Gemini 3.5 Omni и Omni Flash: трекер мультимодальных возможностей

Рабочая заметка о том, что Google на самом деле выпустил, что пока остаётся демо, и что разработчику стоит сделать на этой неделе.

Я провёл половину дня, пытаясь разобраться, можно ли вызвать Gemini 3.5 Omni из кода. Нельзя. Пока нельзя. В приложении Gemini я видел, как Omni Flash генерирует видео из фотографии и однострочного промпта, и это было неплохо — но то, что мне действительно нужно, а именно API-эндпоинт, который можно подключить к пайплайну, там отсутствовало. Вот в этом разрыве и есть вся история. В этой статье я документирую, где на самом деле находится Omni по состоянию на начало июня 2026 года, и что меняется (а что нет) для тех, кто запускает генерацию видео в продакшне.

Коротко, если вы торопитесь: Omni — это настоящая модель генерации видео, она доступна пользователям, а доступ разработчиков через API всё ещё «появится в ближайшие недели». Не стройте на ней ничего прямо сейчас. Вот подробности.

Что Google представил как «Gemini Omni»

Позиционирование: мультимодальная мировая модель для генерации видео, изображений и симуляций

Google сам позиционирует Gemini Omni как модель, способную создавать что угодно из любого входного материала, начиная с видео. Ключевое слово здесь — начиная. Прямо сейчас Omni публично делает одно: принимает текст, изображения, аудио и готовые видеоклипы и выдаёт на выходе видео.

Что делает его чем-то большим, чем просто инструментом text-to-video, — это способность рассуждать над всеми этими входными данными, а не просто склеивать их вместе. Вместо того чтобы механически объединять входные данные, Omni анализирует их в комплексе для получения согласованного результата. Google также сделал большую ставку на физику — в материале TechCrunch об анонсе на I/O отмечается, что результаты должны отражать понимание движения, гравитации и поведения жидкостей. В демо это означало меньше деформированных конечностей и тающих фонов. В обещанную согласованность поверю, когда прогоню через него сорок клипов, а не девять.

Чем Omni отличается от Gemini 3.5 Flash / Pro (модальности вывода)

Именно здесь большинство материалов путаются, поэтому скажу прямо. Omni и семейство 3.5 — это разные типы моделей.

Модель	Вход	Выход	Для чего
Gemini Omni / Omni Flash	текст, изображение, аудио, видео	видео	генерация и редактирование видео
Gemini 3.5 Flash	текст, изображение, аудио, видео	текст, код	агентные задачи, рассуждение, генерация UI
Gemini 3.5 Pro	текст, изображение, аудио, видео	текст, код	то же, более высокий потолок (ещё разворачивается)

3.5 Flash мультимодален на входе — он понимает ваше видео и выдаёт текстовый ответ. Omni мультимодален на выходе — он понимает ваши входные данные и возвращает видео. В блоге Google написано прямо: Gemini Omni — это наша новая модель, способная создавать что угодно из любого входного материала, начиная с видео, тогда как 3.5 — это семейство, сочетающее передовой интеллект с действием для агентной работы. Если вы считали «Gemini 3.5 умеет работать с видео» единой возможностью — разделите её на две. Они живут в разных частях вашего стека.

Позиционирование Omni Flash относительно полного Omni

Omni Flash — это вариант, который реально вышел. Это более быстрый и дешёвый уровень, и, по имеющимся данным, клипы в нём ограничены примерно 10 секундами — это описывается как решение при развёртывании, а не жёсткое ограничение модели, что предполагает возможное расширение в будущем. Более качественный уровень Omni с более длинными клипами существует, но он пока в основном живёт в демо-роликах. Поэтому когда кто-то говорит «Omni вышел», он имеет в виду Omni Flash в потребительском приложении.

Что подтверждено на I/O 2026

Публичные анонсы и сроки доступа для разработчиков

I/O проходил 19–20 мая 2026 года. Google подтвердил Omni, линейку 3.5 и множество агентных функций. Важное разделение: потребительский доступ вышел, доступ разработчиков — нет. Gemini Omni Flash постепенно становится доступен всем подписчикам Google AI Plus, Pro и Ultra по всему миру через приложение Gemini и Google Flow, а также бесплатно в YouTube Shorts. Затем следует фраза, которую каждый разработчик должен выделить: «В ближайшие недели мы также откроем его для разработчиков и корпоративных клиентов через API».

«Ближайшие недели». Не дата. Не идентификатор модели. Не таблица цен.

Где демонстрировался Omni и что показывалось

Демонстрации были посвящены диалоговому редактированию видео — изменить один элемент, изменить всю сцену, сохранить персонажа согласованным на протяжении всего диалога. Один пример: загрузить клип со скрипачом, затем давать указания вроде «перенеси скрипача в новую обстановку» и «сделай скрипку невидимой», каждое следующее основывается на предыдущем. Это подача с акцентом на редактирование, что является принципиально иной ставкой по сравнению с чистым text-to-video. Google также подтвердил, что каждый вывод Omni несёт водяной знак SynthID, что важно, если ваш сценарий использования имеет требования к происхождению контента.

Разрыв между демо и доступностью для разработчиков

Вот где я остановился. Потребительский запуск и API — это два разных продукта с двумя разными историями надёжности. Это не пессимизм. Это просто разница между «я видел, как это работает в приложении» и «я могу на это рассчитывать в 3 ночи, когда запускается пакетное задание».

Почему это важно для разработчиков мультимодальных приложений

Генерация видео — это отдельная задача, отличная от мультимодального понимания

Если ваш продукт уже вызывает Gemini 3.5 для понимания загруженных медиафайлов, Omni не заменяет это. Это дополнительная возможность — генерация — которую вы будете добавлять, а не заменять существующую. Относиться к ним как к одной строке в архитектурной диаграмме — верный путь к неприятным сюрпризам.

Где Omni встанет рядом с существующими моделями генерации видео (Veo и др.)

Это практический вопрос. Google уже предоставляет Veo 3.1 через задокументированные пути Gemini API и Vertex AI, поэтому сегодня Veo — это та модель Google для работы с видео, которую вы можете реально интегрировать. На уровне API Omni пока не является заменой Veo — нет документации по миграции, которая говорила бы о переходе всех маршрутов Veo на Omni, и страницы Veo по-прежнему активны. Разница в намерении реальна: Veo создан вокруг text-to-video, тогда как суть Omni — многовходовое рассуждение и диалоговое редактирование. Для разработчиков это означает, что Omni позиционируется для объединения цепочки — транскрипция, понимание изображений, генерация — в один вызов. Стоит ли перестраиваться ради этого, зависит исключительно от того, выйдет ли когда-нибудь API.

Что изменится, если Omni получит доступ для разработчиков

Если — когда — API появится, привлекательность будет не в экономии денег. Дело в сокращении интерфейсов. Одна модель, принимающая смешанные медиаданные и возвращающая отредактированное видео, — это меньше SDK для поддержки, меньше таксономий ошибок для обработки, меньше SLA для отслеживания. Вот то сокращение трения, которое меня реально интересует. Но «если выйдет» здесь несёт большую нагрузку.

Что пока неизвестно

Указываю на это, потому что писать так, будто всё уже решено, — это то, как команды попадают в неприятности.

Доступность API и сроки — требует проверки. «Ближайшие недели» — единственный официальный сигнал. Ни эндпоинта, ни идентификатора модели в документации для разработчиков Google по состоянию на начало июня 2026 года.
Цены на видеорабочие нагрузки — неизвестны. Потребительский доступ включён в уровни подписки Google AI (Plus, Pro, Ultra), но цены за вызов API не опубликованы. Видеокадры быстро увеличивают счётчик токенов, так что не предполагайте экономику текстовых моделей.
Параметры вывода — клипы Omni Flash, по всей видимости, ограничены примерно 10 секундами; полное разрешение, максимальная длина и точные параметры управления для уровня API не задокументированы.
Права на коммерческое использование — не прописаны для использования разработчиками. Водяной знак SynthID подтверждён; условия лицензирования для сгенерированного вывода через API — нет.

Если какой-то вендор или блог утверждает, что Omni API «доступен для всех», они опережают имеющиеся доказательства. Я проверял.

Как планировать работу вокруг Omni сегодня

Не переводите продакшн-нагрузки на демо

Очевидно, но стоит сказать, потому что демо действительно впечатляют — и именно тогда команды совершают эту ошибку. Демо — это лучший случай в контролируемых условиях. Продакшн — это худший случай при двукратном объёме. До тех пор, пока нет эндпоинта с задокументированной задержкой и ограничениями, Omni остаётся в вашей колонке «слежу», а не «завишу от него».

Тестируйте резервные пути через несколько моделей генерации видео

Я запускаю одну и ту же задачу генерации против нескольких моделей именно для того, чтобы такой запуск не поставил меня в тупик. Если API Omni появится в следующем месяце — отлично, я хочу иметь возможность подключить его и сравнить с тем, что уже использую, а не перестраивать пайплайн только чтобы выяснить, что для моего конкретного сценария он хуже. Урок из каждого запуска модели: «очень хорошо» в чьём-то демо ничего не значит, пока это не хорошо в вашем рабочем процессе при вашей частоте запросов.

Агрегация моделей как защита от специфических для вендора графиков выпуска

Вот часть, которая актуальна для того, как я работаю. Когда модель сначала выходит для потребителей, а для разработчиков «в ближайшие недели», разработчики, которые не мечутся в панике, — это те, кто никогда не привязывал себя к календарю выпусков одного провайдера. Запуск генерации видео через единый многомодельный уровень доступа вроде WaveSpeedAI означает, что новая модель — это то, что вы тестируете и принимаете, когда она готова, а не миграция, в которую вас вынуждают. Я не говорю, что это подходит всем — если вы используете только одну модель, абстракция — это накладные расходы. Но при моей частоте переключений один уровень доступа над множеством моделей лучше, чем поддерживать одну интеграцию на вендора. Ценность не в «больше моделей». Она в том, чтобы не перестраивать всё каждый раз, когда ландшафт меняется. А в этом месяце он изменился.

Часто задаваемые вопросы

Доступен ли Gemini Omni через API сегодня? Нет. По состоянию на начало июня 2026 года Omni Flash доступен в приложении Gemini, Google Flow и YouTube Shorts для подписчиков AI Plus/Pro/Ultra. Google говорит, что доступ через API для разработчиков и корпоративных клиентов «появится в ближайшие недели», но опубликованных идентификатора модели, эндпоинта или цен пока нет.

В чём разница между Gemini Omni и Gemini 3.5 Pro? В модальности вывода. Omni генерирует видео (мультимодальный вывод). Gemini 3.5 Pro понимает текст, изображения, аудио и видео, но выводит текст и код (мультимодальный ввод). Разные задачи, разные части стека.

Генерирует ли Gemini Omni видео? Да — это его основная функция. Он принимает текст, изображения, аудио и видеоклипы как входные данные и производит видео с диалоговым редактированием в несколько ходов. Все выводы несут водяные знаки SynthID.

Когда разработчики могут ожидать доступа к Omni? Не подтверждено. Единственная публичная формулировка Google — «в ближайшие недели». Относитесь к любым конкретным датам, которые вы видите в других источниках, как к спекуляции до тех пор, пока Google не опубликует документацию по API.

Как Omni сравнивается с другими моделями генерации видео, такими как Veo? Veo 3.1 — это модель, которую вы можете реально вызывать через API сегодня через Gemini API и Vertex AI. Отличие Omni — в многовходовом рассуждении и дизайне с акцентом на редактирование, а не на чистый text-to-video. Но пока API Omni не вышел, Veo остаётся практическим базовым уровнем Google для продакшн-генерации видео.

Заключение

Вот к чему я пришёл: Omni реален, подход к редактированию — это другая и интересная ставка, и Gemini 3.5 Omni стоит внимательно отслеживать. Но строить на нём что-то на этой неделе не стоит. Доступен потребителям, ожидается для разработчиков, характеристики неизвестны — это пункт для наблюдения, а не зависимость.

Поэтому правильный ход скучен и верен: сохраняйте гибкость в генерации видео, тестируйте Omni в приложении чтобы составить собственное мнение, и не перестраивайте продакшн-пайплайн до тех пор, пока не появится эндпоинт, на который реально можно указать. Когда API появится, я прогоню его против того, что использую сейчас, и сообщу, что выдержало проверку.

Требует подтверждения. Продолжение после выхода документации.

Предыдущие посты: