Gemini 3.5 Omni e Omni Flash: Um Rastreador Multimodal

Uma nota de trabalho sobre o que o Google realmente lançou, o que ainda é uma demonstração, e o que um desenvolvedor deve fazer a respeito esta semana.

Passei uma tarde tentando descobrir se conseguia chamar o Gemini 3.5 Omni a partir do código. Não consegui. Ainda não. O aplicativo Gemini me mostrou o Omni Flash gerando vídeo a partir de uma foto e um prompt de uma linha, e era bom — mas o que eu realmente precisava, um endpoint de API que pudesse conectar a um pipeline, não estava lá. Essa lacuna é toda a história. Este artigo documenta onde o Omni realmente se encontra no início de junho de 2026, e o que muda (e o que não muda) para quem executa geração de vídeo em produção.

Versão rápida para quem está com pressa: Omni é um modelo de geração de vídeo real, está disponível para consumidores, e o acesso à API para desenvolvedores ainda está “chegando nas próximas semanas.” Não construa sobre ele ainda. Aqui estão os detalhes.

O que o Google introduziu como “Gemini Omni”

Posicionamento: modelo de mundo multimodal para geração de vídeo, imagem e simulação

O próprio enquadramento do Google é que o Gemini Omni pode criar qualquer coisa a partir de qualquer entrada, começando com vídeo. A palavra-chave aí é começando. No momento, o Omni faz uma coisa publicamente: recebe texto, imagens, áudio e clipes de vídeo existentes, e produz vídeo do outro lado.

O que o torna mais do que uma caixa de texto-para-vídeo é que ele raciocina sobre essas entradas em vez de simplesmente juntá-las. Em vez de simplesmente unir essas entradas, o Omni raciocina sobre todas elas para produzir uma saída consistente. O Google também apostou pesado em física — a reportagem do TechCrunch sobre a revelação no I/O observa que as saídas destinam-se a refletir uma compreensão de movimento, gravidade e comportamento de fluidos. Nas demonstrações, isso significou menos membros distorcidos e fundos derretendo. Vou acreditar na afirmação de consistência quando tiver executado quarenta clipes, não nove.

Como o Omni difere do Gemini 3.5 Flash / Pro (modalidades de saída)

Esta é a parte que a maioria das coberturas confunde, então serei direto. Omni e a família 3.5 não são o mesmo tipo de modelo.

Modelo	Entrada	Saída	Para que serve
Gemini Omni / Omni Flash	texto, imagem, áudio, vídeo	vídeo	gerar e editar filmagens
Gemini 3.5 Flash	texto, imagem, áudio, vídeo	texto, código	tarefas agênticas, raciocínio, geração de UI
Gemini 3.5 Pro	texto, imagem, áudio, vídeo	texto, código	o mesmo, teto mais alto (ainda em implementação)

O 3.5 Flash é multimodal em entrada — ele entende seu vídeo e escreve uma resposta. O Omni é multimodal em saída — ele entende suas entradas e te entrega um vídeo. O blog do Google diz claramente: o Gemini Omni é nosso novo modelo que pode criar qualquer coisa a partir de qualquer entrada, começando com vídeo, enquanto o 3.5 é a família que combina inteligência de fronteira com ação para trabalho agêntico. Se você estava tratando “o Gemini 3.5 consegue fazer vídeo” como uma capacidade, divida em duas. Elas vivem em partes diferentes da sua stack.

Posicionamento do Omni Flash vs. Omni completo

O Omni Flash é a variante que realmente foi lançada. É o nível mais rápido e barato, e os relatos colocam seus clipes em torno de um limite de 10 segundos — descrito como uma escolha de implantação e não um limite rígido do modelo, o que sugere que vai se expandir mais tarde. Um nível Omni de maior fidelidade e clipes mais longos fica acima dele, mas esse ainda vive principalmente em demonstrações. Portanto, quando alguém diz “o Omni está disponível,” eles querem dizer Omni Flash, no aplicativo para consumidores.

O que foi confirmado no I/O 2026

Anúncios públicos vs. cronograma de acesso para desenvolvedores

O I/O aconteceu de 19 a 20 de maio de 2026. O Google confirmou o Omni, a linha 3.5 e uma pilha de funcionalidades de agentes. A divisão que importa: o acesso para consumidores foi lançado, o acesso para desenvolvedores não. O Gemini Omni Flash está sendo disponibilizado para todos os assinantes do Google AI Plus, Pro e Ultra globalmente através do aplicativo Gemini e do Google Flow, além de acesso gratuito no YouTube Shorts. Depois vem a linha que todo desenvolvedor deveria destacar: Nas próximas semanas, também vamos disponibilizá-lo para desenvolvedores e clientes empresariais via APIs.

“Nas próximas semanas.” Não uma data. Não um ID de modelo. Não uma tabela de preços.

Onde o Omni foi demonstrado e o que foi mostrado

As demonstrações foram de edição de vídeo conversacional — mudar um elemento, mudar a cena inteira, manter o personagem consistente ao longo dos turnos. Um exemplo: fornecer um clipe de um violinista, depois emitir edições como “transporte o violinista para um novo ambiente” e “torne o violino invisível,” cada uma construindo sobre a anterior. É um argumento centrado em edição, que é uma aposta genuinamente diferente do texto-para-vídeo puro. O Google também confirmou que toda saída do Omni carrega marcas d’água SynthID, o que importa se seu uso posterior tem requisitos de proveniência.

A lacuna entre demonstração e disponibilidade para desenvolvedores

Aqui é onde pausei. Um lançamento para consumidores e uma API são dois produtos diferentes com duas histórias de confiabilidade diferentes. Isso não é pessimismo. É apenas a diferença entre “eu vi funcionar em um aplicativo” e “posso depender disso às 3 da manhã quando um job em lote é acionado.”

Por que isso importa para desenvolvedores multimodais

Geração de vídeo é um problema separado do entendimento multimodal

Se seu produto já chama o Gemini 3.5 para entender mídia enviada, o Omni não substitui isso. É uma capacidade adicional — geração — que você adicionaria por cima, não uma atualização direta. Tratá-los como um único item no seu diagrama de arquitetura é como você acaba surpreso.

Onde o Omni se posicionaria ao lado dos modelos de vídeo existentes (Veo, etc.)

Esta é a questão prática. O Google já oferece o Veo 3.1 através de caminhos documentados na API Gemini e no Vertex AI, então hoje o Veo é o modelo de vídeo do Google que você pode realmente integrar. O Omni ainda não é um substituto do Veo na camada de API — não há documento de migração dizendo que cada rota do Veo troca para o Omni, e as páginas do Veo ainda estão ativas. A diferença de intenção é real, porém: o Veo é construído em torno de texto-para-vídeo, enquanto o propósito do Omni é o raciocínio multi-entrada e a edição conversacional. Para desenvolvedores, isso significa que o Omni está posicionado para colapsar uma cadeia — transcrição, compreensão de imagem, geração — em uma única chamada. Se vale a pena reconstruir em torno disso depende inteiramente de se ele algum dia lançar uma API.

O que muda se o Omni alcançar o acesso para desenvolvedores

Se — quando — a API chegar, o apelo não é a economia bruta em dinheiro. É perder interfaces. Um modelo que recebe mídia mista e retorna vídeo editado significa menos SDKs para manter, menos taxonomias de erros para lidar, menos SLAs para monitorar. Esse é o tipo de redução de atrito que realmente me importa. Mas “se for lançado” está fazendo muito trabalho nessa frase.

O que ainda não se sabe

Estou sinalizando estes pontos porque escrever sobre eles como se estivessem resolvidos é como as equipes se prejudicam.

Disponibilidade e cronograma da API — precisa de verificação. “Nas próximas semanas” é o único sinal oficial. Sem endpoint, sem ID de modelo nos docs para desenvolvedores do Google até o início de junho de 2026.
Preços para cargas de trabalho de vídeo — desconhecido. O acesso para consumidores está incluído nos níveis de assinatura do Google AI (Plus, Pro, Ultra), mas o preço por chamada da API não está publicado. Frames de vídeo aumentam a contagem de tokens rapidamente, então não assuma a economia dos modelos de texto.
Especificações de saída — os clipes do Omni Flash parecem ter um limite próximo de 10 segundos; resolução máxima, duração máxima e entradas de controle exatas para o nível de API não estão documentadas.
Direitos de uso comercial — não especificados para uso por desenvolvedores. A marca d’água SynthID está confirmada; os termos de licenciamento para saída gerada via API não estão.

Se um fornecedor ou blog disser que a API do Omni está “disponível para todos,” eles estão além das evidências. Verifiquei.

Como planejar em torno do Omni hoje

Não migre cargas de trabalho de produção baseado em demonstrações

Óbvio, mas vale dizer porque as demonstrações são genuinamente impressionantes e é exatamente aí que as equipes cometem o erro. Uma demonstração é o melhor caso em condições controladas. A produção é o pior caso com o dobro do volume. Até que haja um endpoint com latência e limites documentados, o Omni fica na sua coluna de “observando,” não na coluna de “dependendo.”

Teste caminhos alternativos em vários modelos de geração de vídeo

Executo a mesma tarefa de geração em mais de um modelo precisamente para que um lançamento como este não me deixe preso. Se a API do Omni chegar no próximo mês, ótimo — quero ser capaz de integrá-la e comparar com o que já estou usando, não reconstruir meu pipeline para descobrir que é pior para meu cenário específico. A lição de todo lançamento de modelo: “muito bom” na demonstração de outra pessoa não significa nada até que seja bom no seu fluxo de trabalho na sua frequência.

Agregação de modelos como proteção contra lançamentos específicos de fornecedores

Esta é a parte relevante para como trabalho. Quando um modelo é lançado para consumidores primeiro e para desenvolvedores “nas próximas semanas,” os desenvolvedores que não estão correndo são aqueles que nunca se amarraram ao calendário de lançamentos de um único fornecedor. Executar geração de vídeo através de uma camada de acesso multi-modelo unificada como o WaveSpeedAI significa que um novo modelo é algo que você testa e adota quando está pronto, não uma migração que é forçada. Não estou dizendo que isso é certo para todos — se você sempre usa apenas um modelo, a abstração é overhead. Mas na minha frequência de troca, uma camada de acesso sobre muitos modelos supera manter uma integração por fornecedor. O valor não é “mais modelos.” É não ter que reconstruir toda vez que o cenário muda. E este mês, ele mudou.

Perguntas frequentes

O Gemini Omni está disponível através de uma API hoje? Não. No início de junho de 2026, o Omni Flash está disponível no aplicativo Gemini, no Google Flow e no YouTube Shorts para assinantes do AI Plus/Pro/Ultra. O Google diz que o acesso à API para desenvolvedores e empresas está “chegando nas próximas semanas,” mas ainda não há ID de modelo, endpoint ou preços publicados.

Qual é a diferença entre o Gemini Omni e o Gemini 3.5 Pro? Modalidade de saída. O Omni gera vídeo (multimodal em saída). O Gemini 3.5 Pro entende texto, imagem, áudio e vídeo, mas gera texto e código (multimodal em entrada). Trabalhos diferentes, partes diferentes da sua stack.

O Gemini Omni gera vídeo? Sim — essa é sua função principal. Ele recebe texto, imagens, áudio e clipes de vídeo como entrada e produz vídeo, com edição conversacional ao longo de múltiplos turnos. Todas as saídas carregam marcas d’água SynthID.

Quando os desenvolvedores podem esperar acesso ao Omni? Não confirmado. O único texto público do Google é “nas próximas semanas.” Trate qualquer data específica que você veja em outros lugares como especulação até que o Google publique a documentação da API.

Como o Omni se compara a outros modelos de geração de vídeo como o Veo? O Veo 3.1 é o modelo que você pode realmente chamar via API hoje através da API Gemini e do Vertex AI. A distinção do Omni é o raciocínio multi-entrada e o design focado em edição, em vez do texto-para-vídeo puro. Mas até que a API do Omni seja lançada, o Veo permanece a linha de base prática do Google para geração de vídeo em produção.

Conclusão

Onde isso chega para mim: o Omni é real, a abordagem de edição é uma aposta diferente e interessante, e o Gemini 3.5 Omni vale a pena acompanhar de perto. Não vale a pena construir sobre ele esta semana. Disponível para consumidores, pendente para desenvolvedores, especificações desconhecidas — isso é um item de observação, não uma dependência.

Então a jogada é entediante e correta: mantenha sua geração de vídeo flexível, teste o Omni no aplicativo para formar sua própria opinião, e não reorganize seu pipeline de produção até que haja um endpoint que você possa realmente apontar. Quando a API aparecer, vou executá-la contra o que estou usando agora e reportar o que se sustentou.

A ser verificado. Mais quando os docs chegarem.

Posts anteriores: