Resumen rápido
Gemini Omni Flash es el nuevo modelo de video con IA de Google: le das texto, una imagen, audio o video, y devuelve video en 720p con sonido, luego te permite editar ese clip hablándole en lenguaje sencillo. En la API de Gemini cuesta alrededor de $0.10 por segundo de video, igualando el propio nivel Veo 3.1 Fast de Google.
Esta es la parte que la mayoría de la cobertura de lanzamiento se salta: este es el nivel de video rápido y económico de Google, no el mejor. Los usuarios intensivos de video con IA que lo probaron en Hacker News terminaron ubicándolo por detrás de Seedance 2.0 de ByteDance, y Google todavía no ha publicado ni una sola puntuación de benchmark. La física y la consistencia espacial todavía fallan, la salida está limitada a 720p, y no hay nivel gratuito para probarlo sin compromiso.
Donde realmente brilla es en el ciclo de edición. Tratar el video como un chat, donde cada instrucción se construye sobre la anterior sin volver a subir nada, es el verdadero truco aquí, y es un flujo de trabajo más agradable que el de la mayoría de sus rivales. Si construyes herramientas creativas, vale la pena echarle un vistazo. Si llegaste aquí preguntándote si sirve para algo en soporte al cliente, no es así, y explicaré por qué al final.
Trabajo con agentes de IA en eesel, así que cada vez que un gran laboratorio lanza un modelo, parte de mi semana desaparece probando lo que realmente puede hacer frente a lo que afirma la publicación de lanzamiento. Aquí va la lectura honesta sobre Omni Flash.
Qué es realmente Gemini Omni Flash
Gemini Omni Flash es el primer modelo de la nueva familia "Gemini Omni" de Google DeepMind, que la ficha del modelo describe como un "siguiente paso hacia modelos capaces de crear y editar cualquier cosa a partir de cualquier entrada, empezando por el video". En términos simples: es un modelo nativamente multimodal que acepta texto, imágenes, audio y video, y genera video en alta resolución con audio.
La propia frase de Google es la descripción más clara que he visto: "Piensa en Gemini Omni como Nano Banana, pero para video." Si has usado el editor de imágenes Nano Banana de Google, donde ajustas una imagen con prompts sucesivos, esa es la experiencia que están trasladando al video.
La ficha del modelo se publicó el 19 de mayo de 2026, la versión para consumidores se lanzó primero a través de la app Gemini y YouTube, y los desarrolladores obtuvieron acceso a la API el 30 de junio de 2026 bajo el ID de modelo gemini-omni-flash-preview. Está claramente en la misma conversación que Runway, Pika y Seedance de ByteDance, y un escalón por debajo del propio modelo insignia de Google, Veo.
Cómo funciona Gemini Omni Flash
Por dentro es un modelo basado en transformers con soporte nativo para texto, visión, video y audio, entrenado en las TPU de Google. El argumento de Google es que combina medios generativos con el conocimiento del mundo de Gemini, de modo que la salida busca ser "física y lógicamente coherente en lugar de solo estilísticamente plausible", apoyándose en una "comprensión de la física" además de conocimiento de historia, ciencia y cultura.
La API expone cinco familias de capacidades: texto a video-audio, imagen a video-audio, referencia a video-audio, edición de video y generación de imágenes. Una advertencia que vale la pena decir con claridad: Google no ha publicado puntuaciones de evaluación para ninguna de ellas. La ficha del modelo pospone abiertamente los benchmarks, diciendo que "se compartirán cuando lo implementemos para desarrolladores y clientes empresariales a través de las APIs". Así que cualquiera que afirme que Omni Flash supera a un rival en las cifras está adivinando, porque esas cifras todavía no existen.
La edición conversacional es el verdadero titular
Si hay una función que justifica el lanzamiento, es la edición con estado. En lugar de reescribir un prompt enorme cada vez que quieres un cambio, generas un clip y luego lo refinas una instrucción a la vez, y el modelo recuerda el resto de la escena.
Funciona a través de la Interactions API de Google, y el mecanismo es un único campo, previous_interaction_id, que encadena un seguimiento a un resultado anterior "sin volver a subir el video anterior". El propio ejemplo práctico de Google deja claro el ciclo:
# Turn 1: Generate initial video
res1 = client.interactions.create(model="gemini-omni-flash-preview", input="A woman playing violin outdoors.")
# Turn 2: Edit the previous video
res2 = client.interactions.create(
model="gemini-omni-flash-preview",
previous_interaction_id=res1.id,
input="Make the violin invisible."
)
La guía de prompting de Google se apoya en la misma idea: mantén las ediciones cortas ("Haz que este video sea anime", "Cambia la iluminación para que sea más dramática"), añade "Mantén todo lo demás igual" para fijar la escena, y prefiere quitar cosas antes que sobre-describir ("Haz que el teléfono sea invisible" gana a un párrafo entero). Es un modelo mental genuinamente agradable, y lo más parecido a editar video como editarías un documento.
Dos trampas que señalaría antes de que construyas sobre esto. Primero, si defines store=false para acelerar la generación, el clip deja de ser editable en turnos posteriores, lo que silenciosamente rompe todo el sentido de la función. Segundo, editar videos que subes tú mismo no está disponible en el EEE, Suiza o el Reino Unido, aunque editar clips generados por el modelo funciona en todas partes. Esa restricción regional es fácil de pasar por alto hasta que un usuario europeo se topa con ella.
Lo que cuesta Gemini Omni Flash
Aquí está el número real por adelantado: la salida de video se factura a $17.50 por 1M de tokens, y Google fija el precio del video en 720p en 5,792 tokens por segundo, lo que da aproximadamente $0.10 por segundo bajo el precio Standard. La entrada en todas las modalidades tiene una tarifa plana de $1.50 por 1M de tokens.
| Concepto | Nivel gratuito | Nivel de pago |
|---|---|---|
| Entrada (texto / imagen / video / audio) | No disponible | $1.50 / 1M tokens |
| Salida (texto) | No disponible | $9.00 / 1M tokens |
| Salida (video) | No disponible | $17.50 / 1M tokens (≈ $0.10/seg de 720p) |
| Descuento Batch / Flex / Priority | Ninguno | No listado |
| Rendimiento aprovisionado | No compatible | No compatible |
| Se usa para mejorar los productos de Google | Sí | No |
Algunas cosas destacan. No hay nivel gratuito, así que no puedes experimentar sin una clave de pago. Tampoco hay una tabla de Batch, Flex o Priority para este modelo, a diferencia de la mayoría de la gama Gemini 3.x, así que no existe un descuento documentado del 50% por lotes al que recurrir para trabajos masivos. La tarifa de $0.10/seg en sí es razonable, pero es un medidor por segundo que se acumula rápido a escala.
Para tener una idea de escala: un clip de 10 segundos cuesta cerca de $1, uno de 30 segundos cerca de $3, y un minuto de video alrededor de $6, antes de contar las regeneraciones que todo flujo de trabajo de video con IA necesita. En el lanzamiento, Google describió un límite de 10 segundos por generación, con duraciones más largas "próximamente", así que hoy esta es una herramienta para clips cortos, no para escenas completas. Si quieres comparar el panorama de precios más amplio, mi repaso de las APIs de Gemini, OpenAI y Anthropic cubre cómo se comparan estos medidores.
Dónde se ubica: no es el mejor modelo de video de Google
Este es el enfoque al que más me opondría de la cobertura de lanzamiento. Omni Flash está explícitamente posicionado como el nivel rápido y accesible, y Google señala que la tarifa de $0.10/seg iguala a Veo 3.1 Fast. "Rápido" es la pista: este no es el modelo al que recurres cuando quieres la mejor calidad de fotograma absoluta de Google, ese es Veo. Y frente a la frontera independiente actual, la recepción ha sido tibia.
El tema más recurrente en el hilo de lanzamiento en Hacker News (323 puntos) fue el de usuarios intensivos comparándolo desfavorablemente con Seedance de ByteDance. Una persona que dice haber gastado miles de dólares en Seedance fue directa:
"En el primer uso no estoy impresionado. Probablemente he gastado un par de miles de dólares en Seedance 2 hasta la fecha, y no encuentro nada que google omni flash haga mejor que Seedance después de pasar un puñado de muestras por el sistema."
Otro coincidió, y señaló que la siguiente versión de Seedance ya está cerca:
"Cualquiera que haya usado un poco seedance 2.0 puede notar que Gemini está algo atrás, y seedance 2.1 ya está en el horizonte."
Ese es el panorama competitivo honesto: un modelo competente y económico que los usuarios intensivos ubican actualmente por detrás de la frontera, que se vende por su flujo de trabajo y precio, no por su calidad bruta.
Las limitaciones que vale la pena conocer
Google es refrescantemente honesto en la ficha del modelo, y nombra tres desafíos abiertos: mantener la consistencia a lo largo de las ediciones, generar movimiento complejo y renderizar texto en pantalla con precisión. La comunidad encontró las aristas rápido. Un desarrollador que se dedica a escribir simulaciones de física ejecutó su prueba estándar:
"'Un video de una torre de bloques de jenga cayéndose mientras se retira un bloque. La física de cada bloque debe ser realista.' Me dio un video donde los bloques de repente desaparecen o se transforman en otros."
Otro señaló el problema más profundo detrás de esas fallas:
"errores espaciales sutiles, y la geometría que cambia cuando sale de vista y vuelve a aparecer, sugieren que Google todavía no ha resuelto el problema de la comprensión espacial profunda."
Más allá de la calidad, tres límites prácticos determinan lo que puedes construir. No hay edición de voz o habla: el modelo técnicamente puede cambiar lo que dice la gente, pero Google restringe eso deliberadamente como salvaguarda contra la manipulación de semejanza. No hay extensión ni interpolación de video, así que te remiten a Veo 3.1 para unir escenas. Y todavía no hay razonamiento multi-video ni carga de referencia de audio. Del lado de la seguridad, cada clip lleva una marca de agua invisible SynthID detectable de forma programática, lo cual es una ventaja real para la procedencia.
También hay una queja sencilla sobre la marca que siguió apareciendo, y es justa:
"Sus productos también son bastante desordenados. Veo, Gemini Omni Flash, Spark, Flow, Duo.... Muchas líneas de producto confusas y que compiten entre sí."
Omni Flash se lanzó junto a un modelo de imagen hermano, Nano Banana 2 Lite, que encaja en la gama de imágenes escalonada "Lite / standard / Pro" de Google, la misma división de "barato-rápido frente a caro-bueno" que Omni Flash representa para el video.
Entonces, ¿deberías usarlo?
Si estás construyendo herramientas creativas o de video y quieres un modelo económico con un ciclo de edición conversacional genuinamente agradable, vale la pena probar Omni Flash, sobre todo si los clips cortos en 720p encajan con tu caso de uso y puedes prescindir de un nivel gratuito. Si tu exigencia es fidelidad de primer nivel, física compleja o escenas largas, las propias pruebas de la comunidad sugieren que estarás más contento con Veo para la mejor calidad de Google o con Seedance para la frontera independiente actual. Y es pronto: sin benchmarks, con etiqueta de preview, y una hoja de ruta de funciones "próximamente" significan que el veredicto de hoy podría cambiar.
Un comentarista de HN puso todo esto en perspectiva, y coincido con el espíritu de lo que dice:
"la cantidad de gente que espera que la IA simplemente acierte todo a la primera es graciosísima."
Trátalo como un compañero de edición iterativa, no como un oráculo de un solo intento, y es una opción sólida y económica. Solo no confundas el nivel rápido con el mejor de Google.
eesel: IA para el trabajo que los modelos de video no pueden tocar
Una nota honesta y rápida, ya que este es un blog de eesel. Omni Flash es un modelo de medios, y no hace nada por una cola de soporte. Pero ese mismo instinto de "IA que se conecta y hace la parte aburrida" es exactamente en lo que trabajo en eesel, solo que enfocado en soporte al cliente en lugar de video.
Donde Omni Flash genera clips, el agente de IA de eesel se conecta a tu helpdesk existente (Zendesk, Freshdesk, Gorgias y más), aprende de tus tickets pasados y tu centro de ayuda, y resuelve conversaciones reales de clientes por sí solo. Llevamos años ejecutando IA en colas de soporte en vivo, lo que nos enseñó a simular cada lanzamiento contra tickets históricos antes de que toque a un cliente real, la ingeniería poco glamorosa que un video de demostración nunca muestra. Es gratis de probar, y a diferencia de Omni Flash, sí existe una forma gratuita de empezar.
Preguntas frecuentes
¿Qué es Gemini Omni Flash?
gemini-omni-flash-preview.¿Cuánto cuesta Gemini Omni Flash?
¿Es Gemini Omni Flash mejor que otros modelos de video con IA?
¿Puede Gemini Omni Flash editar mis propios videos subidos?
¿Deberían las empresas usar Gemini Omni Flash para soporte?
Article by
Alicia Kirana Utomo
Kira is a writer at eesel AI with a Computer Science background and over a year of hands-on experience evaluating AI-powered customer service tools. She focuses on breaking down how helpdesk platforms and AI agents actually work so that support teams can make better buying decisions.
