Gemini Omni Flash und Veo 3.1 stammen beide von Google DeepMind. Sie kosten pro Sekunde bei 720p gleich viel. Sie sind nicht dasselbe Produkt.
Veo 3.1 ist ein dediziertes Videoerstellungsmodell — optimiert für filmische Einzelaufnahme-Qualität, 4K-Ausgabe und Szenenerweiterung bis zu 140 Sekunden. Gemini Omni Flash ist ein multimodales System, das zufällig auch Video generiert — sein Hauptvorteil ist die konversationelle Bearbeitung, bei der Sie Clips durch natürliche Sprache verfeinern, ohne von Grund auf neu zu generieren.
Google liefert beide absichtlich parallel aus. Dieser Leitfaden erklärt, wofür jede Lösung am besten geeignet ist, was sie tatsächlich kostet und wie Sie zwischen ihnen wählen.
Kurzspezifikationen
Gemini Omni Flash | Veo 3.1 | |
|---|---|---|
Typ | Multimodaler Generalist | Dediziertes Videomodell |
Maximale Auflösung | 720p | Bis zu 4K (via Upscale) |
Dauer pro Clip | Bis zu 10 Sekunden | 4, 6 oder 8 Sekunden |
Szenenerweiterung | Nicht unterstützt | Bis zu 20 Erweiterungen (~140s insgesamt) |
Native Audio | Ja | Ja, mit räumlichem Audio |
Konversationelles Bearbeiten | Ja (mehrstufig) | Nein (pro Prompt neu generieren) |
Referenzbilder | Bis zu 5 Fotos | Bis zu 3 Fotos |
Frame-Steuerung | Nein | Erstes Frame, letztes Frame oder beide |
Modellstufen | 1 (Vorschau) | 3 (Lite, Fast, Standard) |
API-Status | Vorschau (Rollout läuft) | Stabil, dokumentiert |
Wasserzeichen | SynthID + C2PA | SynthID + C2PA |
Veo 3.1 wurde im Oktober 2025 eingeführt und erhielt die Lite-Stufe im März 2026. Omni Flash wurde auf der Google I/O am 19. Mai 2026 für Verbraucher eingeführt und erhielt API-Zugriff am 30. Juni 2026 (Developer Preview).
Preisvergleich
Beide Modelle berechnen pro Sekunde der Videoausgabe, aber die Preisstrukturen sind unterschiedlich.
Veo 3.1 (Pro Sekunde)
Stufe | 720p | 1080p | 4K |
|---|---|---|---|
Lite | $0.05 | $0.08 | — |
Fast | $0.10 | $0.12 | $0.30 |
Standard | $0.40 | $0.40 | $0.60 |
Gemini Omni Flash
Komponente | Preis |
|---|---|
Eingabetokens | $1.50 / 1M tokens |
Textausgabe (inkl. Denken) | $9.00 / 1M tokens |
Videoausgabe | $17.50 / 1M tokens |
Effektiv pro Sekunde (720p) | ~$0.10 |
Mit 5.792 Video-Output-Tokens pro Sekunde kostet Omni Flashs 720p-Video etwa 0,10 $/Sek. — identisch mit Veo 3.1 Fast bei 720p.
Die versteckten Kosten: Denk-Token
Omni Flash generiert Textausgaben (einschließlich Thinking-Tokens) zusammen mit Video. Diese werden mit 9,00 $/M berechnet – getrennt von den Videotoken-Kosten. Bei einer typischen 10-Sekunden-Generierung mit konversationellem Kontext erhöht der Thinking-Overhead die Kosten um ungefähr 0,02–0,05 $ pro Clip.
Klein bei einem einzelnen Clip. In großem Maßstab — Tausende von Generierungen pro Tag — summiert sich das auf 5–15 % zusätzlich zu den Videokosten.
Kosten pro Clip
Szenario | Omni Flash | Veo 3.1 Fast | Veo 3.1 Lite |
|---|---|---|---|
8-Sek. 720p, Einzelaufnahme | ~$0.83 | $0.80 | $0.40 |
8-Sek. 1080p, Einzelaufnahme | N/A (nur 720p) | $0.96 | $0.64 |
8-Sek. 720p, 3 Iterationen, um es richtig hinzubekommen | ~$0.85 (Bearbeitung) | $2.40 (3x erneute Generierung) | $1.20 (3x erneute Generierung) |
60-Sek.-Video (Szenenerweiterung) | Nicht unterstützt | $6.00 (Fast 720p) | $3.00 (Lite 720p) |
Die dritte Zeile ist der Punkt, an dem sich die Modelle unterscheiden. Bei Veo 3.1 bedeutet das Verfeinern eines Clips, ihn komplett neu zu erzeugen — 3 Versuche = 3x die Kosten. Mit Omni Flash verändert die dialogorientierte Bearbeitung den vorhandenen Clip, sodass Iterationen nur einen Bruchteil einer vollständigen Generierung kosten.
Videoqualität
Bei der Qualität der Single-Shot-Generierung — Beleuchtung, Komposition, Bewegungskohärenz — ist Veo 3.1 Standard das bessere Modell. Selbst bei knappen Prompts erzeugt Veo 3.1 tendenziell filmischer wirkende Ausgaben mit besserer Standardbeleuchtung und besserem Kameraverhalten.
Omni Flash priorisiert, was Google „Korrektheit vor Politur“ nennt: physikalische Genauigkeit, die Bewahrung der Charakteridentität und die Bearbeitungstreue über mehrere Iterationen hinweg. Die visuelle Ausgabe ist gut, aber nicht erstklassig für ein einzelnes Hero-Shot.
Zur Einordnung: In der aktuellen Landschaft der AI-Video-Modelle gelten Veo 3.1 Standard und Seedance 2.0 allgemein als die Spitzenklasse in Bezug auf die reine Ausgabetqualität.
Auflösung
Dies ist der markanteste Unterschied. Veo 3.1 erzeugt nativ in 1080p und skaliert auf 4K hoch. Omni Flash erreicht maximal 720p.
Für soziale Medien (Shorts, Reels, TikTok) ist 720p ausreichend. Für jede Produktions-, kommerzielle oder großbildschirmige Verwendung ist 720p ein No-Go — und Veo 3.1 ist die einzige Google-Option.
Audio
Beide erzeugen standardmäßig synchronisiertes Audio. Veo 3.1 hat einen Vorteil: räumliches Audio, das dreidimensionalen Klang simuliert (ein Auto, das von links nach rechts vorbeifährt, klingt, als würde es sich über das Stereofeld bewegen). Stand Juli 2026 erreicht kein anderes großes Modell dies. Veo 3.1 gibt außerdem mit 48 kHz aus – höher als der branchenübliche Standard.
Das Audio von Omni Flash ist synchronisiert, verfügt aber derzeit nicht über eine räumliche Positionierung.
Bearbeitung: Der zentrale Differenzierungsfaktor
Konversationelle Bearbeitung ist die herausragende Fähigkeit von Omni Flash und der Hauptgrund, sich dafür statt für Veo 3.1 zu entscheiden.
So funktioniert es: Nachdem ein Clip generiert wurde, beschreiben Sie Änderungen in natürlicher Sprache — „machen Sie den Himmel oranger“, „verlangsamen Sie die Kameraschwenkbewegung“, „ändern Sie die Jacke der Figur in Blau“. Jede Bearbeitung baut auf dem vorherigen Zustand auf, anstatt von Grund auf neu zu generieren. Charakteridentität, physikalischer Zustand und Szenenkontext bleiben über mehrere Iterationen hinweg erhalten.
Warum das wichtig ist: Mit Veo 3.1 (und den meisten anderen Videomodellen) bedeutet es, einen Clip richtig hinzubekommen, einen besseren Prompt zu schreiben und alles neu zu generieren. Jeder Versuch kostet den vollen Preis pro Sekunde. Mit Omni Flash kommen Sie durch kostengünstige Iterationen zum gewünschten Ergebnis.
Für Workflows, die von Natur aus iterativ sind — Werbung, Storyboarding, Produktdemos, Social Content, bei dem Markenkonsistenz wichtig ist — kann dies sowohl Kosten als auch Zeit erheblich reduzieren.
Was Omni Flash noch nicht kann:
Maskierte/regionale Bearbeitungen werden ausgerollt, sind aber nicht überall verfügbar
Keine Szenenerweiterung (du kannst Clips nicht zu längeren Sequenzen verketten)
Maximal 10 Sekunden pro Clip
Dauer und Szenenerweiterung
Veo 3.1 unterstützt Szenenerweiterung: Das Verketteten von bis zu 20 Erweiterungen ausgehend von einem 8-sekündigen Seed-Clip ermöglicht Videos mit einer Gesamtlänge von über 140 Sekunden. Jede Erweiterung analysiert die letzten 24 Frames hinsichtlich Charakterposition, Beleuchtung und Bewegungsstetigkeit.
Omni Flash ist auf 10 Sekunden pro Clip begrenzt und kann nicht verlängert werden. Für alles, was länger als 10 Sekunden ist, ist Veo 3.1 derzeit die einzige Google-Option.
API-Bereitschaft
Omni Flash | Veo 3.1 | |
|---|---|---|
Modell-ID |
|
|
Status | Vorschau, wird ausgerollt | Stabil, dokumentiert |
Stufen | 1 | 3 (Lite / Fast / Standard) |
Preisgestaltung | Veröffentlicht | Veröffentlicht |
Batch/Priorität | Nicht verfügbar | Nicht aufgeführt |
Veo 3.1 befindet sich seit Ende 2025 im Produktionseinsatz mit stabilen Endpunkten, dokumentierter Fehlerbehandlung und drei Preisstufen für unterschiedliche Qualitäts-/Kosten-Kompromisse. Die API von Omni Flash wurde am 30. Juni 2026 eingeführt und befindet sich noch in der Vorschau — nutzbar, aber mit den Einschränkungen, die mit einem Vorschau-Label einhergehen.
Für Produktionssysteme, die Zuverlässigkeitsgarantien benötigen, ist Veo 3.1 heute die sicherere Wahl. Für Prototyping und Workflows, bei denen konversationelle Bearbeitung einen klaren Mehrwert bietet, lohnt es sich, Omni Flash jetzt zu integrieren.
Beide Modelle sind über die Gemini API, Google AI Studio und Vertex AI verfügbar. Drittanbieter-API-Aggregatoren, die Googles Videomodelle unterstützen, können den Zugriff vereinfachen, wenn Sie bereits mehrere Anbieter nutzen.
Wann Veo 3.1 verwendet wird
Ausgabe mit hoher Auflösung — alles über 720p. Veo 3.1 ist die einzige Option für 1080p/4K.
Videos länger als 10 Sekunden — Szenenerweiterung ermöglicht Clips von über 2 Minuten.
Cinematic-Qualität in einer einzigen Aufnahme — wenn Sie einen ausgefeilten Hero-Clip benötigen und Ihr Prompt gut ausgearbeitet ist.
Hochvolumige Generierung zu niedrigen Kosten — Veo 3.1 Lite für $0.05/Sek. (720p) ist die günstigste Google-Videooption.
Anforderungen an Spatial Audio — 3D-Klangpositionierung gibt es nur bei Veo.
Stabilität der Production API — etablierte Endpunkte, dokumentiertes Fehlerverhalten, dreistufige Preisgestaltung.
Wann Gemini Omni Flash verwendet wird
Iterative Workflows — Werbung, Storyboarding, Social-Media-Inhalte, bei denen Sie feinjustieren und verfeinern müssen.
Charakterkonsistenz über mehrere Aufnahmen hinweg — Identitätserhalt auf Model-Ebene, nicht nur promptbasiertes Referenz-Matching.
Multimodale Eingabe — Kombination von Text, Bildern, Audio und Video als Generierungsinputs.
Kostensensible Iteration — wenn die Alternative darin besteht, 3–5 Mal von Grund auf neu zu generieren.
Schnelles Prototyping — Konversationsbasiertes Bearbeiten ist für explorative Arbeit schneller als Prompt Engineering.
Weiterleitung nach Anwendungsfall
Anwendungsfall | Empfohlenes Modell | Warum |
|---|---|---|
Social-Media-Clips (Shorts/Reels) | Omni Flash | 720p ist ausreichend, iteratives Bearbeiten spart Zeit |
Produktdemo / Anzeige | Omni Flash → Veo 3.1 final | Mit Omni bearbeiten, endgültiges Rendering mit Veo für Qualität |
Kurzfilm im Kino-Stil | Veo 3.1 Standard | 4K, räumlicher Ton, Szenenerweiterung |
E-Commerce-Produktvideo | Veo 3.1 Lite oder Fast | Hohe Stückzahlen, Kosten sind wichtig, Einzelaufnahme reicht aus |
Storyboard / Konzeptvideo | Omni Flash | Geschwindigkeit und Iteration vor Feinschliff |
Längere Inhalte (>10s) | Veo 3.1 | Szenenerweiterung, keine Alternative |
Einige Teams werden beides nutzen: Omni Flash für Konzeptentwicklung und Iteration, Veo 3.1 für finale Renderings. Die Modelle ergänzen einander eher, als dass sie miteinander konkurrieren.
Was kommt
Google hat Gemini Omni Pro angekündigt — eine leistungsfähigere Version der Omni-Architektur — ohne Veröffentlichungsdatum. Die aktuellen Einschränkungen von Omni Flash (720p-Limit, keine Szenenerweiterung, Preview-API) werden sich wahrscheinlich weiterentwickeln, aber der Zeitplan ist unklar.
Für den Moment ist es der pragmatische Ansatz, für die Produktion auf Veo 3.1 aufzubauen und mit Omni Flash für redaktionelle Workflows zu experimentieren. Wenn Sie ein System entwerfen, das Google-Video-Modelle nutzt, lohnt sich die kleine Anfangsinvestition, die Modellebene so zu abstrahieren, dass Sie zwischen ihnen wechseln können.
Häufig gestellte Fragen
Ersetzt Gemini Omni Flash Veo 3.1?
Nein. Google veröffentlicht beide parallel. In der Gemini-App hat Omni Flash Veo als Standard-Video-Backend für Abonnenten ersetzt, aber die Veo 3.1 API wird weiterhin vollständig unterstützt, ohne angekündigtes End-of-Life-Datum. Sie dienen unterschiedlichen Zwecken — Omni Flash für bearbeitungszentrierte Workflows, Veo 3.1 für qualitätsorientierte Generierung.
Welche hat die bessere Videoqualität?
Veo 3.1 Standard erzeugt eine höherwertige Single-Shot-Ausgabe mit einer stärker filmischen Standardästhetik. Es unterstützt außerdem 1080p/4K, während Omni Flash auf 720p begrenzt ist. Bei der reinen visuellen Qualität eines einzelnen Clips gewinnt Veo 3.1.
Ist Gemini Omni Flash günstiger als Veo 3.1?
Bei 720p kosten beide etwa 0,10 $ pro Sekunde (Omni Flash vs. Veo 3.1 Fast). Veo 3.1 Lite ist mit 0,05 $/Sek. günstiger. Bei iterativen Workflows, bei denen man andernfalls mehrfach neu generieren würde, kann das dialogorientierte Bearbeiten von Omni Flash jedoch die Gesamtkosten senken, da vollständige Neugenerierungen vermieden werden.
Kann Gemini Omni Flash 4K-Video generieren?
Derzeit nicht. Omni Flash gibt nur in 720p aus. Für 4K ist Veo 3.1 die einzige Google-Option — native 1080p-Generierung mit Hochskalierung auf 4K für zusätzliche 0,50 $ pro Clip.
Wie lang können Gemini Omni Flash-Videos sein?
Bis zu 10 Sekunden pro Clip ohne Szenenerweiterung. Veo 3.1 unterstützt 4–8 Sekunden lange Clips mit Szenenerweiterung, die in Kette bis zu insgesamt ~140 Sekunden (20 Erweiterungen) reichen.
Hat Gemini Omni Flash eine API?
Ja, seit dem 30. Juni 2026. Die Modell-ID ist gemini-omni-flash-preview. Es ist über die Gemini API, Google AI Studio und Vertex AI verfügbar, befindet sich jedoch weiterhin im Preview-Status. Die API von Veo 3.1 ist ausgereifter und bietet stabile Endpunkte sowie drei Preisstufen.
Welches Modell hat besseren Ton?
Beide erzeugen synchronisiertes Audio nativ. Veo 3.1 hat einen Vorteil mit Spatial Audio (3D-Soundpositionierung) und 48 kHz-Ausgabe. Omni Flash erzeugt synchronisiertes Audio, jedoch ohne räumliche Positionierung.
Kann ich beide Modelle im selben Projekt verwenden?
Ja. Ein gängiger Workflow ist, Omni Flash für das Konzipieren und iterative Bearbeiten zu verwenden und dann die finale Ausgabe über Veo 3.1 für höhere Qualität und Auflösung zu rendern. Beide sind über dieselbe Google-API-Infrastruktur zugänglich, und vereinheitlichte API-Plattformen machen das Routing zwischen ihnen unkompliziert.
Was ist besser für E-Commerce-Produktvideos?
Veo 3.1, insbesondere die Lite- ($0.05/sec) oder Fast-Tarife ($0.10/sec). E-Commerce-Videos sind typischerweise Einzelaufnahmen mit einem klar definierten Prompt — Sie benötigen keine dialogische Bearbeitung, und die niedrigeren Kosten pro Clip sind bei großen Stückzahlen wichtig. Die höheren Auflösungsoptionen von Veo 3.1 setzen Produktdetails zudem besser in Szene.
Was ist Gemini Omni Pro?
Eine angekündigte, aber noch nicht veröffentlichte Version der Omni-Architektur mit höherer Leistungsfähigkeit. Es wurden weder ein Veröffentlichungsdatum noch Preise oder detaillierte Spezifikationen veröffentlicht. Es ist nicht ratsam, Produktionssysteme auf die Verfügbarkeit von Omni Pro auszurichten, bis Google konkrete Zeitpläne bereitstellt.