Gemini Omni
#6 in Multimodale Modellegoogle · seit Mai 2026 · 125× · zuletzt 02. Juli 2026
88
Momentum
Gemini Omni ist ein nativ multimodales Videogenerierungs- und Bearbeitungsmodell von Google DeepMind, das Text, Bilder, Audio und vorhandene Videos als Input akzeptiert und Videos mit synchronisiertem Audio als Output produziert. Das Modell ermöglicht iterative, konversationsbasierte Videobearbeitung durch Mehrfachdurchläufe. Gemini Omni Flash wurde am 19. Mai 2026 bei Google I/O gestartet und ist über die Gemini-App, Google Flow und YouTube Shorts verfügbar.
Momentum-Verlauf
04.04.03.07.
Features
| Key-Benchmark (%) | #1 Overall Preference & Instruction Following (MovieGenBench, 1.003 Prompts, Meta); #1 Text-to-Video & Image-to-Video (interne Benchmarks, Human Side-by-Side, 504 Beispiele). |
| Lizenz | Proprietär (Google). Nutzung gemäß Gemini API Additional Terms of Service & Gen AI Prohibited Use Policy. |
| Multimodalität | Input: Text, Bild, Audio, Video (simultan). Output: Video mit nativem Audio (bis 10 Sek., 720p). Architektur: Transformer-basiert, nativ multimodal. |
| Plattform | Gemini App, Google Flow (AI Plus/Pro/Ultra); YouTube Shorts & YouTube Create (kostenlos, 18+); API via Gemini API / Vertex AI (Preview) |
| Preis | Kostenlos: YouTube Shorts / YouTube Create (18+). Gemini App: AI Plus ab ~$7,99/Mo, AI Pro $19,99/Mo, AI Ultra $100–$200/Mo. API-Preise noch nicht offiziell veröffentlicht. |
| Preis pro 1M Token | API-Preise nicht offiziell veröffentlicht (Stand: Mitte Juni 2026). Vertex AI: 5792 Tokens/Sek. für Video-Input & -Output (720p); genaue Token-$/1M-Rate noch ausstehend. |
| Release-Datum | 19. Mai 2026 (Google I/O 2026) – erstes Modell: Gemini Omni Flash |