Gemini 3.5 Omni dan Omni Flash: Pelacak Multimodal

Catatan kerja tentang apa yang sebenarnya Google rilis, apa yang masih berupa demo, dan apa yang harus dilakukan seorang developer minggu ini.

Saya menghabiskan satu sore mencoba mencari tahu apakah saya bisa memanggil Gemini 3.5 Omni dari kode. Saya tidak bisa. Belum. Aplikasi Gemini menunjukkan Omni Flash menghasilkan video dari foto dan prompt satu baris, dan hasilnya bagus — tetapi yang benar-benar saya butuhkan, sebuah endpoint API yang bisa saya sambungkan ke pipeline, belum tersedia. Kesenjangan itulah inti ceritanya. Tulisan ini mendokumentasikan di mana Omni sebenarnya berdiri per awal Juni 2026, dan apa yang berubah (dan tidak) bagi siapa saja yang menjalankan pembuatan video di production.

Versi singkat jika Anda sedang terburu-buru: Omni adalah model pembuatan video yang nyata, sudah live untuk konsumen, dan akses API untuk developer masih “dalam beberapa minggu ke depan.” Jangan bangun di atasnya dulu. Berikut detailnya.

Apa yang Google perkenalkan sebagai “Gemini Omni”

Positioning: model dunia multimodal untuk pembuatan video, gambar, dan simulasi

Framing Google sendiri adalah bahwa Gemini Omni dapat membuat apa saja dari input apa pun, dimulai dengan video. Kata kuncinya adalah dimulai. Saat ini Omni melakukan satu hal secara publik: menerima teks, gambar, audio, dan klip video yang sudah ada, lalu menghasilkan video di ujung lainnya.

Yang membuatnya lebih dari sekadar kotak teks-ke-video adalah kemampuannya untuk bernalar di seluruh input tersebut, bukan sekadar menggabungkannya. Alih-alih menyatukan input-input tersebut begitu saja, Omni bernalar di seluruhnya untuk menghasilkan output yang konsisten. Google juga sangat menekankan fisika — laporan TechCrunch tentang pengumuman I/O menyebutkan bahwa output dimaksudkan untuk mencerminkan pemahaman tentang gerakan, gravitasi, dan perilaku fluida. Dalam demo itu berarti lebih sedikit anggota tubuh yang terdistorsi dan latar belakang yang meleleh. Saya akan mempercayai klaim konsistensi itu setelah saya menjalankan empat puluh klip, bukan sembilan.

Perbedaan Omni dari Gemini 3.5 Flash / Pro (modalitas output)

Inilah bagian yang paling banyak membingungkan dalam liputan media, jadi saya akan berbicara terus terang. Omni dan keluarga 3.5 bukan jenis model yang sama.

Model	Input	Output	Kegunaannya
Gemini Omni / Omni Flash	teks, gambar, audio, video	video	menghasilkan dan mengedit footage
Gemini 3.5 Flash	teks, gambar, audio, video	teks, kode	tugas agentic, penalaran, pembuatan UI
Gemini 3.5 Pro	teks, gambar, audio, video	teks, kode	sama, kemampuan lebih tinggi (masih dalam peluncuran)

3.5 Flash adalah multimodal dari sisi input — ia memahami video Anda dan memberikan jawaban tertulis. Omni adalah multimodal dari sisi output — ia memahami input Anda dan mengembalikan video. Blog Google menyatakannya dengan jelas: Gemini Omni adalah model baru kami yang dapat membuat apa saja dari input apa pun, dimulai dengan video, sementara 3.5 adalah keluarga yang menggabungkan kecerdasan frontier dengan kemampuan aksi untuk pekerjaan agentic. Jika Anda selama ini menganggap “Gemini 3.5 bisa melakukan video” sebagai satu kemampuan, pisahkan menjadi dua. Keduanya berada di bagian berbeda dalam stack Anda.

Positioning Omni Flash vs. Omni penuh

Omni Flash adalah varian yang sebenarnya sudah dirilis. Ini adalah tier yang lebih cepat dan lebih murah, dan laporan menempatkan klipnya sekitar batas 10 detik — digambarkan sebagai pilihan deployment bukan batas keras model, yang mengisyaratkan batas ini akan bertambah nanti. Tier Omni berkualitas lebih tinggi dengan klip lebih panjang berada di atasnya, tetapi itulah yang masih sebagian besar hidup dalam demo. Jadi ketika seseorang berkata “Omni sudah keluar,” mereka maksudkan Omni Flash, di aplikasi konsumen.

Yang dikonfirmasi di I/O 2026

Pengumuman untuk publik vs. waktu akses developer

I/O berlangsung 19–20 Mei 2026. Google mengonfirmasi Omni, jajaran 3.5, dan setumpuk fitur agen. Perbedaan yang penting: akses konsumen sudah dirilis, akses developer belum. Gemini Omni Flash sedang diluncurkan ke semua pelanggan Google AI Plus, Pro, dan Ultra secara global melalui aplikasi Gemini dan Google Flow, ditambah akses gratis di YouTube Shorts. Kemudian ada kalimat yang harus disorot oleh setiap developer: Dalam beberapa minggu ke depan, kami juga akan meluncurkannya ke developer dan pelanggan enterprise melalui API.

“Beberapa minggu ke depan.” Bukan tanggal. Bukan model ID. Bukan tabel harga.

Di mana Omni didemonstrasikan dan apa yang ditampilkan

Demo-demonya menampilkan pengeditan video secara percakapan — ubah satu elemen, ubah seluruh adegan, pertahankan konsistensi karakter di setiap giliran. Satu contoh: masukkan klip pemain biola, lalu berikan perintah edit seperti “pindahkan pemain biola ke lingkungan baru” dan “buat biola tidak terlihat,” masing-masing membangun dari yang sebelumnya. Ini adalah pendekatan yang mengutamakan pengeditan, yang merupakan taruhan yang benar-benar berbeda dari teks-ke-video murni. Google juga mengonfirmasi setiap output Omni membawa watermark SynthID, yang penting jika penggunaan hilir Anda memiliki persyaratan provenance.

Kesenjangan antara demo dan ketersediaan developer

Di sinilah saya berhenti. Peluncuran konsumen dan API adalah dua produk berbeda dengan dua cerita keandalan yang berbeda. Itu bukan pesimisme. Itu hanya perbedaan antara “saya melihatnya bekerja di aplikasi” dan “saya bisa mengandalkannya pukul 3 pagi ketika batch job berjalan.”

Mengapa ini penting bagi multimodal builders

Pembuatan video adalah masalah yang berbeda dari pemahaman multimodal

Jika produk Anda sudah memanggil Gemini 3.5 untuk memahami media yang diunggah, Omni tidak menggantikan itu. Ini adalah kemampuan tambahan — pembuatan — yang akan Anda tambahkan, bukan upgrade langsung. Memperlakukan keduanya sebagai satu item dalam diagram arsitektur Anda adalah cara Anda berakhir dengan kejutan.

Di mana Omni akan berada di samping model video yang sudah ada (Veo, dll.)

Inilah pertanyaan praktisnya. Google sudah mengirimkan Veo 3.1 melalui jalur Gemini API dan Vertex AI yang terdokumentasi, jadi hari ini Veo adalah model video Google yang sebenarnya bisa Anda integrasikan. Omni belum menggantikan Veo di lapisan API — tidak ada dokumen migrasi yang menyatakan setiap rute Veo beralih ke Omni, dan halaman Veo masih aktif. Perbedaan dalam niat memang nyata: Veo dibangun di sekitar teks-ke-video, sementara keunggulan Omni adalah penalaran multi-input dan pengeditan percakapan. Bagi para builder, itu berarti Omni diposisikan untuk menyatukan sebuah rantai — transkripsi, pemahaman gambar, pembuatan — menjadi satu panggilan. Apakah itu layak dibangun ulang tergantung sepenuhnya pada apakah ada API yang pernah dirilis.

Apa yang berubah jika Omni mencapai akses developer

Jika — ketika — API hadir, daya tariknya bukan penghematan biaya mentah. Melainkan mengurangi antarmuka. Satu model yang menerima media campuran dan mengembalikan video yang diedit berarti lebih sedikit SDK untuk dipelihara, lebih sedikit taksonomi kesalahan yang ditangani, lebih sedikit SLA yang dilacak. Itulah jenis pengurangan gesekan yang benar-benar saya pedulikan. Tapi “jika dirilis” sedang bekerja keras dalam kalimat itu.

Apa yang belum diketahui

Saya menandai hal-hal ini karena menulis seolah-olah sudah diselesaikan adalah cara tim terbakar.

Ketersediaan dan waktu API — perlu verifikasi. “Beberapa minggu ke depan” adalah satu-satunya sinyal resmi. Tidak ada endpoint, tidak ada model ID di dokumen developer Google per awal Juni 2026.
Harga untuk beban kerja video — tidak diketahui. Akses konsumen sudah termasuk dalam tingkatan langganan Google AI (Plus, Pro, Ultra), tetapi harga API per panggilan belum dipublikasikan. Frame video mendorong jumlah token dengan cepat, jadi jangan asumsikan ekonomi model teks.
Spesifikasi output — klip Omni Flash tampaknya dibatasi sekitar 10 detik; resolusi penuh, panjang maksimum, dan input kontrol yang tepat untuk tier API tidak terdokumentasi.
Hak penggunaan komersial — tidak dijelaskan untuk penggunaan developer. Watermarking SynthID dikonfirmasi; ketentuan lisensi untuk output yang dihasilkan melalui API tidak.

Jika vendor atau blog memberi tahu Anda bahwa API Omni “sudah live untuk semua orang,” mereka mendahului bukti yang ada. Saya sudah memeriksa.

Cara merencanakan seputar Omni hari ini

Jangan migrasikan beban kerja production berdasarkan demo

Sudah jelas, tetapi perlu dikatakan karena demo-demonya memang benar-benar mengesankan dan itulah saat tim melakukan kesalahan. Demo adalah kasus terbaik dalam kondisi terkontrol. Production adalah kasus terburuk pada volume 2x. Sampai ada endpoint dengan latensi dan batas yang terdokumentasi, Omni tetap di kolom “dipantau” Anda, bukan kolom “bergantung pada” Anda.

Uji jalur fallback di beberapa model pembuatan video

Saya menjalankan tugas pembuatan yang sama terhadap lebih dari satu model justru agar peluncuran seperti ini tidak membuat saya terjebak. Jika API Omni hadir bulan depan, bagus — saya ingin bisa memasukkannya dan membandingkan dengan apa yang sudah saya gunakan, bukan membangun ulang pipeline saya untuk mengetahui bahwa itu lebih buruk untuk skenario spesifik saya. Pelajaran dari setiap peluncuran model: “sangat bagus” dalam demo orang lain tidak berarti apa-apa sampai terbukti bagus dalam alur kerja Anda di frekuensi Anda.

Agregasi model sebagai perlindungan dari peluncuran khusus vendor

Inilah bagian yang relevan dengan cara saya bekerja. Ketika model dirilis ke konsumen terlebih dahulu dan developer “dalam beberapa minggu ke depan,” para builder yang tidak panik adalah mereka yang tidak pernah mengikat diri pada kalender rilis satu penyedia. Menjalankan pembuatan video melalui lapisan akses multi-model terpadu seperti WaveSpeedAI berarti model baru adalah sesuatu yang Anda uji dan adopsi ketika sudah siap, bukan migrasi yang terpaksa Anda lakukan. Saya tidak mengatakan itu tepat untuk semua orang — jika Anda hanya menggunakan satu model, abstraksinya adalah overhead. Tetapi pada frekuensi penggantian saya, satu lapisan akses atas banyak model lebih unggul dari memelihara satu integrasi per vendor. Nilainya bukan “lebih banyak model.” Melainkan tidak perlu membangun ulang setiap kali lanskap berubah. Dan bulan ini, lanskap itu berubah.

FAQ

Apakah Gemini Omni tersedia melalui API hari ini? Tidak. Per awal Juni 2026, Omni Flash sudah live di aplikasi Gemini, Google Flow, dan YouTube Shorts untuk pelanggan AI Plus/Pro/Ultra. Google mengatakan akses API developer dan enterprise “dalam beberapa minggu ke depan,” tetapi belum ada model ID, endpoint, atau harga yang dipublikasikan.

Apa perbedaan antara Gemini Omni dan Gemini 3.5 Pro? Modalitas output. Omni menghasilkan video (multimodal output). Gemini 3.5 Pro memahami teks, gambar, audio, dan video tetapi menghasilkan teks dan kode (multimodal input). Pekerjaan berbeda, bagian berbeda dalam stack Anda.

Apakah Gemini Omni menghasilkan video? Ya — itulah fungsi intinya. Menerima teks, gambar, audio, dan klip video sebagai input dan menghasilkan video, dengan pengeditan percakapan di berbagai giliran. Semua output membawa watermark SynthID.

Kapan developer dapat mengharapkan akses ke Omni? Belum dikonfirmasi. Satu-satunya pernyataan publik Google adalah “dalam beberapa minggu ke depan.” Perlakukan tanggal spesifik apa pun yang Anda lihat di tempat lain sebagai spekulasi sampai Google mempublikasikan dokumentasi API.

Bagaimana Omni dibandingkan dengan model pembuatan video lain seperti Veo? Veo 3.1 adalah model yang sebenarnya bisa Anda panggil via API hari ini melalui Gemini API dan Vertex AI. Keunggulan Omni adalah penalaran multi-input dan desain yang mengutamakan pengeditan dibandingkan teks-ke-video murni. Tetapi sampai API Omni dirilis, Veo tetap menjadi baseline Google yang praktis untuk pembuatan video production.

Kesimpulan

Di mana ini berakhir bagi saya: Omni nyata, pendekatan pengeditan adalah taruhan yang berbeda dan menarik, dan Gemini 3.5 Omni layak dipantau dengan seksama. Tidak layak dibangun minggu ini. Live untuk konsumen, menunggu untuk developer, spesifikasi tidak diketahui — itu adalah item yang dipantau, bukan dependensi.

Jadi langkahnya membosankan dan benar: pertahankan fleksibilitas pembuatan video Anda, uji Omni di aplikasi untuk membentuk pendapat Anda sendiri, dan jangan atur ulang pipeline production Anda sampai ada endpoint yang benar-benar bisa Anda tuju. Ketika API muncul, saya akan menjalankannya terhadap apa yang saya gunakan sekarang dan melaporkan apa yang bertahan.

Masih perlu diverifikasi. Lebih banyak ketika dokumen hadir.

Postingan sebelumnya: