今天Google悄悄放了一个大招：Gemini Omni 1.1 Flash。在Arena的文本生成视频排行榜上直接拿了第一，图像生成视频排第二。关键是这次不只是刷了个分，产品能力上确实有几个值得说的突破。
先看结果。文本生成视频类别得分1495分，比第三名FLUX 3 Video高出20分。图像生成视频类别比上一代Gemini Omni Flash提升了25分。Google CEO Sundar Pichai亲自在社交媒体转发了这个成绩，看得出内部对这次发布很重视。
40秒长视频，从1秒到40秒的质变
这次最大的升级是"场景扩展"功能。以前Veo生成视频最长只能做1秒的片段，现在Gemini Omni 1.1 Flash可以分析最多10秒的前序上下文，然后以10秒为增量，逐步延伸到40秒。
1秒到40秒，不是简单的数字变化。1秒只是一个镜头闪烁，40秒已经能讲一个完整的叙事段落了。对内容创作者来说，这意味着可以用AI直接生成有起承转合的短片素材，而不是一堆碎片化的画面。
另一个实用的功能是首尾帧控制。你可以指定视频的开头和结尾画面，模型自动生成中间的过渡。这个在广告制作、产品展示场景下非常有用——你知道开头要出品牌Logo，结尾要出产品正面，中间的运镜让AI来搞定。
Flash的定位：快和便宜
名字里带Flash，说明主打的是速度和性价比。对比全尺寸的Gemini Omni 1.1，Flash版本牺牲一部分极致画质，换取更快的生成速度和更低的调用成本。360p草稿模式也是为此设计的——创作者可以先用低成本快速验证创意方向，确认满意了再出4K高清版。
这个策略很聪明。当前视频生成领域最大的痛点不是"能不能生成"，而是"生成一次太慢太贵"。一个5秒720p视频如果等10分钟才出结果，创作者的工作流根本跑不通。Flash的定位就是把验证成本打到足够低，让创作者可以反复迭代。
同一时间，MiniMax也发布了H3-Max，fal团队的版本在评测中整体质量、提示理解力和美学效果都排第一，生成一个5秒720p视频耗时低于3秒。视频生成赛道的竞争已经进入白热化阶段。
视频生成的商业化拐点
回到更大的图景。2026年上半年，AI视频生成领域经历了一轮爆发。抖音上AI短视频《早餐奶奶》拿下2.5亿播放，AI短片《反正也没时间活》两天播放过亿。一人工作室模式开始跑通，一个创作者用AI工具3天就能出一部完整短片。
这些案例说明需求是真实存在的。问题在于，以前的工具还不够好用——生成慢、画质不稳定、时长太短。当这些短板被逐步补上，商业化就是水到渠成的事。
Google这次把视频生成能力直接集成进Gemini Omni系列，而不是作为独立产品发布，也透露了一个趋势：多模态能力正在变成大模型的基础配置，不再是单独的"视频模型""音频模型"，而是一个模型同时处理文字、图像、音频和视频。
竞争格局怎么看
当前视频生成赛道的第一梯队大概是这样：Google（Gemini Omni/Veo）、OpenAI（Sora系列）、Runway（Gen-4）、MiniMax/H3。各家在画质、速度、时长、可控性上各有优势，还没有出现一家独大的局面。
但Google的优势在于它有一个别人很难复制的分发渠道——YouTube。如果Gemini Omni的视频生成能力未来接入YouTube的创作工具链，对内容创作者的吸引力是巨大的。想象一下，你在YouTube Studio里写个脚本，AI直接帮你生成配套的B-roll画面，这个体验是其他平台给不了的。
当然，这也引发了新的问题。当AI能批量生成高质量视频内容，平台怎么区分真人创作和AI生成？虚假信息的风险怎么管控？这些问题目前没有好的答案，但速度已经不容许等答案出来了再往前走。
技术迭代的速度，永远比规则制定的速度快。Gemini Omni 1.1 Flash的发布只是最新一步，不会是最后一步。
不过虚假视频的问题确实越来越紧迫了。AI生成的视频质量越来越高，普通人已经很难分辨真假了。这个问题不解决，技术越进步风险越大。
MiniMax的H3-Max也值得关注，5秒720p低于3秒的速度很猛。视频生成赛道现在竞争太激烈了，各家都在拼，用户是最大受益者。
YouTube这个分发渠道确实是Google独有的护城河。如果能在YouTube Studio里直接生成B-roll，对其他平台简直是降维打击。
1秒到40秒真的是质变。以前用AI生成视频就是一堆碎片，现在至少能讲个完整故事了。首尾帧控制这个功能对做产品展示的人来说太实用了。
Flash定位快和便宜这个策略确实聪明。现在视频生成最大的痛点就是慢，等10分钟出一个5秒片段谁受得了。先出草稿再出高清，工作流才跑得通。