Gemini Omni Flash y Veo 3.1 provienen ambos de Google DeepMind. Cuestan lo mismo por segundo a 720p. No son el mismo producto.
Veo 3.1 es un modelo dedicado a la generación de video — optimizado para calidad cinematográfica de una sola toma, salida en 4K y extensión de escenas de hasta 140 segundos. Gemini Omni Flash es un sistema multimodal que también genera video — su ventaja principal es la edición conversacional, donde puedes refinar clips mediante lenguaje natural sin regenerarlos desde cero.
Google lanza ambos en paralelo deliberadamente. Esta guía cubre en qué destaca cada uno, lo que realmente cuestan y cómo elegir entre ellos.
Especificaciones rápidas
Gemini Omni Flash | Veo 3.1 | |
|---|---|---|
Tipo | Generalista multimodal | Modelo de video dedicado |
Resolución máxima | 720p | Hasta 4K (mediante upscale) |
Duración por clip | Hasta 10 segundos | 4, 6 u 8 segundos |
Extensión de escena | No compatible | Hasta 20 extensiones (~140 s en total) |
Audio nativo | Sí | Sí, con audio espacial |
Edición conversacional | Sí (multi-turn) | No (regenerar por prompt) |
Imágenes de referencia | Hasta 5 fotos | Hasta 3 fotos |
Control de fotogramas | No | Primer fotograma, último fotograma o ambos |
Niveles del modelo | 1 (vista previa) | 3 (Lite, Fast, Standard) |
Estado de la API | Vista previa (implementación gradual) | Estable, documentado |
Marca de agua | SynthID + C2PA | SynthID + C2PA |
Veo 3.1 se lanzó en octubre de 2025 y añadió el nivel Lite en marzo de 2026. Omni Flash se lanzó en Google I/O el 19 de mayo de 2026 (consumidor) y obtuvo acceso a la API el 30 de junio de 2026 (vista previa para desarrolladores).
Comparación de precios
Ambos modelos cobran por segundo de salida de video, pero las estructuras de precios son diferentes.
Veo 3.1 (Por segundo)
Nivel | 720p | 1080p | 4K |
|---|---|---|---|
Lite | $0.05 | $0.08 | — |
Rápido | $0.10 | $0.12 | $0.30 |
Estándar | $0.40 | $0.40 | $0.60 |
Gemini Omni Flash
Componente | Precio |
|---|---|
Tokens de entrada | $1.50 / 1M tokens |
Salida de texto (incl. pensamiento) | $9.00 / 1M tokens |
Salida de video | $17.50 / 1M tokens |
Por segundo efectivo (720p) | ~$0.10 |
Con 5.792 tokens de salida de video por segundo, el video de 720p de Omni Flash cuesta ~$0.10/seg — idéntico a Veo 3.1 Fast en 720p.
El coste oculto: tokens de pensamiento
Omni Flash genera salida de texto (incluidos tokens de pensamiento) junto con video. Estos se facturan a $9.00/M, por separado del costo de tokens de video. En una generación típica de 10 segundos con contexto conversacional, la sobrecarga de pensamiento añade aproximadamente $0.02–0.05 por clip.
Pequeño en un solo clip. A escala — miles de generaciones por día — se suma entre un 5–15% sobre el costo del video.
Costo por clip
Escenario | Omni Flash | Veo 3.1 Fast | Veo 3.1 Lite |
|---|---|---|---|
8 s, 720p, toma única | ~$0.83 | $0.80 | $0.40 |
8 s, 1080p, toma única | No disponible (solo 720p) | $0.96 | $0.64 |
8 s, 720p, 3 iteraciones para lograrlo | ~$0.85 (edición) | $2.40 (3x regen) | $1.20 (3x regen) |
Video de 60 s (extensión de escena) | No compatible | $6.00 (Fast 720p) | $3.00 (Lite 720p) |
La tercera fila es donde los modelos divergen. Con Veo 3.1, refinar un clip significa regenerarlo por completo — 3 intentos = 3x el costo. Con Omni Flash, la edición conversacional modifica el clip existente, por lo que las iteraciones cuestan una fracción de una generación completa.
Calidad del video
En calidad de generación de una sola toma — iluminación, composición, coherencia del movimiento — Veo 3.1 Standard es el mejor modelo. Incluso con prompts escasos, Veo 3.1 tiende a producir resultados con un aspecto más cinematográfico, con mejor iluminación predeterminada y comportamiento de cámara.
Omni Flash prioriza lo que Google llama "precisión sobre pulido": exactitud física, preservación de la identidad del personaje y fidelidad de las ediciones a lo largo de varios turnos. El resultado visual es bueno, pero no es el mejor de su clase para una sola toma destacada.
Para contextualizar, en el panorama actual de los modelos de video de IA, Veo 3.1 Standard y Seedance 2.0 generalmente se consideran de primer nivel en cuanto a calidad de salida bruta.
Resolución
Esta es la diferencia más marcada. Veo 3.1 genera a 1080p de forma nativa y escala hasta 4K. Omni Flash alcanza como máximo 720p.
Para redes sociales (Shorts, Reels, TikTok), 720p es suficiente. Para cualquier caso de uso de producción, comercial o en pantallas grandes, 720p no es una opción viable — y Veo 3.1 es la única opción de Google.
Audio
Ambos generan audio sincronizado de forma predeterminada. Veo 3.1 tiene una ventaja: audio espacial que simula sonido tridimensional (un coche que pasa de izquierda a derecha suena como si se moviera a través del campo estéreo). A partir de julio de 2026, ningún otro modelo importante iguala esto. Veo 3.1 también produce a 48 kHz, más alto que el estándar de la industria.
El audio de Omni Flash está sincronizado, pero actualmente carece de posicionamiento espacial.
Edición: El diferenciador principal
La edición conversacional es la capacidad distintiva de Omni Flash y la razón principal para elegirlo frente a Veo 3.1.
Cómo funciona: Después de generar un clip, describes los cambios en lenguaje natural — "haz el cielo más naranja", "ralentiza el paneo de la cámara", "cambia la chaqueta del personaje a azul". Cada edición se basa en el estado anterior en lugar de regenerar desde cero. La identidad del personaje, el estado físico y el contexto de la escena persisten entre turnos.
Por qué importa: Con Veo 3.1 (y la mayoría de los demás modelos de video), conseguir que un clip salga bien significa escribir un mejor prompt y regenerarlo por completo. Cada intento cuesta el precio completo por segundo. Con Omni Flash, converges en el resultado que quieres mediante iteraciones de bajo costo.
Para flujos de trabajo que son inherentemente iterativos — publicidad, creación de guiones gráficos, demostraciones de productos, contenido social donde la coherencia de marca importa — esto puede reducir tanto el costo como el tiempo de manera significativa.
Lo que Omni Flash aún no puede hacer:
Las ediciones enmascaradas/regionales se están implementando, pero no están disponibles de forma universal
No hay extensión de escena (no puedes encadenar clips en secuencias más largas)
Máximo 10 segundos por clip
Duración y extensión de escena
Veo 3.1 admite la extensión de escenas: encadenar hasta 20 extensiones a partir de un clip inicial de 8 segundos, produciendo videos de más de 140 segundos en total. Cada extensión analiza los últimos 24 fotogramas para la posición del personaje, la iluminación y la continuidad del movimiento.
Omni Flash tiene un límite de 10 segundos por clip y no admite extensiones. Para cualquier contenido de más de 10 segundos, Veo 3.1 es actualmente la única opción de Google.
Preparación de la API
Omni Flash | Veo 3.1 | |
|---|---|---|
ID del modelo |
|
|
Estado | Vista previa, en despliegue | Estable, documentado |
Niveles | 1 | 3 (Lite / Fast / Standard) |
Precios | Publicado | Publicado |
Lote/prioridad | No disponible | No listado |
Veo 3.1 ha estado en uso en producción desde finales de 2025, con endpoints estables, manejo de errores documentado y tres niveles de precios para diferentes compensaciones entre calidad y costo. La API de Omni Flash se lanzó el 30 de junio de 2026 y sigue en vista previa: utilizable, pero con las advertencias que conlleva la etiqueta de vista previa.
Para sistemas de producción que necesitan garantías de fiabilidad, Veo 3.1 es la opción más segura hoy. Para la creación de prototipos y flujos de trabajo donde la edición conversacional aporta un valor claro, Omni Flash merece integrarse ahora.
Ambos modelos están disponibles a través de la Gemini API, Google AI Studio y Vertex AI. Los agregadores de API de terceros que admiten los modelos de video de Google pueden simplificar el acceso si ya estás utilizando varios proveedores.
Cuándo usar Veo 3.1
Salida de alta resolución — cualquier cosa por encima de 720p. Veo 3.1 es la única opción para 1080p/4K.
Vídeos de más de 10 segundos — la extensión de escena permite clips de más de 2 minutos.
Calidad cinematográfica de una sola toma — cuando necesitas un clip principal pulido y tu prompt está bien elaborado.
Generación de gran volumen a bajo coste — Veo 3.1 Lite a $0.05/sec (720p) es la opción de vídeo de Google más barata.
Requisitos de audio espacial — el posicionamiento de sonido 3D es exclusivo de Veo.
Estabilidad de la API de producción — endpoints establecidos, comportamiento de error documentado, precios en tres niveles.
Cuándo usar Gemini Omni Flash
Flujos de trabajo iterativos — publicidad, storyboarding, contenido social donde necesitas ajustar y refinar.
Consistencia de personajes entre tomas — preservación de la identidad a nivel de modelo, no solo coincidencia de referencia basada en prompts.
Entrada multimodal — combinación de texto, imágenes, audio y video como entradas de generación.
Iteración sensible al coste — cuando la alternativa es regenerar desde cero 3–5 veces.
Prototipado rápido — la edición conversacional es más rápida que la ingeniería de prompts para el trabajo exploratorio.
Enrutamiento por caso de uso
Caso de uso | Modelo recomendado | Por qué |
|---|---|---|
Clips para redes sociales (Shorts/Reels) | Omni Flash | 720p está bien, la edición iterativa ahorra tiempo |
Demostración de producto / anuncio | Omni Flash → Veo 3.1 final | Edita con Omni, render final con Veo para calidad |
Cortometraje cinematográfico | Veo 3.1 Standard | 4K, audio espacial, extensión de escena |
Video de producto para comercio electrónico | Veo 3.1 Lite or Fast | Alto volumen, el costo importa, una sola toma es suficiente |
Storyboard / video conceptual | Omni Flash | Velocidad e iteración por encima del pulido |
Contenido de formato largo (>10s) | Veo 3.1 | Extensión de escena, no hay alternativa |
Algunos equipos usarán ambos: Omni Flash para conceptualizar e iterar, y Veo 3.1 para los renderizados finales. Los modelos se complementan más de lo que compiten.
Qué viene
Google ha anunciado Gemini Omni Pro — una versión de mayor capacidad de la arquitectura Omni — sin fecha de lanzamiento. Las limitaciones actuales de Omni Flash (límite de 720p, sin extensión de escena, API de vista previa) probablemente evolucionen, pero los plazos no están claros.
Por ahora, construir sobre Veo 3.1 para producción y experimentar con Omni Flash para flujos de trabajo editoriales es el enfoque pragmático. Si estás diseñando un sistema que usa modelos de video de Google, merece la pena la pequeña inversión inicial de abstraer la capa del modelo para poder intercambiarlos.
Preguntas frecuentes
¿Gemini Omni Flash está reemplazando a Veo 3.1?
No. Google envía ambos en paralelo. Dentro de la aplicación Gemini, Omni Flash ha reemplazado a Veo como el backend de video predeterminado para los suscriptores, pero la API de Veo 3.1 sigue siendo totalmente compatible y no se ha anunciado una fecha de finalización. Sirven para propósitos diferentes: Omni Flash para flujos de trabajo centrados en la edición, Veo 3.1 para generación centrada en la calidad.
¿Cuál tiene mejor calidad de video?
Veo 3.1 Standard produce una salida de una sola toma de mayor calidad con una estética predeterminada más cinematográfica. También admite 1080p/4K, mientras que Omni Flash está limitado a 720p. Para la calidad visual pura en un solo clip, Veo 3.1 gana.
¿Es Gemini Omni Flash más barato que Veo 3.1?
En 720p, ambos cuestan ~$0.10 por segundo (Omni Flash frente a Veo 3.1 Fast). Veo 3.1 Lite es más barato, a $0.05/seg. Sin embargo, para flujos de trabajo iterativos en los que de otro modo regenerarías varias veces, la edición conversacional de Omni Flash puede reducir el costo total al evitar regeneraciones completas.
¿Puede Gemini Omni Flash generar video 4K?
No actualmente. Omni Flash genera solo a 720p. Para 4K, Veo 3.1 es la única opción de Google — generación nativa en 1080p con escalado a 4K por un coste adicional de $0.50 por clip.
¿Cuánto pueden durar los videos de Gemini Omni Flash?
Hasta 10 segundos por clip sin extensión de escena. Veo 3.1 admite clips de 4–8 segundos con encadenamiento de extensiones de escena hasta ~140 segundos en total (20 extensiones).
¿Gemini Omni Flash tiene una API?
Sí, desde el 30 de junio de 2026. El ID del modelo es gemini-omni-flash-preview. Está disponible a través de la Gemini API, Google AI Studio y Vertex AI, aunque todavía está en estado de vista previa. La API de Veo 3.1 es más madura, con endpoints estables y tres niveles de precios.
¿Qué modelo tiene mejor audio?
Ambos generan audio sincronizado de forma nativa. Veo 3.1 tiene ventaja con audio espacial (posicionamiento de sonido 3D) y salida de 48 kHz. Omni Flash genera audio sincronizado, pero sin posicionamiento espacial.
¿Puedo usar ambos modelos en el mismo proyecto?
Sí. Un flujo de trabajo común es usar Omni Flash para la conceptualización y la edición iterativa, y luego generar la salida final a través de Veo 3.1 para obtener mayor calidad y resolución. Ambos son accesibles a través de la misma infraestructura de Google API, y las plataformas API unificadas hacen que el enrutamiento entre ellos sea sencillo.
¿Cuál es mejor para videos de productos de comercio electrónico?
Veo 3.1, particularmente los niveles Lite ($0.05/sec) o Fast ($0.10/sec). Los videos de e-commerce suelen ser de una sola toma con un prompt bien definido — no necesitas edición conversacional, y el menor costo por clip importa cuando hay volumen. Las opciones de mayor resolución de Veo 3.1 también muestran mejor los detalles del producto.
¿Qué es Gemini Omni Pro?
Una versión anunciada pero aún no lanzada de mayor capacidad de la arquitectura Omni. No se ha publicado fecha de lanzamiento, precios ni especificaciones detalladas. No es aconsejable construir sistemas de producción en torno a la disponibilidad de Omni Pro hasta que Google proporcione plazos concretos.