Na quinta-feira, 5 de novembro, o Google colocou no ar o Gemini Omni 1.2 Flash — e a manchete do anúncio é uma conta: US$ 0,07 por segundo de vídeo em 720p, 30% menos do que o modelo anterior. É a primeira vez que o Omni fica disponível de forma geral na API do Gemini e no Google Cloud, ou seja, dá para usar em produção sem lista de espera.

Até aí, boa notícia. Só que essa é a única coisa que o anúncio mede. E quando você olha a tabela de preços inteira, e não a linha que foi para o press release, aparece uma segunda história: o preço caiu 30% na resolução mais barata — e o custo real de um vídeo continua sendo decidido por quantas tentativas você precisa até aprovar uma. Cobrar por segundo é cobrar pelo erro também.

O que o Google anunciou

Os dois posts oficiais (no blog do Google e no blog do Google Cloud) listam as mudanças, e elas são concretas:

  • Clipes de até 15 segundos, contra 10 segundos na versão 1.1, e você pode pedir de 3 a 15 segundos em incrementos de 1 segundo.
  • Edição em conversa: em vez de gerar o clipe de novo para trocar um detalhe, você pede a mudança — outra luz, outro ângulo, outro produto — e o modelo refaz só aquilo.
  • Rascunho barato: gerar em 360p ou 720p, escolher o melhor e só então subir para 1080p ou 4K.
  • Até 6 imagens de referência por geração, para manter produto, personagem e marca consistentes de cena para cena.
  • Fala mais natural, sincronia de boca melhor e vários falantes diferentes no mesmo clipe.

O changelog da API do Gemini acrescenta três detalhes que não apareceram no texto de marketing: dá para estender o clipe em turnos de 3 a 10 segundos até 30 segundos no total, os limites de uso do plano pago dobraram em relação ao 1.1 — e, a partir de 3 de dezembro, todo pedido endereçado ao 1.1 vai ser redirecionado automaticamente para o 1.2, com preço de 1.2. Guarde essa última parte.

A conta, agora com todas as casas

A cobrança não é em segundos, é em tokens de saída de vídeo: US$ 12 por milhão, contra US$ 17,50 do 1.1. Um segundo de 720p consome 5.792 tokens, o que dá os tais US$ 0,07. Só que a página de preços traz a escada inteira, e a escada é o que importa:

ResoluçãoTokens por segundoPreço por segundoClipe de 15 s
360p (rascunho)1.931US$ 0,023US$ 0,35
720p5.792US$ 0,070US$ 1,04
1080p8.688US$ 0,104US$ 1,56
4K17.376US$ 0,209US$ 3,14

Ou seja: os 30% de desconto são reais, mas valem para a resolução de 720p. Quem entrega em 4K paga US$ 0,209 por segundo — nove vezes o número que virou manchete. Um anúncio de 30 segundos, o formato que o próprio Google cita como caso de uso, custa US$ 3,12 em 1080p e US$ 6,27 em 4K por take finalizado.

Preço por segundo de vídeo por resolução no Gemini Omni 1.2 Flash
Gráfico: CheriffAI · dados da página de preços do Gemini API (07/11/2026)

O preço por segundo não é o preço do vídeo

Aqui está o ponto que a manchete esconde. Vídeo gerado por IA não sai bom na primeira tentativa — você gera, olha, descarta, mexe no prompt, gera de novo. Quando a cobrança era por assinatura, esse lixo todo era invisível. Cobrando por segundo produzido, cada tentativa tem nota fiscal.

Faça a conta de um caso comum: chegar a um clipe de 15 segundos em 1080p que você aprove. Com dez tentativas direto em 1080p, são US$ 15,60. Usando a rota que o Google sugere — rascunhar em 360p e só subir o escolhido —, dez rascunhos custam US$ 3,45 e a subida do aprovado, US$ 1,56: cerca de US$ 5,00. (Conta nossa, com os preços da tabela acima e a premissa de que a subida é cobrada à taxa da resolução final.)

É uma economia de dois terços — e ela não vem do desconto de 30%. Vem de mudar o fluxo de trabalho. O desconto é o número que o marketing pode publicar; a economia de verdade está em onde você gasta os segundos.

E tem um detalhe de custo escondido no recurso mais interessante: a extensão até 30 segundos é feita em turnos. Cada turno consome segundos novos, cobrados como saída. Um clipe de 30 segundos em 1080p custa US$ 3,12; em 4K, US$ 6,27. Barato para uma peça de catálogo, caro se você precisa de vinte versões para testar anúncio.

O que o Google não mediu

Aqui a CheriffAI faz o que faz sempre: separa o que foi anunciado do que foi medido. Nos dois posts de lançamento, não existe nenhum número de qualidade — nenhuma comparação do 1.2 com o 1.1 em aderência a referência, consistência de personagem, sincronia de fala ou realismo. O único dado comparativo do anúncio é preço e prazo. Isso não é acusação: é a diferença entre "ficou mais barato" (demonstrado) e "ficou melhor" (não demonstrado por quem vendeu).

Para saber se ficou melhor, sobram as arenas independentes — e elas discordam entre si, o que é ótimo, porque discordar é o que uma medição de verdade faz.

Arena 1 — preferência do público (LMArena/Arena.ai). O modelo estreou em 1º lugar em texto-para-vídeo, com 1.541 pontos, 27 a mais que o 1.1, que caiu para 2º com 1.514; também é 1º em imagem-para-vídeo (1.502) e 3º em edição de vídeo (1.395), segundo o anúncio da própria plataforma. Só que o número é o mais novo — e o menos votado — da tabela: 1.742 votos, contra 46.396 do Gemini Omni Flash que aparece em 3º, com 1.509 pontos (placar consolidado de 06/11). Um ponto e meio de diferença entre o 1º e o 3º, com essa diferença de amostra, é empate técnico com sotaque de manchete.

Arena 2 — preferência cega do Artificial Analysis (AA-Video-T2V v2.1). Aqui o Omni 1.2 ainda nem aparece. O antecessor, Omni Flash 1.1, está em 12º de 32, com Elo 1.127 e 7.807 amostras; o líder é o Wan 3.0, com 1.172 e 95% de intervalo entre 1.159 e 1.185 (leaderboard do AA).

As duas escalas não são comparáveis — votantes, prompts e âncoras diferentes —, mas a ordem dentro de cada uma é o que vale. E a ordem dentro de cada uma aponta para lados opostos: uma diz "melhor do mundo", a outra diz "o antecessor é o 12º". O que isso significa na prática é simples: ainda não existe medição independente do 1.2 que sustente "melhor"; existe preferência em um painel pequeno.

Custo por minuto comparado à posição no ranking do Artificial Analysis
Gráfico: CheriffAI · preço por minuto e posição no AA-Video-T2V v2.1, lidos em 07/11/2026

Preço e qualidade não andam juntos nem dentro de casa

O dado mais útil do leaderboard do Artificial Analysis não é o topo, é o meio. O Veo 3.1, também do Google, custa US$ 24 por minuto nessa medição e está em 23º, com Elo 963. O Omni 1.1, que é o modelo barato da mesma casa, custa US$ 9,12 por minuto e está em 12º. O modelo mais caro do Google é o pior colocado dos três. Perto dele, o Omni 1.2 em 1080p sai a US$ 6,24 por minuto — metade do preço do líder Wan 3.0 (US$ 12) e quatro vezes menos que o Veo 3.1.

Isso reposiciona a pergunta. Não é "qual é o melhor modelo de vídeo", é "qual é o melhor por real gasto na minha tarefa". Para vídeo de catálogo em volume — que é exatamente o caso de uso que o Google descreve no anúncio —, o Omni 1.2 é competitivo de um jeito que o ranking geral não mostra. Para uma peça de marca em que cada segundo vai ser visto por milhões, o 12º lugar importa.

Os asteriscos que ficam fora do press release

1. Não existe camada gratuita. Na página de preços, a coluna "Free Tier" do Omni 1.2 Flash diz, literalmente, "Not available". Para testar, você precisa de faturamento ativo no plano pago. Comparado a modelos de texto, que dão cota grátis, é uma porta que só abre com cartão.

2. Quem está no 1.1 vai ser migrado sem escolher. Em 3 de dezembro, os pedidos para gemini-omni-1.1-flash passam a ser atendidos pelo 1.2, com preço de 1.2. É a mesma mecânica que a DeepSeek usou ao aposentar o nome deepseek-v4-flash embaixo do código de quem já usava: funciona, mas quem mediu o comportamento do modelo antigo precisa medir de novo — porque o comportamento muda por baixo do mesmo endereço.

3. "30 segundos" não são 30 segundos de uma vez. A geração é de até 15; o resto vem por extensão em turnos de 3 a 10 segundos. Cada turno é uma nova cobrança e uma nova chance de o modelo perder a coerência da cena.

O que isso muda para quem faz vídeo aqui no Brasil

Para uma agência ou um pequeno negócio brasileiro, a mudança relevante não é o desconto: é que o custo passou a ser variável e visível. Some a assinatura mensal previsível e entra uma conta por take. Isso é bom para quem experimenta muito e ruim para quem não controla quantas tentativas gasta.

Três decisões práticas saem dessa tabela. Primeiro, rascunhe sempre na resolução mais baixa — 360p custa um terço do 720p e um quinto do 1080p; a decisão de aprovar não precisa de 4K. Segundo, prefira editar a regerar: cada reedição de um detalhe custa menos que um clipe novo, e é aí que a edição em conversa se paga. Terceiro, conte as tentativas antes de prometer prazo — o preço por segundo é previsível, o número de tentativas não é.

E fica uma lacuna que ninguém fechou: o anúncio fala de fala natural e sincronia de boca, mas não publica nenhuma avaliação em português. Para quem produz conteúdo em PT-BR, esse é o número que falta — e é o tipo de coisa que a gente mede antes de recomendar. Quando tivermos a medição, ela vem com o número e com a fonte.

O vídeo por IA ficou mais barato nesta semana. Barato o suficiente para virar commodity — e é justamente por isso que o preço deixou de ser o diferencial e virou a parte fácil de copiar. O que continua difícil é saber, com número na mão, quando vale a pena usar.

Fontes