Lo que Google realmente lanzó
Leo muchos anuncios de modelos por trabajo, y la mayoría son una sola capacidad disfrazada de nuevo marketing. Gemini Omni Flash tiene una forma genuinamente distinta: es el intento de Google de crear un modelo any-to-any donde el vídeo es la salida actual, no la única prevista. La idea, según el anuncio del CTO de DeepMind, Koray Kavukcuoglu, es que Omni es donde "la capacidad de razonar de Gemini se encuentra con la capacidad de crear".
En términos concretos, eso significa que puedes darle al modelo una mezcla de texto, imagen, vídeo y audio (por ahora, solo voz), y genera vídeo en alta resolución con audio basado en el conocimiento general de Gemini sobre el mundo, la física, la historia y el contexto cultural, en lugar de simplemente fotogramas que parezcan plausibles. Los propios prompts de demostración de Google apuestan por eso: una canica rodando por un circuito de reacción en cadena que respeta el momento y la gravedad, un vídeo del abecedario donde cada letra es un objeto temático inusual, una explicación en plastilina sobre el plegamiento de proteínas.
La parte que merece la pena detenerse a analizar es el modelo de edición. Pides un cambio y la siguiente instrucción se construye sobre la anterior en lugar de regenerar toda la escena: los personajes se mantienen en su sitio, la física se sostiene y el modelo recuerda lo que ya hizo. La demostración de Google muestra a un violinista a través de tres ediciones acumulativas, cambiando el entorno, haciendo invisible el violín y luego cambiando el ángulo de cámara, sin perder el hilo de la toma original.
El flujo de trabajo any-to-any
La ficha oficial del modelo confirma que la arquitectura es un transformer con soporte multimodal nativo en texto, visión, vídeo y audio. Las entradas pueden ser cualquier combinación de esas cuatro; la única modalidad de salida disponible por ahora es vídeo con audio, aunque Google dice que la salida de imagen y audio llegará "con el tiempo". Ese es el planteamiento "any-to-any": un solo modelo, múltiples tipos de entrada, un único bucle creativo conectado en lugar de herramientas separadas para generación y edición.
El lanzamiento siguió un patrón ya conocido de Google: primero consumidores, después desarrolladores. Gemini Omni Flash llegó a los suscriptores de Google AI Plus, Pro y Ultra a nivel global a través de la app de Gemini y Google Flow, además de gratis para creadores en YouTube Shorts y la app YouTube Create, todo el primer día. El acceso para desarrolladores y a la API empresarial llegó semanas después, en vista previa pública el 30 de junio de 2026, a través de Google AI Studio, la API de Gemini y la Gemini Enterprise Agent Platform.
Junto a Nano Banana 2 Lite: un solo flujo de trabajo, no dos productos
Omni Flash no se lanzó solo. Google lo anunció junto a Nano Banana 2 Lite (id de modelo gemini-3.1-flash-lite-image), el modelo más rápido y económico de la familia de generación de imágenes Nano Banana: texto a imagen en menos de 4 segundos por $0.034 por imagen de resolución 1K, sustituyendo al Nano Banana original como opción recomendada por defecto. Por sí sola, esa es una mejora sólida, aunque poco llamativa, de velocidad y coste.
Lo interesante es que Google construyó tres apps de demostración oficiales que encadenan ambos modelos en lugar de tratarlos como productos separados:
- Anywhere: toma una selfie, usa Nano Banana 2 Lite para colocarte en un lugar emblemático y luego Omni Flash anima la imagen fija convirtiéndola en un clip.
- Space Lift: reimagina la foto de una habitación en distintos estilos de diseño y luego convierte el look elegido en un recorrido cinematográfico.
- Omni product studio: convierte fotos de producto estáticas en vídeo de e-commerce.
La cuenta independiente de noticias de IA Rohan Paul leyó el lanzamiento de la misma manera que yo: que el emparejamiento es el producto real:
"Encadenar ambos modelos es la verdadera forma del producto, no cualquiera de los dos modelos por separado. Nano Banana 2 Lite genera imágenes de referencia, y luego Gemini Omni Flash las anima."
La familia Nano Banana ahora tiene cuatro niveles, según el propio gráfico comparativo de modelos del anuncio:
| Modelo | Posicionamiento |
|---|---|
| Nano Banana 2 Lite | Nivel más rápido, pensado para flujos de trabajo casi en tiempo real y de alto volumen |
| Nano Banana 2 | El generalista, el mejor equilibrio entre calidad, latencia y coste |
| Nano Banana Pro | Control y razonamiento complejo de nivel profesional |
| Nano Banana (legado) | Sustituido por Nano Banana 2 Lite |
El propio gráfico de referencia de Google respalda la afirmación sobre la velocidad: Nano Banana 2 Lite se sitúa muy por delante del resto en la curva de latencia frente a precio.
Lo que cuesta un clip en realidad
Los precios de la API de Gemini de Gemini Omni Flash son inusualmente sencillos para un modelo de Google, sobre todo porque solo hay un nivel. A diferencia de la mayoría de los modelos Gemini 3.x, aquí no hay opción Batch, Flex ni Priority, solo Standard, y no hay nivel gratuito en absoluto.
| Precio | |
|---|---|
| Entrada (texto, imagen, vídeo, audio - una única tarifa plana) | $1.50 / 1M de tokens |
| Salida - texto | $9.00 / 1M de tokens |
| Salida - vídeo | $17.50 / 1M de tokens |
| Tarifa efectiva de vídeo | ≈ $0.10 / segundo de vídeo en 720p |
| Nivel gratuito | Ninguno |
La página de precios de Google detalla el cálculo directamente: la facturación se basa en el total de tokens de salida, a 5,792 tokens por segundo de vídeo en 720p, lo que da aproximadamente $0.10 por segundo. Aplicando eso al límite actual de 10 segundos, un solo clip queda en poco más de $1, antes de contar lo que cueste introducir tu prompt o el material de referencia.
Google no oculta que el precio coincide con el de un competidor directo. El responsable de relaciones con desarrolladores de la API de Gemini, Logan Kilpatrick, lo anunció en esos mismos términos:
"Omni Flash es SOTA en edición de vídeo a $0.10 / seg, ¡lo mismo que Veo 3.1 Fast!"
Una peculiaridad escondida en las notas de precios: Gemini Omni Flash Preview aparece marcado como "Sí" en cuanto a que el contenido se usa para mejorar los productos de Google, incluso en el nivel de pago, donde la mayoría de los demás modelos Gemini de pago dicen "No". Vale la pena saberlo antes de introducir algo sensible.
Dónde todavía se queda corto
La ficha oficial del modelo es inusualmente sincera sobre lo que aún no funciona, con tres desafíos concretos mencionados directamente: mantener la consistencia total entre ediciones, generar escenas con movimiento complejo y renderizar texto en pantalla de forma precisa. Google también señala que la consistencia de los personajes "tiene algunas limitaciones", específicamente en torno a cambios de escena y movimientos de cámara, justo el tipo de edición en el que sus propias demostraciones más se apoyan.
La API también tiene aristas más ásperas. La carga de audio de referencia y la extensión de escenas todavía no están disponibles, y las referencias de vídeo de hasta 3 segundos son aceptadas por el esquema pero no se procesan correctamente en el modelo. Y no hay datos de referencia publicados: la ficha del modelo de DeepMind aplaza explícitamente las puntuaciones de evaluación para texto a vídeo, imagen a vídeo, referencia a vídeo y edición hasta que el modelo alcance una disponibilidad más amplia en la API.
Un profesional en LinkedIn cuestionó directamente el tema del acabado, comentando sobre el anuncio original de Gemini Omni en el I/O:
"¡No es del todo cierto! Solo funciona en ciertas resoluciones, y la constancia de personajes todavía no está totalmente desarrollada. Está bien para youtubers, es divertido. Pero no está en absoluto a nivel de producción profesional."
La propia ficha del modelo de Google respalda parte de esa lectura en su revelación más llamativa: el modelo ya puede cambiar lo que alguien dice en un vídeo, y Google está restringiendo eso deliberadamente "mientras trabaja para entender cómo llevarlo a los usuarios de forma segura y responsable". Esa es una capacidad real que se está reteniendo a propósito, no una limitación por la que Google se esté disculpando.
Otro comentarista, en el propio anuncio de Google Cloud en LinkedIn, precisó por qué la afirmación sobre la edición importa más que la afirmación sobre la calidad de generación:
"La edición conversacional en la generación de vídeo es un problema más difícil que la calidad de la generación inicial, ya que mantener la consistencia entre turnos de edición requiere rastrear el estado de la escena, no solo producir un buen fotograma individual."
Y un segundo lector en ese mismo hilo señaló la pregunta que sigue a cualquier lanzamiento empresarial de IA que avanza rápido:
"A medida que agentes de IA cada vez más capaces se integran en los servicios empresariales, el rendimiento técnico por sí solo no demostrará que una organización está lista para operarlos con seguridad."
Esa última línea es la que yo subrayaría. En realidad no se trata de modelos de vídeo. Se trata de cualquier capacidad de IA que llega a un flujo de trabajo empresarial real más rápido de lo que la organización que la rodea puede construir las salvaguardas para operarla con seguridad, y es exactamente el problema en el que pienso cada día construyendo automatización de soporte.
Dónde encaja esto, y dónde no
Gemini Omni Flash es un paso sólido y honestamente documentado hacia la visión any-to-any de Google, y si tu trabajo implica producir clips de marketing, vídeos de producto o contenido creativo, merece una mirada seria, especialmente encadenado con Nano Banana 2 Lite para el flujo de imagen a vídeo. Para un equipo de SEO o una agencia de contenido que ya está en el mundo de eesel, esa es una herramienta adyacente real: yo construyo el agente redactor de blog de eesel para investigación y redacción, y una capa de vídeo rápida sobre un texto escrito es una combinación genuinamente útil, no una competidora.
Pero sigue siendo un modelo de medios generativos, no un sistema de soporte. No conoce tu política de reembolsos, no tiene una cola de tickets reales de la que aprender, y nada de "clips de vídeo de 10 segundos" toca el trabajo real que tiene la mayoría de las personas que leen este artículo: una bandeja de entrada o una cola de Zendesk que se está acumulando mientras todos los titulares hablan de IA de vídeo. Llevo años viendo cómo una IA que suena convincente le da una respuesta equivocada a un cliente real, que es exactamente la razón por la que las partes aburridas, simular contra tus tickets históricos antes de que nada se ponga en marcha, escalar en lugar de adivinar cuando no está segura, importan más que una demo vistosa.
Prueba eesel para la cola que la IA de vídeo no toca
Si el problema real en tu mesa es una acumulación creciente de tickets de soporte, no una escasez de contenido de vídeo, eso es lo que yo construyo con eesel. Es un compañero de equipo con IA que se conecta a Zendesk, Freshdesk, Intercom, o cualquier helpdesk que ya estés usando en minutos, aprende de tus tickets pasados y de tus documentos de ayuda desde el primer día, y redacta, clasifica o resuelve solicitudes de nivel 1 sin una nueva pila de herramientas que vigilar.
Antes de tocar siquiera a un cliente real, eesel se simula contra tus tickets históricos para que veas exactamente qué habría dicho y cuánto habría resuelto, el mismo instinto de priorizar las salvaguardas al que apuntaban los comentaristas de LinkedIn en un contexto distinto. Así es como Gridwise resolvió el 73% de las solicitudes de nivel 1 en su primer mes, y cómo Smava ejecuta un agente totalmente automatizado sobre más de 100,000 tickets al mes. El precio es de $0.40 por ticket resuelto, sin tarifas por asiento, y los primeros $50 de uso son gratis.
Omni Flash y Nano Banana 2 Lite de Google son una respuesta genuinamente buena a "cómo hago contenido de vídeo más rápido". Si tu respuesta real es "cómo dejo de ahogarme en tickets", un agente de IA para helpdesk creado específicamente para eso es la herramienta adecuada, y puedes probar eesel gratis.
Preguntas frecuentes
¿Qué es Gemini Omni Flash?
¿Cuánto cuesta Gemini Omni Flash?
¿En qué se diferencia Gemini Omni Flash de Veo?
¿Qué no puede hacer todavía Gemini Omni Flash?
¿Puede Gemini Omni Flash ayudar con el contenido de atención al cliente?
Article by
Rama Adi Nugraha
Rama is a software engineer at eesel AI with two years of experience writing about B2B SaaS, AI tools, and customer support technology. Based in Bali, Indonesia, he brings a developer's perspective to product comparisons — cutting through marketing copy to what the integrations and APIs actually do.
