Gemini Omni 1.2 Flash双榜第一：AI视频告别抽卡？

Google 新视频模型 Gemini Omni 1.2 Flash 上线即登上 Arena 文生视频、图生视频双榜第一。但榜单名次和实际创作体验之间并不能画等号——它目前仍标注为"初步成绩"，与紧随其后的模型分差接近，单凭排名断言"全面碾压"为时过早。真正值得关注的，是这次更新在时长、可编辑性和价格上透露出的方向变化。

双榜第一的含金量：名次之外看什么

据 B站 UP 主"如约而至"的梳理，Omni 1.2 Flash 在 Arena 的文生视频和图生视频两个榜单同时占据首位。这是 Google 在视频生成赛道一次颇为高调的亮相。

不过该 UP 主也提醒，榜单标注的是初步成绩，且头部模型分数接近。Arena 类榜单反映的是人类偏好的综合排序，而非某一项能力的绝对领先。对创作者来说，更实际的问题是：它在自己手里的素材上，能不能稳定产出可用的镜头。

Arena（LMArena / Video Arena） 是一类基于人类盲测投票的模型评测平台：用户同时看到两个匿名模型针对同一提示词生成的视频，投票选出更好的一方，系统再用类似国际象棋 Elo 的评分体系累计排名。它的价值在于贴近真实人类审美偏好，能反映"大众觉得哪个更好看"；局限也很明显——投票样本量、提示词分布、投票者构成都会影响结果，且榜单只给出综合偏好排序，无法拆分出"物理一致性""指令遵循""运动稳定性"等单项能力。新模型上线初期样本量小，官方常标注为"初步成绩"（preliminary），随着投票累积名次仍可能浮动。因此"双榜第一"更适合理解为"在当下这批投票样本中人类偏好略占优势"，而非全方位技术领先。

时长拉到15秒，短广告终于能讲完一个故事

最直观的升级是时长。上一代最多生成 10 秒，Omni 1.2 Flash 延长到原生 15 秒，并支持在 3 到 15 秒之间按一秒为单位调整。

这个变化看似只是数字增加，实际影响的是叙事容量。10 秒往往只够呈现一个动作或一个氛围镜头，15 秒则可以塞进"起—承—转"的小结构。对短广告、社媒短片这类时长敏感的场景，可调档位也意味着不必为了凑时长而硬加镜头。

真正的分水岭：从"整条重做"到"一轮一轮改"

如果只挑一个这次更新里最有价值的变化，不是时长也不是排名，而是工作流从"抽卡"转向"可修改"。

官方展示的虚拟试衣演示中，只给模特照片和三套衣服的正反面图，模型就完成了转身和换装。重点不在衣服好不好看，而在于镜头切换之后，人脸、剪裁和面料细节能否接得上——这是视频生成里最容易穿帮的地方。

另一个演示更接近真实的剪辑台：同一段人物表演，用文字连续把背景换成树林、马厩、集市和城堡。以前背景不满意只能整条重做，现在可以沿着同一条片子逐轮迭代。这种"局部修改 + 保留已满意部分"的能力，才是把视频模型从玩具变成生产工具的关键。

视频生成中的"抽卡"模式指的是：用户输入提示词，模型一次性输出整段视频，不满意就修改提示词重新生成，直到碰巧抽到一条可用的。这种模式的问题在于随机性不可控——同一提示词多次生成结果差异很大，而只要有一个细节（背景、服装、动作）不对，整条片子就得作废重来，时间和算力成本都成倍增加。与之相对的"可编辑/迭代式"工作流，是把视频拆成可局部替换的要素（背景、人物、镜头段落），在保留已满意部分的前提下只改动不满意的部分，类似传统剪辑软件里的图层与片段操作。后者对模型的要求更高：需要跨帧保持人物身份、光照、透视的一致性，否则局部替换后会出现闪烁、跳变或"换脸"。这也是判断一个视频模型是否具备生产工具属性的关键指标。

老毛病还在补：口型、跳切与复杂运镜

Google 这次也在针对视频模型的传统短板做改进：多人对话时声音与嘴型是否对得上，复杂运镜时画面会不会突然跳切。

官方展示了一个一镜到底的演示：从广场进入万神殿，再抬升到穹顶，全程连续无断裂。

但演示片不等于稳定复现。Google 自己也承认，快速运动、复杂物理和剧本频繁变化这三类场景仍在继续改进中。

这意味着在实际交付前，逐帧检查人物、文字和物体有没有变形仍是必要步骤。榜单成绩可以参考，但不能替代质检。

价格降了三成，草稿流程更划算

成本侧也有动作。Google 公布的 720p 价格为每秒 0.07 美元，比上一代下降 30%；按 15 秒计算，生成一条约 1.05 美元。

更省钱的做法是先出低清草稿，在草稿上做局部修改，满意后再导出高清。这个流程和上面提到的"可修改"能力是配套的：迭代成本越低，创作者越敢反复试错，最终成片质量的上限也越高。

小结：画质、价格、可改性，你更在意哪个

Omni 1.2 Flash 的双榜第一值得关注，但它的真正意义不在于名次，而在于把视频创作从反复抽卡推向可修改的工作流。15 秒时长、逐轮修改、降价三成，这三件事指向同一个方向：让 AI 视频生成更像剪辑，而不是赌博。

至于它能否在真实项目中稳定交付，还需要更多创作者用实际素材去验证。