Google AI Releases Gemini Omni 1.1 Flash: 40-Second Scene Extension, First/Last Frame Control, and 4K Upscaling

發生了什麼

Google 把 Gemini Omni 影片模型的生產版本更新為 Gemini Omni 1.1 Flash，模型標識符為 gemini-omni-1.1-flash，可在 Gemini API 與 Google AI Studio 中呼叫，同時通過 Gemini Enterprise Agent Platform 提供企業串接。Adobe（Firefly）、Figma Weave、GMI Cloud 與 Runway 在發布時已在生產環境中使用該模型。消費端方面，Google Flow 已向 AI Plus、Pro 與 Ultra 使用者開放該模型，Gemini 應用同步上線了場景延續功能。

圍繞場景延續，新版本把讀取上下文從旧版的最後 1 秒擴充到最多 10 秒，並以 10 秒為增量累积，模型產生 3 至 10 秒的新片段後即可再次呼叫，使總長度上限達到 40 秒。呼叫方還可上传最多 3 段、每段不超過 3 秒的參考影片，主要作用是維持角色一致性，參考影片中的音頻會被忽略。產生結果統一携帶 SynthID 隱形水印，可程式化檢測來源。

清晰度與計費方面，response_format 中的 resolution 提供 360p、720p、1080p 與 4k 四檔，預設 720p，1080p 與 4k 由算法上採樣得到；Google 称 360p 預覽渲染速度比 720p 快最多 60%，成本約為後者的三分之一。影片按每秒 5,792 個 token 計費，輸入統一為每百萬 token 1.50 美元，文字輸出 9.00 美元、影片輸出 17.50 美元，標準價格下相當於 720p 影片每秒約 0.10 美元。

時間線與證據

文章於 2026 年 8 月 29 日發布，全文沒有引用 Google 的官方公告，也沒有給出獨立來源連結，因此該日期僅為文章自身標記的發布時間，可視作目前唯一的外部時間锚點。

在版本演進上，文章把 1.1 Flash 直接定位為 Omni 的生產版本更新，並明確把新行為與旧版本並列：旧版場景延續只參考最後 1 秒上下文，1.1 Flash 把這一窗口擴大到最多 10 秒；以 10 秒為增量、3–10 秒的產生為一轮，最多累积到 40 秒。這條改動既是上下文視窗的擴充，也是最大長度的擴充，但文章沒有提供 Google 的基準測試或實驗資料作為佐證，所有數位均來自 Google 在發布材料中的描述。

在分發管道上，文章在叙述發布的同時點名了四個生產使用者 Adobe Firefly、Figma Weave、GMI Cloud、Runway，並指出它們已在生產環境中使用 gemini-omni-1.1-flash。文章同樣把 Google Flow 對 AI Plus、Pro、Ultra 訂閱使用者開放，以及 Gemini 應用中的場景延續功能，與 API 發布捆绑描述，未區分時間先後。

證據類型上，文章給出的可驗證項集中在 API 參數與計費明细，例如每秒 5,792 token 的計費單位、輸入與輸出單價、resolution 四檔取值，以及 SynthID 水印與檔案大於 4MB 時改用 delivery="uri" 並轮詢 Files API 至 ACTIVE 狀態的工程約束。文章未公布官方公告原文、官方博文連結、定價文件連結，也未透露免費層與預留吞吐量情況，因此時間線上的“發布”目前只有文章自身一個證據點，缺少可獨立驗證的第二來源。

具體變化

1.1 Flash 的輸入處理把單段上传影片的時長限制劃在 10 秒，多輪擴充由模型自己產生的影片可以超出這一上限。場景延續只能向已有素材末尾追加，不能前置新內容，也不能在中間插入片段；含人物說話的上传影片在擴充時不能新增對白，只有通過 previous_interaction_id 進行多輪擴充時才允許引入對白。多段素材同時輸入時，模型不會對多段影片做整體推理，引用多影片還可能拉低輸出品質，因此官方建議把參考影片的用途收窄到角色一致性一類需求。

參數面板方面，新版本不再接受系統指令、temperature、top_p、停止序列與獨立的否定提示，需要排除的內容必須直接寫進提示文字。同時，語音編輯和音頻參考均不在支援範圍內，YouTube 連結也不能作為影片來源；目前僅明確支援英語，其他語言未做評估。輸出體积超過 4MB 時，必須把 delivery 設為 uri 並轮詢 Files API，等到狀態變為 ACTIVE 才能取回結果。

對使用者的影響

對呼叫 API 的開發者而言，最直接的成本压力來自分辨率選擇。預設 720p 在標準價格下約為每秒 0.10 美元，按文章給出的 4k 取值（同為算法上採樣）換算，單價會顯著上升；切換到 360p 可把渲染時間压缩到最多六成、帳單压到約三分之一，因此預覽階段用 360p 跑版、定稿再升檔會成為常見做法。1080p 與 4k 本質是分辨率上採樣，不是原生重編碼，對画質提升的預期需要相應調低。

對內容生產工作流程，更長的可用上下文視窗意味着場景延續不再像旧版那樣几乎只能“補一秒”。10 秒的上下文、每轮 3 到 10 秒的增量、40 秒的累积上限，讓分鏡拼接、長鏡頭收尾和同一角色多機位剪辑第一次有了可工程化的路径；配合最多三段、每段三秒的參考影片，團隊可以圍繞一個角色建立小型資產庫來穩定外形，但音頻通道在參考階段就被忽略，對白一致性仍要靠多輪擴充並通過 previous_interaction_id 串起來。

對消費端使用者，變化集中在两條入口：Google Flow 在 AI Plus、Pro 與 Ultra 三檔訂閱中開放模型，Gemini 應用则把場景延續作為面向終端的功能直接交付，所有片段都帶 SynthID 水印，便於平台做來源核驗。

對企業使用者，Gemini Enterprise Agent Platform 把同一模型串接企業流程；Adobe Firefly、Figma Weave、GMI Cloud、Runway 在發布時已進入生產，意味着這些生態內的素材產生和編輯鏈路會以 gemini-omni-1.1-flash 為底座執行，第三方整合方需要在介面和計費上對接每秒 5,792 token 的節奏，並把 4MB 以上的輸出切換到 Files API 的 uri 交付模式。

限制與未知

需要先把“限制”與“未知”分開看。功能層面已寫明的硬約束包含：場景延續只能向已有素材末尾追加，不能前置或在中間插入；含人物說話的上传影片擴充時不能新增對白，只有通過 previous_interaction_id 走多輪擴充才開放對白；語音編輯、音頻參考、否定提示、系統指令、temperature、top_p、停止序列全部不在支援範圍內；輸入影片時長上限 10 秒，多影片引用不會触發跨段推理，反可能拉低品質；YouTube 連結不能作為影片來源，僅明確支援英語，其他語言未做評估。

工程層面的硬約束同樣來自文章：輸出大於 4MB 時必須把 delivery 設為 uri 並轮詢 Files API，等到狀態變為 ACTIVE 才能取回結果；分辨率 1080p 與 4k 由算法上採樣產生，本質上不是原生重編碼。

“未知”则是文章沒有給出的部分。它沒有引用 Google 的官方公告、官方博文或定價文件連結，也沒有提供可獨立驗證的第二來源，因此 2026 年 8 月 29 日這個發布時間只是文章自身標記的時間锚點。免費層與預留吞吐量的可用情況未被披露，旧版本的具體版本號、上下文視窗從 1 秒擴到 10 秒的實驗或基準資料也未列出，10 秒窗口與 40 秒累积上限之外是否還有更長路径、能否在多輪擴充中維持更複雜的剧情結構，文章沒有給出說明。

如何核對

要核對文章中的事實，可以按可驗證性強弱分成三層。API 參數與計費層最容易直接落到控制台：把 response_format.resolution 分別設為 360p、720p、1080p、4k 各跑一次，觀察 1080p 和 4k 在元資料中是否被標記為上採樣版本；接着檢視帳單，確認輸入統一為每百萬 token 1.50 美元，文字輸出 9.00 美元、影片輸出 17.50 美元，並把產生的影片秒數乘以 5,792 token 看是否與按秒計費一致，驗證 720p 影片每秒約 0.10 美元的換算。

上下文視窗與擴充長度層可通過對照旧版本驗證：在 1.1 Flash 上传一段結尾已知的人聲素材做場景延續，先把讀取窗口意圖压在 10 秒以內、再故意把上下文推到第 10 秒以外，觀察續接素材是否仍贴合原片段；按 3 至 10 秒增量逐次呼叫，累計到 40 秒確認上限；上传超過 10 秒的非模型產生影片應被拒绝，多輪產生的影片则可被繼續擴充，由此區分两類輸入的上限差異。參考影片部分可上传两段相同角色、不同動作的 3 秒片段，看輸出是否更倾向維持外形而非桥接剧情；把參考影片附上音轨，確認續接結果不包含該音頻。

可用性與分發層需要交叉比對入口：登入 Google AI Studio 列出模型 ID，應能看到 gemini-omni-1.1-flash；在 Google Flow 的 AI Plus、Pro、Ultra 三檔訂閱下檢查場景延續入口是否同時開放；在 Gemini 應用內触發場景延續，確認輸出片段携帶 SynthID 水印並能用檢測介面讀回。企業端可在 Gemini Enterprise Agent Platform 中確認同一模型標識符，並核對 Adobe Firefly、Figma Weave、GMI Cloud、Runway 是否在文件中列為已上線的生產使用者。

不支援項需要主動試探來核對：上传一段 11 秒影片應被拒；嘗試設定 system instruction、temperature、top_p 或 stop_sequences，介面應回退報錯或忽略；寫入獨立的负面提示關鍵字，確認其未被識別，而把同一意圖改寫進提示文字则應生效；上传包含對白的素材做單轮擴充，新增對白應被忽略，改用 previous_interaction_id 串接多輪後再觀察；提交 YouTube 連結作為來源，介面應拒绝；用非英語提示詞產生，對照官方聲明其未被評估。

文章本身只能作為時間锚點，缺少官方公告和定價文件連結，因此發布日期、上下文視窗擴充、40 秒上限等關鍵數位還需要以 Google 官方文件或控制台實測為準。

讀者能做什麼

如果讀者打算自己上手 1.1 Flash，第一步是確定呼叫入口。開發者可以在 Gemini API 與 Google AI Studio 中檢視模型清單，確認 gemini-omni-1.1-flash 出現在可選模型裡，再準備 Interactions API 與 Files API 的呼叫程式碼。企業使用者则在 Gemini Enterprise Agent Platform 中核對同一模型標識符是否上線，以便把影片生成串接內部流程。終端使用者可以直接開啟 Gemini 應用触發場景延續，或在 Google Flow 的 AI Plus、Pro、Ultra 訂閱中尋找對應的場景延續入口，三檔訂閱的可用範圍需要在帳戶設定裡逐檔確認。

在準備素材時，讀者要把單段上传影片控制在 10 秒以內，超長素材需要先做切分；如果手上已有模型產生的影片，则可以繼續追加擴充而不受這一上限約束。多段素材同時輸入只服務於角色一致性，每段不超過 3 秒、總段數不超過三段，參考片段附帶的音轨不會進入輸出，因此不要把對白一致性寄托在參考影片上，而是通過 previous_interaction_id 串接多輪擴充來補齐對白。需要排除的元素必須直接寫進提示文字，因為系統指令、temperature、top_p、停止序列與獨立否定提示都不會生效；語音編輯和音頻參考也不在支援範圍內，YouTube 連結不能作為影片來源。

進入正式呼叫後，先用 360p 跑預覽把渲染時間压到最多六成、成本压到約三分之一，再根據終稿需要切換到 720p、1080p 或 4k。需要注意 1080p 與 4k 都是算法上採樣結果，不是原生重編碼，画質預期要相應調整。輸出體积超過 4MB 時，必須在請求裡把 delivery 設為 uri，並通過轮詢 Files API 等到狀態變為 ACTIVE 再取回成片。所有片段都會帶 SynthID 水印，平台與第三方可以用檢測介面回查來源，這一過程可以在出片環節一併走完。

後續觀察

後續值得盯紧的，首先是官方層面的補齐。文章在 2026 年 8 月 29 日發布時沒有附帶 Google 官方的模型卡、部落格或定價文件連結，旧版本的具體版本號、上下文視窗從 1 秒擴到 10 秒的實驗依據、10 秒讀取窗口與 40 秒累积上限之外的擴充路径，以及免費層和預留吞吐量的可用情況，都沒有被寫進文章，因此這些資訊需要等官方管道補發後再核對，文章本身只起時間锚點的作用。

其次是生產使用者在生態裡的實際走向。Adobe Firefly、Figma Weave、GMI Cloud、Runway 在 1.1 Flash 發布時已進入生產，意味着它們內部以 gemini-omni-1.1-flash 為底座的素材產生和編輯鏈路會隨着模型迭代一起演進，後續在 Firefly 中看到的影片生成體驗、在 Weave 中看到的協作素材、在 Runway 中看到的介面形態，都會反映 1.1 Flash 的能力邊界。這些第三方在多影片引用、對白一致性和上採樣画質上的實際表現，也是評估模型真實可用性的間接窗口。

再次是消費端入口的演化。Google Flow 在 AI Plus、Pro、Ultra 三檔訂閱中開放模型，Gemini 應用把場景延續作為面向終端的功能直接交付，所有片段都帶 SynthID 水印。訂閱檔位之間在場景長度、分辨率、呼叫次數上的差異，以及水印檢測介面在第三方平台上的串接情況，是觀察分發策略調整的两個具體抓手，文章沒有逐檔披露，需要在訂閱頁和檢測介面文件裡逐項確認。