Gemini 3.5 Omni y Omni Flash: Un Seguimiento Multimodal

Una nota de trabajo sobre lo que Google realmente lanzó, lo que sigue siendo una demo, y qué debería hacer un desarrollador al respecto esta semana.

Pasé una tarde intentando averiguar si podía llamar a Gemini 3.5 Omni desde código. No pude. Todavía no. La aplicación Gemini me mostró Omni Flash generando video a partir de una foto y un prompt de una línea, y era bueno — pero lo que realmente necesitaba, un endpoint de API que pudiera conectar a un pipeline, no estaba ahí. Esa brecha es toda la historia. Este artículo documenta dónde se encuentra realmente Omni a principios de junio de 2026, y qué cambia (y qué no) para cualquiera que ejecute generación de video en producción.

Versión rápida si tienes prisa: Omni es un modelo real de generación de video, está disponible para consumidores, y el acceso a la API para desarrolladores sigue siendo “en las próximas semanas.” No construyas sobre él todavía. Aquí están los detalles.

Lo que Google presentó como “Gemini Omni”

Posicionamiento: modelo de mundo multimodal para generación de video, imagen y simulación

El propio encuadre de Google es que Gemini Omni puede crear cualquier cosa a partir de cualquier entrada, comenzando con video. La palabra clave ahí es comenzando. Ahora mismo Omni hace una sola cosa públicamente: toma texto, imágenes, audio y clips de video existentes, y produce video al otro lado.

Lo que lo hace más que una caja de texto a video es que razona a través de esas entradas en lugar de unirlas. En vez de simplemente ensamblar esas entradas, Omni razona sobre todas ellas para producir una salida coherente. Google también apostó fuerte por la física — el artículo de TechCrunch sobre la presentación en I/O señala que las salidas están pensadas para reflejar una comprensión del movimiento, la gravedad y el comportamiento de los fluidos. En las demos eso significó menos extremidades deformadas y fondos derritiéndose. Me creeré la afirmación de consistencia cuando haya pasado cuarenta clips por él, no nueve.

Cómo Omni difiere de Gemini 3.5 Flash / Pro (modalidades de salida)

Esta es la parte que la mayoría de la cobertura confunde, así que seré directo. Omni y la familia 3.5 no son el mismo tipo de modelo.

Modelo	Entrada	Salida	Para qué sirve
Gemini Omni / Omni Flash	texto, imagen, audio, video	video	generar y editar metraje
Gemini 3.5 Flash	texto, imagen, audio, video	texto, código	tareas agénticas, razonamiento, generación de UI
Gemini 3.5 Pro	texto, imagen, audio, video	texto, código	igual, techo más alto (todavía en despliegue)

3.5 Flash es multimodal en entrada — entiende tu video y te escribe una respuesta. Omni es multimodal en salida — entiende tus entradas y te devuelve un video. El blog de Google lo dice claramente: Gemini Omni es nuestro nuevo modelo que puede crear cualquier cosa a partir de cualquier entrada, comenzando con video, mientras que 3.5 es la familia que combina inteligencia de frontera con acción para trabajo agéntico. Si has estado tratando “Gemini 3.5 puede hacer video” como una sola capacidad, divídela en dos. Viven en partes distintas de tu stack.

Posicionamiento de Omni Flash frente a Omni completo

Omni Flash es la variante que realmente se lanzó. Es el nivel más rápido y económico, y los informes sitúan sus clips en torno a un límite de 10 segundos — descrito como una elección de implementación más que un límite rígido del modelo, lo que sugiere que se ampliará más adelante. Un nivel Omni de mayor fidelidad y clips más largos está por encima, pero ese es el que sigue viviendo principalmente en demos. Así que cuando alguien dice “Omni está disponible,” se refiere a Omni Flash, en la aplicación de consumidor.

Lo que está confirmado en I/O 2026

Anuncios públicos vs. calendario de acceso para desarrolladores

I/O se celebró del 19 al 20 de mayo de 2026. Google confirmó Omni, la línea 3.5, y un montón de características de agentes. La división que importa: el acceso para consumidores se lanzó, el acceso para desarrolladores no. Gemini Omni Flash está llegando a todos los suscriptores de Google AI Plus, Pro y Ultra a nivel global a través de la aplicación Gemini y Google Flow, más acceso gratuito en YouTube Shorts. Luego la línea que todo desarrollador debería resaltar: En las próximas semanas, también lo distribuiremos a desarrolladores y clientes empresariales a través de APIs.

“Próximas semanas.” No es una fecha. No es un ID de modelo. No es una tabla de precios.

Dónde se demostró Omni y qué se mostró

Las demos fueron de edición de video conversacional — cambiar un elemento, cambiar toda la escena, mantener el personaje consistente a lo largo de los turnos. Un ejemplo: darle un clip de un violinista, luego emitir ediciones como “transporta al violinista a un nuevo entorno” y “haz invisible el violín,” cada una construyendo sobre la anterior. Es una propuesta orientada a la edición, que es una apuesta genuinamente diferente a la de texto a video puro. Google también confirmó que cada salida de Omni lleva marca de agua SynthID, lo que importa si tu uso posterior tiene requisitos de procedencia.

La brecha entre la demo y la disponibilidad para desarrolladores

Aquí fue donde hice una pausa. Un lanzamiento para consumidores y una API son dos productos diferentes con dos historias de fiabilidad distintas. Eso no es pesimismo. Es simplemente la diferencia entre “lo vi funcionar en una app” y “puedo depender de ello a las 3am cuando se ejecuta un trabajo por lotes.”

Por qué esto importa para los desarrolladores multimodales

La generación de video es un problema separado de la comprensión multimodal

Si tu producto ya llama a Gemini 3.5 para entender medios subidos, Omni no reemplaza eso. Es una capacidad adicional — generación — que añadirías, no una actualización directa. Tratarlos como un solo elemento en tu diagrama de arquitectura es la forma en que acabas sorprendido.

Dónde se situaría Omni junto a los modelos de video existentes (Veo, etc.)

Esta es la pregunta práctica. Google ya distribuye Veo 3.1 a través de rutas documentadas de Gemini API y Vertex AI, así que hoy Veo es el modelo de video de Google que realmente puedes integrar. Omni no es todavía un reemplazo de Veo en la capa de API — no hay un documento de migración que diga que cada ruta de Veo cambia a Omni, y las páginas de Veo siguen activas. La diferencia en intención es real, sin embargo: Veo está construido alrededor de texto a video, mientras que el fuerte de Omni es el razonamiento multi-entrada y la edición conversacional. Para los desarrolladores, eso significa que Omni está posicionado para colapsar una cadena — transcripción, comprensión de imágenes, generación — en una sola llamada. Si vale la pena reconstruir en torno a eso depende enteramente de si alguna vez lanza una API.

Qué cambia si Omni llega al acceso para desarrolladores

Si — cuando — la API llegue, el atractivo no son los ahorros brutos en dinero. Es perder interfaces. Un modelo que toma medios mixtos y devuelve video editado significa menos SDKs que mantener, menos taxonomías de errores que gestionar, menos SLAs que rastrear. Ese es el tipo de reducción de fricción que realmente me importa. Pero “si se lanza” está haciendo mucho trabajo en esa frase.

Lo que todavía no se sabe

Señalo estos puntos porque escribir como si estuvieran resueltos es como los equipos se queman.

Disponibilidad y calendario de la API — necesita verificación. “Próximas semanas” es la única señal oficial. Sin endpoint, sin ID de modelo en los documentos para desarrolladores de Google a principios de junio de 2026.
Precios para cargas de trabajo de video — desconocidos. El acceso para consumidores está incluido en los niveles de suscripción de Google AI (Plus, Pro, Ultra), pero los precios por llamada de la API no están publicados. Los fotogramas de video aumentan rápidamente el recuento de tokens, así que no asumas la economía de los modelos de texto.
Especificaciones de salida — los clips de Omni Flash parecen tener un límite cercano a los 10 segundos; la resolución completa, la longitud máxima y los controles de entrada exactos para el nivel de API no están documentados.
Derechos de uso comercial — no están especificados para uso por desarrolladores. La marca de agua SynthID está confirmada; los términos de licencia para la salida generada vía API no lo están.

Si un proveedor o blog te dice que la API de Omni está “disponible para todos,” van por delante de la evidencia. Lo verifiqué.

Cómo planificar en torno a Omni hoy

No migres cargas de trabajo de producción basándote en demos

Obvio, pero vale la pena decirlo porque las demos son genuinamente impresionantes y es exactamente cuando los equipos cometen el error. Una demo es el mejor caso en condiciones controladas. La producción es el peor caso al doble de volumen. Hasta que haya un endpoint con latencia y límites documentados, Omni permanece en tu columna de “seguimiento,” no en tu columna de “dependencias.”

Prueba rutas de respaldo en múltiples modelos de generación de video

Ejecuto la misma tarea de generación contra más de un modelo precisamente para que un lanzamiento como este no me deje varado. Si la API de Omni llega el mes que viene, genial — quiero poder insertarla y compararla con lo que ya estoy usando, no reconstruir mi pipeline para descubrir que es peor para mi escenario específico a mi frecuencia específica. La lección de cada lanzamiento de modelo: “realmente bueno” en la demo de otra persona no significa nada hasta que sea bueno en tu flujo de trabajo a tu frecuencia.

La agregación de modelos como cobertura frente a lanzamientos específicos de proveedor

Esta es la parte relevante para cómo trabajo. Cuando un modelo llega primero a los consumidores y a los desarrolladores “en las próximas semanas,” los desarrolladores que no están corriendo son los que nunca se ataron al calendario de lanzamientos de un único proveedor. Ejecutar la generación de video a través de una capa de acceso multi-modelo unificada como WaveSpeedAI significa que un nuevo modelo es algo que pruebas y adoptas cuando está listo, no una migración a la que te ves forzado. No digo que eso sea correcto para todos — si solo usas un modelo, la abstracción es sobrecarga. Pero a mi frecuencia de cambio, una capa de acceso sobre muchos modelos supera mantener una integración por proveedor. El valor no es “más modelos.” Es no tener que reconstruir cada vez que el panorama cambia. Y este mes, cambió.

Preguntas frecuentes

¿Está disponible Gemini Omni a través de una API hoy? No. A principios de junio de 2026, Omni Flash está disponible en la aplicación Gemini, Google Flow y YouTube Shorts para suscriptores de AI Plus/Pro/Ultra. Google dice que el acceso a la API para desarrolladores y empresas es “en las próximas semanas,” pero todavía no hay un ID de modelo, endpoint o precios publicados.

¿Cuál es la diferencia entre Gemini Omni y Gemini 3.5 Pro? La modalidad de salida. Omni genera video (multimodal en salida). Gemini 3.5 Pro entiende texto, imagen, audio y video pero produce texto y código (multimodal en entrada). Trabajos distintos, partes distintas de tu stack.

¿Genera video Gemini Omni? Sí — esa es su función principal. Toma texto, imágenes, audio y clips de video como entrada y produce video, con edición conversacional a lo largo de múltiples turnos. Todas las salidas llevan marcas de agua SynthID.

¿Cuándo pueden los desarrolladores esperar acceso a Omni? Sin confirmar. La única redacción pública de Google es “en las próximas semanas.” Trata cualquier fecha específica que veas en otros sitios como especulación hasta que Google publique la documentación de la API.

¿Cómo se compara Omni con otros modelos de generación de video como Veo? Veo 3.1 es el modelo que realmente puedes llamar vía API hoy a través de Gemini API y Vertex AI. La distinción de Omni es el razonamiento multi-entrada y el diseño orientado a la edición en lugar de texto a video puro. Pero hasta que la API de Omni se lance, Veo sigue siendo la base práctica de Google para la generación de video en producción.

Conclusión

Donde esto me deja: Omni es real, el enfoque de edición es una apuesta diferente e interesante, y Gemini 3.5 Omni vale la pena seguirlo de cerca. No vale la pena construir sobre él esta semana. Disponible para consumidores, pendiente para desarrolladores, especificaciones desconocidas — eso es un elemento de seguimiento, no una dependencia.

Así que el movimiento es aburrido y correcto: mantén tu generación de video flexible, prueba Omni en la app para formarte tu propia opinión, y no reorganices tu pipeline de producción hasta que haya un endpoint al que puedas apuntar realmente. Cuando aparezca la API, lo ejecutaré contra lo que estoy usando ahora y reportaré qué aguantó.

Por verificar. Más cuando llegue la documentación.

Artículos anteriores: