谷歌推出 Gemini Omni 1.2 Flash 版本，重点升级就是单段视频输入时长增加到 15 秒，之前老版本视频上下文窗口更短，很多连续动作、简短事件视频没办法一次性交给模型理解，谷歌这次在 Flash 轻量化版本里扩展视频时序长度，同时保留它速度快、成本低的定位，开发者可以先上传最长 15 秒的短视频片段，让模型识别画面、声音、字幕信息，适合短视频内容理解、监控片段分析、产品演示视频识别这类场景，兼顾推理速度和多模态视频理解能力。
一、Gemini Omni 1.2 Flash 核心更新
- 版本：Gemini Omni 1.2 Flash
- 视频能力：单段视频最长支持 15 秒
- 模态支持：视频画面、音频、文本多模态联合理解
- 定位：轻量高速版本，主打低延迟、低成本调用
- 适用：API 调用、端侧与云端轻量化多模态任务
二、新旧版本视频能力对比
| 版本 | 单段视频上限 | 核心特点 |
|---|---|---|
| 旧版 Gemini Omni Flash | 短于 15 秒 | 适合抓拍单帧、极短片段，连续动作识别受限 |
| Gemini Omni 1.2 Flash | 15 秒 | 可捕捉连续动作、简短事件，依旧保持高速推理 |
三、主要适用场景
- 短视频内容审核、标签提取、内容摘要
- 安防摄像头短片段异常行为识别
- 教学演示、产品操作视频问答
- 机器人、车载短时序视觉 + 音频理解任务
四、使用限制说明
- 15 秒为单段视频上限，更长视频需要切分多段分次传入
- 视频分辨率、帧率有配套上限，超出规格会自动压缩
- Flash 是轻量化版本，复杂长逻辑推理能力弱于 Pro 版本
- 计费按 token 和多媒体输入量统计，视频输入成本高于纯文本
【常见问题】
问题 1：谷歌发布 Gemini Omni 1.2 Flash，视频方面的改动是什么？
回答 1：谷歌发布 Gemini Omni 1.2 Flash，将单段视频支持时长增加到 15 秒，提升连续视频片段的多模态理解能力。
问题 2：Gemini Omni 1.2 Flash 支持 15 秒视频，是不是等于可以直接处理几分钟长视频？
回答 2：不行，Gemini Omni 1.2 Flash 单段视频上限只有 15 秒，超过时长的长视频需要拆分成多个 15 秒片段分批处理。
问题 3：Gemini Omni 1.2 Flash 这个 15 秒视频版本，和 Gemini Pro 视频版本区别在哪？
回答 3：Gemini Omni 1.2 Flash 主打高速、低成本，适合 15 秒以内短视频；Pro 版本推理能力更强，支持更长时序、更复杂的视频分析，调用成本更高。
【数据来源】
[2026-11-06]（谷歌发布 Gemini Omni 1.2 Flash 单段视频时长增至 15 秒）AI 科技媒体
[2026-11-05]（Google Gemini Omni 1.2 Flash 更新：视频上下文延长至 15s）机器之心
[2026-11-04]（Gemini Omni 1.2 Flash 上线，轻量化多模态视频能力升级）InfoQ
[2026-11-04]（谷歌 Gemini Omni 1.2 Flash API 文档更新说明）36 氪
【免责声明】
本文仅为 Gemini Omni 1.2 Flash 更新信息整理，视频编码、分辨率限制、计费规则、区域开放状态以谷歌官方 API 文档为准。