8 月 27 日，谷歌把视频模型 Gemini Omni 1.1 Flash 推给开发者。Google AI Studio 当天开放，Gemini 企业版 Agent 平台 API 同步接入，Google Flow 和 Gemini app 面向 Plus、Pro、Ultra 订阅用户上线。谷歌在博客里给这一版加了一句定性：
“Omni 1.1 is production-ready for professional use via the Gemini API.” （Omni 1.1 经由 Gemini API 已达到可投入专业生产的状态。）
续接窗口从一秒变成十秒
改动最实的一处在场景延续。六月底那版做续接时只读视频的最后一秒，模型拿到的信息基本等同一张静帧：镜头正在往哪个方向推、人物手上的动作做到了哪一步，它都无从判断。接出来的第二段于是经常像换了片场——跨场景的角色一致性保不住，谷歌在上一版的说明里自己承认过。
1.1 把这个窗口拉到前十秒。续接仍按十秒一段往下走，但累计长度可以堆到四十秒。配套新增的一项是首帧和末帧都能指定，转场从”生成完再挑”变成”两头先钉死、中间交给模型补”。做分镜的人对这套逻辑不陌生，关键帧定死，中间的运动才有得推。
草稿档、4K 放大和三秒视频参考
另外几项改动都冲着工作流去：新增 360p 草稿模式，出片速度比 720p 最多快 60%，用来快速筛构图；片子定下来之后可以走 4K 放大；多模态输入这头新增了视频参考，单段最长三秒，此前只能喂文字和图片。最终输出给到 1080p 和 4K 两档。
视频参考改的是输入侧的表达方式。以前想让模型学一段运镜，只能用文字描述”缓慢向左横移、轻微手持抖动”，模型领会到哪一步全看运气；现在可以直接丢三秒样片进去。三秒装不下一场戏，但足够装下一次完整的运镜或一个动作循环，对需要统一镜头语言的系列片来说，这比写十行提示词省事得多。360p 草稿档和它是一组配套：先用低分辨率把节奏、构图、镜头运动这些结构性的东西定下来，再切高分辨率补细节，中间不必每轮都付全价。
一段四十秒的片子要花多少钱
谷歌这次没有单列各分辨率的秒单价，只在定价文档里留了一个换算口径：视频输出按 token 计费，720p 每秒折合 5792 个 token，标准档视频输出每百万 token 17.50 美元，倒推下来约合每秒 0.10 美元。这个数字和六月底那版持平，两个月没动过。
按 720p 口径粗算，一段四十秒的连贯片子大约 4 美元。草稿档的账要另算：如果先用 360p 把十条构图筛到三条，再把留下的三条走 720p 或 1080p 出成片，同样的预算能多试两轮镜头语言。1080p 和 4K 的实际单价谷歌没公开，按 token 计费的规则粗推，分辨率越高单位时长的 token 越多、单价越贵，具体倍数要等文档补齐。
时长这条线一直在被往后推
把 Omni 这条产品线串起来看，节奏挺清楚。六月底的 preview 版单段封顶十秒，一秒 0.1 美元，短板写得明明白白。两个月后，单段长度没变，但能往后接三次，总时长翻了四倍，上下文窗口翻了十倍。谷歌走的是拆段拼接的路子：不去堆单次生成的长度，而靠每一段被下一段准确接住来攒总时长。这条路对显存和推理成本更友好，代价是接缝处的稳定性要靠上下文窗口硬撑——窗口从一秒变十秒，正是在补这个洞。
四十秒剪不出一条完整的广告片，但社交平台上那批十几到二十秒的短视频，一段够用，两段有剪辑余量。谷歌把”可投入专业生产”这句话写在博客里，赌的也是这批量大、单条价值不高、对连贯性又有基本要求的活儿。
参考来源：谷歌开发者博客、Google DeepMind、CocoLoop、Gemini API 定价文档；按 720p 每秒 5792 token、标准档视频输出每百万 token 17.50 美元核验秒单价换算口径。