 (1,56 y 3,13 dólares el clip de 15 segundos). Ojo: el 1080p y el 4K no son generación nativa, sino escalado. El flujo que vende Google es «borrador barato y luego escala»: se trabaja a 360p o 720p y solo se paga el escalado del clip que se conserva.
Frente a la versión anterior, el ahorro queda claro: Omni 1.1 costaba unos 0,10 dólares por segundo y su clip más largo, de 10 segundos, salía por 1,01 dólares. Omni 1.2 entrega 15 segundos por 1,04: un 50% más de metraje por tres centavos más. La rebaja del 30% también se redondea: el token bajó de 17,50 a 12 dólares por millón, una caída real de alrededor del 31%. El precio por segundo es real, pero el coste por clip terminado depende de cuántos borradores se tiran.
La bajada llega en un momento curioso: mientras el vídeo de IA se abarata, la memoria que mueve estos modelos se encarece. La escasez de memoria está subiendo los precios de Switch 2, Apple y el resto del hardware, y en ese mercado, abaratar la generación es también una forma de competir.
Editar hablando: el cambio que más se nota
Si los 15 segundos son el titular, la edición por conversación es el cambio que más se nota. En Omni 1.1, corregir un detalle era regenerar el clip entero y cruzar los dedos. En Omni 1.2, se pide el cambio con un mensaje —producto, fondo, luz, clima o relación de aspecto— y el modelo devuelve el mismo clip modificado.
La demostración oficial es una escena medieval: los mensajes cambian el fondo turno a turno —carpa de rayas, bosque de robles, establo con un caballo blanco, feria y castillo de piedra— mientras los personajes, los reflejos de sus armaduras y el encuadre se mantienen intactos.
La edición funciona sobre clips completos de hasta 15 segundos, y Google la vende para variantes de anuncios: mismo producto, distintos públicos y formatos, sin reescribir el briefing ni regenerar desde cero. Para quien produce anuncios en serie, eso vale tanto como el precio por segundo.
El flujo que recomienda Google: borrador a 360p o 720p, corrección por conversación y escalado del ganador a 1080p o 4K. Primero la prueba barata, luego el acabado caro solo para la versión que se queda. Y la misma advertencia del precio: cada turno de edición es una generación nueva, así que conviene presupuestar cada corrección como un clip más.
La referencia manda: caras, productos y marcas que no se deforman
El otro gran cambio es lo bien que el modelo se agarra a la referencia: fotos de una persona, de un producto o de un estilo, clips de movimiento de hasta tres segundos y pistas de audio. Google promete que las caras, las prendas, la tipografía del empaque y los colores de marca se mantienen consistentes entre ángulos de cámara, algo que en la versión anterior se perdía con facilidad.
La demostración más clara es la prueba virtual de ropa: con una foto de la modelo y las fotos de frente y espalda de tres prendas —abrigo camel, vestido verde y chaqueta azul—, el modelo genera 15 segundos en los que la modelo gira 360 grados y cambia de prenda con cortes de montaje, manteniendo su identidad y el corte, la caída y los detalles traseros de cada prenda. Para una tienda en línea, es un catálogo que se mueve sin sesión de fotos.
Lo mismo vale para objetos: Google muestra un póster que el modelo construye capa por capa —las letras HALO, GLOW y LUMEN, con vidrio estriado y cristal facetado—, manteniendo cada material y cada sombra hasta el último fotograma. En la 1.1, según Google, el resultado no se parecía tanto.
La consistencia se nota también en el movimiento: menos deriva y menos deformaciones cuando cambia el ángulo o se interpola entre dos fotogramas clave. Todo se mantiene estable de una toma a otra, justo lo que fallaba al coser clips de diez segundos. Ninguna mejora trae benchmarks publicados: son afirmaciones de Google, y solo se comprueban probando el modelo con fotos propias.
Voz más natural y cámara de cine
El audio es la mitad del vídeo: diálogo más fluido, lip-sync más claro y voces diferenciadas por hablante. La demostración es una escena animada en un invernadero: con una imagen, cuatro personajes y referencias de voz de un segundo por personaje, el modelo asigna cada voz al personaje correcto en una conversación de 15 segundos entre un camaleón, un pangolín, un capibara y una criatura rosa que discuten por una orquídea.
La voz como interfaz no es solo cosa de Google. El mismo 5 de noviembre, Meta presentaba Muse Voice, su asistente con llamadas de voz y videollamadas con un avatar que reacciona al tono. Dos anuncios el mismo día, dos formas de entender lo mismo: la voz y el vídeo generativo se están convirtiendo en la interfaz, no solo en el contenido.
En cámara, promete movimientos continuos —vuelos FPV, alejamientos y órbitas— con menos cortes, escala estable y aspecto cinematográfico. La demostración es un vuelo de dron por el Panteón: guiado por dos fotos de referencia, el modelo vuela desde la plaza, atraviesa las puertas de bronce y sube por la cúpula hasta el óculo, sin un solo corte. Dos fotos y una orden para un plano que en rodaje real exigiría dron, permisos y un día entero.
Dónde se puede usar y cuánto cuesta en cada sitio
El modelo no llega a un solo producto, y el precio depende de por dónde se entre. Para desarrolladores, está en la API de Gemini —con prototipos en Google AI Studio— y en Google Cloud, con Provisioned Throughput para reservar capacidad. En la API se paga por tokens, como se detalla arriba, y no hay plan gratis.
En las aplicaciones de Google, el panorama cambia. En Flow, la herramienta para dirigir escenas, están los 15 segundos, la extensión y el escalado; según las guías especializadas, esas funciones requieren un plan de pago de Google AI —Plus, Pro o Ultra—, y las gratuitas se quedan en 10 segundos. En Google Vids, los clips de 15 segundos no tienen costo adicional con una cuenta de Google o de Workspace, según el anuncio oficial. En la app Gemini, los 15 segundos se despliegan entre los suscriptores de Google AI Ultra, sin fecha para el resto. Google Ads completa la lista.
Dos fechas marcan la transición. Según la página de precios, a partir del 3 de diciembre de 2026 las peticiones a gemini-omni-1.1-flash se enrutarán automáticamente a Omni 1.2 y se facturarán con las tarifas nuevas: nadie tiene que migrar a mano. En Flow, los modelos anteriores —Veo 3.1 Fast, Veo 3.1 Quality y Omni 1.1— se retiran el 5 de diciembre, según la documentación citada por medios especializados. Quien tenga flujos sobre la 1.1 tiene un mes para probar la nueva.
Lo que Google no promete (todavía)
Un lanzamiento se mide también por lo que no dice. Primero, la calidad frente a la competencia: no hay benchmarks independientes ni comparaciones con otros modelos, solo la palabra de Google contra su predecesor. Las mejoras son afirmaciones del fabricante, no resultados medidos por terceros: conviene probar el modelo con un encargo real antes de adoptarlo.
Segundo, Google admite los puntos débiles: el desarrollo continúa para mejorar la acción deportiva rápida, los cambios rápidos de guion y la física compleja. Si la idea implica un partido o una persecución, todavía no es la herramienta. Para anuncios de producto, explicaciones y escenas con diálogo, en cambio, es justo su terreno.
También hay límites que no salen en el anuncio y sí en la documentación: editar o extender vídeos subidos no está disponible en el Espacio Económico Europeo, Suiza ni Reino Unido; las entradas de audio no están soportadas en la API actual, y las referencias de audio están detrás de una lista de acceso. Cada vídeo lleva una marca de agua invisible, SynthID, que lo identifica como generado por IA aunque no se vea.
Con todo, el interés comercial ya está ahí: según el anuncio de Google Cloud citado por medios especializados, empresas como Picsart, Photoroom, invideo y Runway ya construyen con el modelo. El vídeo corto generado por IA dejó de ser una curiosidad y pasó a ser una línea de producción. Omni 1.2 Flash no inventa esa tendencia, pero le pone un precio más bajo, quince segundos y una forma de corregir hablando. Basta probarlo esta semana con un encargo real y ver la factura antes de comprometerse con más.
Síguenos para más noticias de tecnología: Instagram @EcuadorGeek y X @EcuadorGeek.
