Google abarata 30% su video con IA: Gemini Omni 1.2 Flash hace clips de 15 segundos por cerca de un dólar
Google DeepMind lanzó Gemini Omni 1.2 Flash, que alarga los videos a 15 segundos y baja 30% el precio por segundo frente a su versión anterior. Para creadores y pymes de la región quedan dudas sobre el costo final, la calidad real y la disponibilidad por país.
Foto: Alan Alves en Unsplash
Un video promocional de 15 segundos, con el producto de una tienda, el rostro de una modelo y los colores de la marca, por alrededor de un dólar. Eso es lo que propone Google DeepMind con Gemini Omni 1.2 Flash, su modelo de inteligencia artificial que genera video. La compañía anunció el 5 de noviembre de 2026 que el modelo ya está disponible para todos en la Gemini API y en Google Cloud. La API es la vía técnica por la que otros programas y servicios se conectan con el modelo. Con esta versión, los clips pasan de 10 a 15 segundos y, según Google, el precio baja 30% frente a Omni 1.1, hasta US$0,07 por segundo en resolución 720p.
La cifra suena atractiva, pero conviene leerla bien. La rebaja de 30% se mide contra la versión anterior del propio modelo, no contra rivales como Veo, Sora, Runway o Kling. Omni 1.1 costaba unos US$0,10 por segundo. Ese dato sale de aplicar el 30% y de un artículo de DEV Community que cita la página de precios de Google, y no se ha verificado en una fuente oficial.
El portal Unite.ai hizo las cuentas con la tarifa en tokens, las pequeñas unidades en las que estos sistemas miden lo que reciben y lo que producen. La API de pago cobra US$12 por millón de tokens de video generado, a razón de 5.792 tokens por segundo. Eso da unos US$0,70 por un clip de 10 segundos y US$1,04 por uno de 15. Con la tarifa de US$0,07 por segundo, el clip de 15 segundos sale en US$1,05; la diferencia es de redondeo. Lo que se le entrega al modelo (texto, imágenes o video) cuesta US$1,50 por millón de tokens, y no hay un nivel gratuito. Según el mismo medio, el 3 de diciembre las solicitudes dirigidas a Omni 1.1 pasarán automáticamente a la versión 1.2, ya con la tarifa nueva.
Un blog secundario comparó precios por segundo en 720p: Veo 3.1 Fast a US$0,10 con clips de 8 segundos, Kling 3.0 Pro vía Runway a US$0,17 con audio y Sora 2 Pro a US$0,30. Esas cifras no están confirmadas en fuentes oficiales, así que sirven como referencia aproximada y no como tabla definitiva.
Lo que promete para marcas y tiendas en línea
El modelo apunta a la publicidad y al contenido comercial. Admite referencias combinadas: imágenes de un personaje, un producto o un estilo visual, fragmentos de movimiento de hasta 3 segundos y pistas de audio. Google asegura que los rostros, las prendas, la tipografía de los empaques y los colores de marca se mantienen aunque cambie el ángulo de la cámara. Lo muestra con un probador virtual de 15 segundos. Esa consistencia importa porque una marca no puede publicar un anuncio en el que el logo cambia de un plano a otro.
Aquí aparece la primera discrepancia. La firma Segmind, que probó el modelo, dice que en su acceso el modo de referencias solo llegaba a 10 segundos. Unite.ai indica que la documentación usa 10 segundos por defecto. Algo parecido pasa con la edición conversacional, que según Google permite pedir por turnos cambios de producto, fondo, luz, clima o formato de pantalla sobre el clip completo. En las pruebas de Segmind, la función de ajuste respondió que todavía no estaba disponible. Google recomienda hacer borradores en 360p o 720p y llevar la versión final a 1080p o 4K, pero el costo de ese último paso no aparece en la información publicada.
Sobre la calidad, las únicas comparaciones numéricas vienen de la propia DeepMind: sus evaluadores prefirieron la versión 1.2 sobre la 1.1 en consistencia visual por 62% contra 38%. Google no publicó puntuaciones de fidelidad a las referencias, sincronía de labios o realismo físico. Segmind gastó US$16,17 en 20 solicitudes. Las respuestas tardaron entre 28 y 136 segundos, casi siempre entre 40 y 90. La firma lo calificó como el modelo más fiel a las instrucciones que había probado, aunque pasó por alto cerca de una de cada cuatro. Tampoco lo considera adecuado para escenas cinematográficas realistas con personas.
Cada video lleva SynthID, una marca de agua invisible que identifica el contenido como generado por IA. Un análisis advierte que esa marca no demuestra que una escena sea real ni garantiza que siempre se detecte.
La cuenta pendiente en Latinoamérica
Para un creador o una pyme de la región, la principal incógnita es práctica. No hay información oficial sobre la disponibilidad por país, precios locales, facturación en moneda local, IVA ni impuestos digitales. El precio se publica en dólares y, sin nivel gratuito, hace falta tener una cuenta de facturación activa. Una fuente señala que editar o extender videos subidos no está disponible en el Espacio Económico Europeo, Suiza y el Reino Unido, sin mencionar restricciones para Latinoamérica.
El lanzamiento llamó la atención en Hacker News, el foro de tecnología donde el hilo sumó 189 puntos y 146 comentarios. Allí predominaron las quejas por el acceso, los nombres y los precios de los productos de IA de Google, más que el análisis del modelo.
Quedan cosas por ver: la tabla oficial de precios por resolución, el costo de escalar a 4K, pruebas independientes de calidad y el desempeño con diálogos en español y rostros latinoamericanos. También faltan los términos de uso comercial. Hasta entonces, el dólar por clip es un buen punto de partida para hacer cuentas, pero no el precio final de una campaña.