Was ist Omni Flash? Funktionen, Zugang & Builder-Guide

Hallo, ich bin Dora. Ich verbrachte den Vormittag der I/O 2026 damit, den Rollout-Beitrag und die Preisseiten zu lesen und dann die Gemini-App zu öffnen, um zu sehen, was tatsächlich ausgeliefert wurde im Vergleich zu dem, was noch als „in den kommenden Wochen” gekennzeichnet ist. Dies ist die Notizen-Version davon — für Builder und Produktteams, die entscheiden, ob Omni Flash irgendetwas in ihrer Pipeline verändert.

Kurze Version vorab: Das Modell ist real und heute in Consumer-Oberflächen live. Die Entwickler-API ist es nicht. Diese Lücke ist wichtiger als die Demos.

Was Omni Flash tatsächlich ist (Googles erstes Omni-Serienmodell)

Was ist Omni Flash also konkret? Gemini Omni Flash ist das erste Modell in Googles neuer Omni-Familie, am 19. Mai 2026 bei I/O angekündigt. Google DeepMind bezeichnet es als „erstelle alles aus beliebigen Eingaben — beginnend mit Video.” Das „beginnend mit” ist wichtig — die langfristige Roadmap umfasst Any-to-Any-Modalitätsrouting, aber was heute ausgeliefert wurde, ist multimodaler Input, der Video-Output produziert. Bild- und Audio-Output befinden sich auf der öffentlichen Roadmap, nicht im Produkt.

Position in der Gemini Omni Roadmap

Omni ist als Familie positioniert, nicht als einzelnes Modell. Flash ist der erste Schritt auf Consumer-Niveau. Ein höherwertiges Omni Pro wurde von Google DeepMind bestätigt, ohne Veröffentlichungsdatum — Nicole Brichtova sagte TechCrunch, dass Pro erscheint, „wenn wir das Gefühl haben, dass wir einen Schritt über Flash hinaus sind.” Das ist als: nicht bald zu lesen.

Warum Google es als „Video-Version von Nano Banana” beschreibt

Nano Banana — Googles 2025 gestartetes Bildgenerierungs-/Bearbeitungsmodell — setzte die Vorlage für das, was Omni für Video zu sein versucht: konversationelle Bearbeitung, Identitätsbeibehaltung über Iterationen hinweg, geringer Aufwand für nicht-technische Nutzer. Der offizielle Google-Blogbeitrag zur Einführung von Omni zieht die Linie explizit. Architektonisch verarbeitet diese Google DeepMind Omni Flash-Version Modalitäten in einem einzigen Forward-Pass, anstatt zwischen spezialisierten Systemen weiterzuleiten. Ob das zu bedeutsam besseren Outputs im Vergleich zu einem Veo-plus-Audio-Pipeline-Ansatz führt, werde ich beobachten. Die Demos sind kuratiert. Echte Workflows nicht.

Bei der Markteinführung bestätigte Funktionen

Dies sind die Omni Flash-Funktionen, die heute im Produkt bestätigt sind, nicht das, was angeteasert wurde.

Multimodaler Input (Text, Bild, Video, Audio)

Du kannst beliebige dieser Eingaben in einem einzigen Prompt kombinieren. Das Modell behandelt sie als einheitliche Szenenbeschreibung statt als verkettete Assets. Dies ist der sauberste Teil der Ankündigung — und was es von Veos Text-zu-Video-Pipeline unterscheidet.

Bis zu 10 Sekunden Video-Output mit nativem Audio

Clips sind auf 10 Sekunden begrenzt. Brichtova beschrieb dies als Deployment-Entscheidung, nicht als Modellgrenze — eine Möglichkeit, den Compute-Bedarf zu kontrollieren, während der Zugang sich ausweitet. Audio wird synchron mit Video generiert, nicht nachträglich hinzugefügt. Die Marmor-Hüpf-Demo, die Googles CTO Koray Kavukcuoglu Reportern zeigte, produzierte automatisch Aufprallgeräusche und Klingelgeräusche. Erwähnenswert: Unabhängige Tester berichteten TechTimes, dass die rohe Generierungsqualität ByteDances Seedance 2.0 und Alibabas Wan 2.7 nachstehen könnte, auch wenn die Bearbeitungsebene stärker ist.

Konversationelle Bearbeitung per natürlicher Sprache

Jede Anweisung baut auf der letzten auf. „Mach die Skulptur aus Blasen” — angewendet, Zustand gespeichert, nächste Anweisung operiert auf dem neuen Zustand. Das ist die Workflow-Verschiebung und der Teil, der am wahrscheinlichsten Zeit in der Produktion spart: weniger Prompt-Neuschreibungen, weniger Neustarts von Grund auf.

Gesichtseinfügung und Szenenkonsistenz

Die Avatar-Funktion ermöglicht es dir, eine digitale Version von dir selbst zu erstellen (das Onboarding erfordert, eine Zahlenfolge vor der Kamera zu sprechen — eine Deepfake-Prüfung, lose von OpenAIs eingestelltem Sora Cameos entlehnt). Einmal gespeichert, bleibt der Avatar über Generierungen hinweg erhalten.

SynthID-Wasserzeichen und Sicherheitsbeschränkungen

Jeder Output trägt ein unsichtbares SynthID-Wasserzeichen, überprüfbar über die Gemini-App, Chrome und die Google-Suche. SynthID hat nun über 100 Milliarden KI-generierte Bilder und Videos markiert. Offene Bearbeitung von Stimme und Ähnlichkeit ist zurückgehalten — Googles angegebener Grund ist verantwortungsvoller Einsatz.

Wo du heute darauf zugreifen kannst

Drei Oberflächen, unterschiedliche Grenzen.

Oberfläche	Wer Zugang hat	Compute-Budget
Gemini App	AI Plus, Pro, Ultra-Abonnenten weltweit	Compute-basierte Wochenlimits (neues Modell)
Google Flow	AI Plus / Pro / Ultra	200 / 1.000 / 10.000–25.000 Flow-Credits pro Monat
YouTube Shorts & Create App	Kostenlose Nutzer	Rollout diese Woche

Gemini App (Limits für kostenlose Nutzer)

Kostenlose Nutzer erhalten das Modell nicht in der Gemini-App. Der kostenlose Einstiegspunkt ist YouTube. Bezahlte Tarife beginnen bei AI Plus ($7,99/Monat).

Google Flow (Pro/Ultra-Credit-Zuteilungen)

Flow ist der Ort, wo die echten Workflow-Oberflächen leben — Multi-Clip-Komposition, Ingredient-Bibliotheken, benutzerdefinierte Stimmen, Bearbeitung bestehender Videos. Die Google Flow-Supportdokumentation listet Funktionen auf, die exklusiv für dieses Modell sind: 10-Sekunden-Clips (vs. 4s/6s/8s bei niedrigeren Modellen), Bearbeitung hochgeladener Videos, Erstellung benutzerdefinierter Stimmen. Die Credit-Kosten pro Aktion variieren je nach Clip-Länge und Bearbeitungstyp — ich werde die Credit-Ökonomie in einem separaten Beitrag behandeln. Für diesen Überblick gilt: 200 Credits (Plus) ist explorativ; ernsthaftes Iterieren benötigt Pro oder höher.

YouTube Shorts und YouTube Create

Der überraschende Distributions-Schachzug. Kostenloser Zugang zu einem Frontier-Modell — auch wenn eingeschränkt — ist ungewöhnlich. Die strategische Logik: OpenAI zog Sora Anfang 2026 auf API-only zurück, was den Consumer-Videobereich weniger überfüllt hinterließ. Google füllt ihn mit Reichweite statt Spitzenqualität.

Was noch nicht verfügbar ist

Entwickler-API auf Vertex AI (angekündigt, nicht GA)

Stand Mai 2026 ist die Entwickler-API nicht allgemein verfügbar. Googles Blog sagt, der Rollout zu Entwicklern und Unternehmenskunden über APIs kommt „in den kommenden Wochen.” VentureBeat’s Enterprise-Analyse bringt es direkt auf den Punkt: Bis die Vertex API GA ist, ist Omni effektiv ein Consumer- und Prosumer-Tool. Wenn du eine Integration planst, behandle die API als Q3 2026-Planungspunkt, nicht als aktuelle Option.

Generierung längerer Dauer

10 Sekunden ist die öffentliche Grenze. Google sagt, längere Dauern sind in der Pipeline. Kein Zeitplan.

Offene Bearbeitung von Stimme und Ähnlichkeit

Du kannst deinen eigenen Avatar verwenden. Du kannst nicht beliebig Stimmen oder Ähnlichkeiten in hochgeladenen Videos frei bearbeiten. Dies ist eine bewusste Sicherheitsgrenze, keine Fähigkeitslücke.

Einige andere Dinge, die in der Launch-Berichterstattung kursieren und die Google nicht offiziell bestätigt hat: eine 720p-Output-Begrenzung, 60–90 Sekunden Generierungszeiten, benannte Avatar-Template-Packs. Behandle diese als unbestätigt.

Wie es in der Videogenerierungslandschaft steht

Ersatz von Veo in einigen Produktoberflächen

Mehrere Quellen haben berichtet, dass Google Omni Flash Veo in Flow und der Gemini-App effektiv ersetzt. Veo ist nicht veraltet — Veo 3.1 hat noch API-Zugang, und für reines Text-zu-Video bei API-Grad-Zuverlässigkeit ist es heute die Produktionsoption. Aber innerhalb von Googles eigenen Consumer-Oberflächen ist Omni laut Berichten der neue Standard. Die Migrationsgeschichte, die Google verkauft: Jetzt mit Veo ausliefern, den Wechsel planen, wenn GA eintrifft.

Konversationelle Bearbeitung vs. nur-Prompt-Generierung

Das ist der architektonische Einsatz. Die meisten aktuellen Videomodelle — Veo eingeschlossen — behandeln jede Generierung als neuen Durchlauf. Omnis Bearbeitungen sind zustandsbehaftet. Für Workflows, die Iteration beinhalten (die meisten professionellen), ändert das die Rechnung der Credits-pro-Endclip. Ob die Rechnung tatsächlich aufgeht, hängt davon ab, wie gut das Modell die Absicht über Bearbeitungen hinweg bewahrt. Ich habe es nicht lange genug getestet, um das zu sagen.

Was Builder und Produktteams beobachten sollten

API-Timing und Preissignale

Die Entwickler-API ist der einschränkende Faktor für jede Produktionsintegration. Zwei Dinge zu beobachten: die Gemini API-Dokumentation für das tatsächlich erscheinende SKU und die Vertex AI-Preisseite für die Abrechnungsstruktur pro Token oder pro Sekunde. Token-basierte Preisgestaltung — Googles Standard für die Gemini-Familie — würde dies einfacher vorherzusagen machen als Preisgestaltung pro Clip.

Wahrscheinliche Ankunft auf Aggregationsplattformen

Sobald die API landet, erwarte das Modell innerhalb von Wochen auf einheitlichen Zugriffsplattformen. Wenn du bereits gegen eine Multi-Modell-API-Schicht integriert bist, sollten die Migrationskosten von Veo 3.1 gering sein. Wenn du direkt mit einem einzelnen Anbieter integriert bist, wird der Fall für das Hinzufügen einer Aggregationsschicht jedes Quartal stärker — dieser Launch ist ein weiterer Datenpunkt in diese Richtung.

FAQ

Ist die Omni Flash API bereits für Entwickler verfügbar?

Nein. Stand Mai 2026 ist die Entwickler-API nicht allgemein verfügbar. Google sagt, der Rollout über Gemini API und Vertex AI kommt „in den kommenden Wochen.” Bis dahin ist programmatischer Zugang nicht möglich.

Was ist die maximale Videolänge, die Omni Flash generieren kann?

10 Sekunden. Google DeepMind hat erklärt, dass dies eine Deployment-Entscheidung ist und keine architektonische Modellgrenze. Längere Dauern sind ohne öffentlichen Zeitplan geplant.

Ersetzt Omni Flash Googles Veo-Modell vollständig?

Nein. Veo 3.1 bleibt mit API-Zugang für Text-zu-Video-Workloads verfügbar. Innerhalb von Googles eigenen Consumer-Oberflächen (Gemini-App, Flow) ist das neue Modell laut Berichten der Standard. Für heutige Produktions-API-Integrationen ist Veo die funktionierende Option.

Kann ich Omni Flash-Output kommerziell nutzen?

Vorbehaltlich der Googles Richtlinie zur verbotenen Nutzung generativer KI und der Bedingungen deines Abonnementtarifs. Kommerzielle Nutzung ist im Allgemeinen in bezahlten Tarifen erlaubt, aber spezifische Szenarien (Ähnlichkeit tragende Inhalte, Drittanbieter-IP, regulierte Branchen) müssen gegen aktuelle Google-Richtlinien überprüft werden. Akzeptiere kein pauschales Ja von niemandem.

Setzt Omni Flash jedes generierte Video mit einem Wasserzeichen?

Ja. Alle Outputs tragen ein nicht wahrnehmbares SynthID-Wasserzeichen, überprüfbar über die Gemini-App, Chrome und die Google-Suche. Es gibt keine Opt-out-Möglichkeit.

Ist Omni Flash außerhalb von Googles eigenen Apps verfügbar?

Noch nicht. Der aktuelle Zugang ist auf die Gemini-App, Google Flow, YouTube Shorts und die YouTube Create-App beschränkt. Sobald die Entwickler-API erscheint, erwarte Verfügbarkeit über Vertex AI und wahrscheinlich kurz danach auf Drittanbieter-Aggregationsplattformen.

Fazit

Für die meisten Produktteams lautet die praktische Antwort diese Woche: Noch ändert sich nichts. Bleibt beim Ausliefern mit Veo 3.1. Der Entscheidungspunkt ist die API GA — wenn sie landet, ist das konversationelle Bearbeitungs-Primitiv eine echte Evaluierung wert, besonders wenn deine Pipeline bereits die Kosten der Mehrfach-Durchlauf-Videogenerierung trägt.

Für Consumer-Experimente sind die Gemini-App und Flow die Einstiegspunkte in bezahlten Tarifen; YouTube Shorts ist der kostenlose Weg. Eine halbe Stunde praktische Zeit ist es wert, um deine eigenen Qualitätserwartungen gegenüber den Demos zu kalibrieren.

Ein Hinweis zur Unterscheidung: Dies ist Googles Gemini Omni Flash. Es gibt ein separat benanntes Qwen3.5-Omni-Flash von Alibaba — anderer Anbieter, andere Roadmap. Verwechsle sie nicht.

Das ist, was ich heute habe. Ich werde es erneut aufgreifen, wenn die API erscheint.

Vorherige Beiträge：