
Gemini Omni 1.2 Flash ist Googles neues KI-Videomodell, das Clips mit bis zu 15 Sekunden Länge erzeugt, die API-Kosten um 30 Prozent senkt und eine höhere Konsistenz bei Figuren, Produkten und Bewegungen verspricht. Mein erster Praxistest zeigt: Besonders Produktanimationen und menschliche Bewegungen sehen richtig überzeugend aus, auch komplexere Abläufe lassen sich gut steuern. Perfekt ist das Modell aber nicht. Kleine Bewegungsartefakte sowie Schwächen bei Text und Zahlen bleiben, und der Abstand zur vorherigen Version fällt je nach Motiv unterschiedlich groß aus.
Mich interessiert dabei weniger, welcher Benchmark um ein paar Punkte steigt. Entscheidend ist doch: Was bekomme ich mit einem konkreten Motiv und einem brauchbaren Prompt tatsächlich hin? Dafür habe ich eine Espressomaschine animiert, eine Yogalehrerin erzeugt, alte Software in ein modernes Dashboard verwandelt und zum Schluss einen Drachen losgeschickt.
Inhaltsverzeichnis
Das Wichtigste auf einen Blick
- Gemini Omni 1.2 Flash ermöglicht Clips bis 15 Sekunden und senkt die angekündigten API-Kosten um 30 Prozent.
- Im Praxistest überzeugen Produktanimationen, menschliche Bewegungen und die Treue zu Referenzfiguren.
- Kleine Bewegungsartefakte sowie Schwächen bei Schrift und Zahlen bleiben sichtbar.
- Der Fortschritt zur vorherigen Version fällt je nach Motiv deutlich oder eher gering aus.
Was ist neu und wo lässt sich Omni 1.2 Flash nutzen?
Die wichtigsten Neuerungen betreffen nicht nur die Bildqualität, sondern auch die Arbeit mit den Clips:
- Längere Videos: Bis zu 15 Sekunden sind möglich, mit flexibler Einstellung der Cliplänge.
- Geringere API-Kosten: Die angekündigte Reduzierung beträgt 30 Prozent. Das ist allerdings keine pauschale Preiszusage für jedes Tool, das das Modell integriert.
- Höhere Referenztreue: Personen, Produkte und visuelle Details sollen über den Clip hinweg stabiler bleiben.
- Weiterbearbeitung im Dialog: Mit Multi-Turn Editing lassen sich Änderungen per Chat anstoßen, ohne jedes Mal den gesamten Kontext neu aufzubauen.
- Verbessertes Sprachmodell im Hintergrund: Das soll unter anderem dabei helfen, Anweisungen und komplexere Szenen besser umzusetzen.
Die technischen Einzelheiten findest du im offiziellen Google-Beitrag zu Omni 1.2 Flash. Hier geht es bewusst um die Ergebnisse aus der Praxis.
Für meine Tests nutze ich Magnific. Der Grund ist einfach: Zum Testzeitpunkt hatte ich in meinem Gemini-Zugang noch keinen nativen Zugriff auf die neue Version. Alternativ kommen andere Oberflächen wie Higgsfield infrage, sofern sie das Modell anbieten. Welche Einstellungen und Bearbeitungsmöglichkeiten du bekommst, hängt also auch vom verwendeten Tool ab.
Test 1: Aus einer Explosionsdarstellung wird ein Produktvideo
Als Ausgangspunkt dient eine bereits erstellte Darstellung einer Espressomaschine mit ihren einzelnen Bauteilen. Das Motiv stammt aus meinem vorherigen Test mit Nano Banana und wurde ebenfalls in Magnific angelegt.
Der Gedanke dahinter: Aus einem statischen technischen Motiv soll eine kleine filmische Produktgeschichte werden. Die Einzelteile bewegen sich durch den Raum, die Maschine setzt sich zusammen, und am Ende landen wir bei der Kaffeezubereitung.

Den längeren Prompt habe ich mir dafür von Gemini ausarbeiten lassen. Das ist ein ziemlich praktischer Punkt: Du musst einen aufwendigen Videoprompt nicht komplett allein formulieren. Ein Sprachmodell deiner Wahl kann dir helfen, aus einer Bildidee eine ausführlichere Szenenbeschreibung zu machen.
Das Ergebnis hat mich direkt ziemlich begeistert. Die Einzelteile wirbeln durch die Luft, die Maschine sieht hochwertig aus, und vor allem die Oberflächen funktionieren richtig gut:
- Die Reflexionen auf dem Metall wirken überzeugend.
- Auch das Glas wird mit schönen Lichtreflexen dargestellt.
- Die Unschärfe im Hintergrund sorgt für einen filmischen Look.
- Aus der technischen Darstellung entsteht eine visuell plausible Produktszene.
Wichtig ist dabei die Unterscheidung: Das ist keine Prüfung, ob sich eine echte Espressomaschine technisch exakt so zusammensetzen ließe. Aber als visuelle Inszenierung funktioniert es wirklich stark.
Und das alles in diesem Beispiel mit 720p Auflösung. Natürlich erkennt man bei genauerem Hinsehen die begrenzte Auflösung. Trotzdem wirkt das Ergebnis erstaunlich hochwertig. Bei diesem ersten Motiv war mein Eindruck tatsächlich: Das ist noch einmal ein sichtbarer Schritt nach vorn.
Test 2: Hält sich das Modell an einen genaueren Ablauf?
Ein schöner Clip ist die eine Sache. Interessanter wird es, wenn ich genauer vorgebe, was wann passieren soll. Deshalb habe ich für die Espressomaschine einen zweiten, detaillierteren Prompt verwendet.
Diesmal geht es stärker um die Reihenfolge: erst die Bauteile, dann die zusammengesetzte Maschine, anschließend die Bedienung und schließlich der fertige Espresso. Damit lässt sich besser beurteilen, ob das Modell nur hübsche Bilder liefert oder eine geplante Sequenz umsetzt.

Auch dieser Durchlauf ist sehr gelungen. Die Teile finden visuell schlüssig zusammen, die seitliche Holzverkleidung sieht gut aus, und die Szene gewinnt durch Licht und Schatten deutlich an Glaubwürdigkeit. Selbst die Annäherung der Person an die Maschine fügt sich gut ein.
Ganz fehlerfrei ist es nicht: Das Glas kommt an einer Stelle etwas zu schnell ins Bild. Das wirkt wie ein kleines Bewegungsartefakt. Solche Momente muss man bei einem ansonsten beeindruckenden Clip trotzdem benennen.
Danach stimmt der Eindruck wieder. Der aufsteigende Dampf sieht plausibel aus, und die gewünschte Abfolge wird insgesamt sehr gut eingehalten. Für mich ist das ein wichtigeres Ergebnis als eine abstrakte Qualitätswertung: Auch mit einer konkreteren Regieanweisung kommt Omni 1.2 Flash gut zurecht.
Test 3: Eine Yogalehrerin im Vergleich zur vorherigen Version
Beim nächsten Motiv stehen Menschen und ihre Bewegungen im Mittelpunkt. Ich habe eine Yogalehrerin mit demselben Prompt erzeugt, den ich bereits mit einer früheren Version direkt in Gemini verwendet hatte.
Die Ausgangslage ist also anspruchsvoll, denn schon das ältere Ergebnis war ziemlich gut. Wer die frühere Version einordnen möchte, findet dazu mein Tutorial zu Gemini Omni 1.
Die neue Szene zeigt eine Yogalehrerin in einem hellen Studio. Sie begrüßt auf Englisch zur Praxis, leitet einen tiefen Atemzug an, hebt die Arme und führt die Bewegung wieder zur Körpermitte zurück.

Besonders überzeugend finde ich das Zusammenspiel der Details: Arme, Hände, Augen und Mund wirken stimmig. Auch die Bewegung der Bauchmuskulatur passt zur Körperbewegung. Genau solche Kleinigkeiten entscheiden darüber, ob eine generierte Person lebendig oder künstlich wirkt.
Mein Eindruck im direkten Vergleich: Mimik und Hintergrund gefallen mir bei der neuen Version etwas besser. Der Unterschied ist hier aber eher klein. Das ist keine völlig andere Qualitätsklasse, sondern eine Verfeinerung eines bereits guten Ergebnisses.
Auch dieser Test wurde in 720p erstellt. 1080p bietet die Möglichkeit einer höheren Auflösung, wurde hier aber nicht als eigener Vergleich getestet. Eine 4K-Ausgabe stand mir für diese Versuche nicht zur Verfügung.
Test 4: Alte Software wird zum modernen Dashboard
Jetzt zu einem Anwendungsfall, der tatsächlich aus meinem beruflichen Alltag stammen könnte: Eine veraltete Softwareoberfläche soll sich in ein modernes, ansprechendes Dashboard verwandeln.
Es geht hier nicht um Werbung für die gezeigte Software, sondern um die visuelle Idee. Solche Vorher-Nachher-Geschichten sind interessant, weil sie eine Veränderung schnell verständlich machen können.
So habe ich die Szene vorbereitet
Zuerst habe ich in Magnific ein Ausgangsbild erzeugt. Darauf sieht man eine Person an einem älteren Rechner in einer entsprechend altmodischen Arbeitsumgebung. Dieses Bild habe ich als Startreferenz für das Video verwendet. Zusätzlich kam ein hochgeladenes Logo dazu.

In der Magnific-Oberfläche lassen sich Referenzen und Medien hinzufügen sowie Einstellungen wie Anzahl der Ausgaben, Dauer und Format festlegen. Zum Testzeitpunkt war dort außerdem bereits eine Audio-Option vorhanden. Die Oberfläche wurde also offenbar zügig um weitere Funktionen ergänzt.
Falls dich neben der filmischen Darstellung auch die Entwicklung tatsächlicher Anwendungen interessiert: In meinen Praxisbeispielen mit Gemini 3.1 Pro geht es unter anderem um Apps und Websites. Hier bleibt der Fokus auf der Animation einer Softwaremodernisierung.
Referenztreue stark, Text noch nicht überzeugend
Das Ergebnis setzt die Grundidee gut um. Aus dem alten System wird eine moderne, kühl beleuchtete Dashboard-Szene. Besonders positiv: Das Gesicht der Figur bleibt über den Clip hinweg nahezu gleich. Auch das hochgeladene Logo wird in die Darstellung aufgenommen.

Damit erfüllt der Clip zwei wichtige Anforderungen: Er bleibt nah an der Referenz und versteht die gewünschte Veränderung. Bei Zahlen und Schrift sieht es allerdings weniger gut aus. Beides ist noch nicht optimal dargestellt.
Daraus würde ich noch kein abschließendes Urteil über die Textdarstellung des Modells ableiten. Dafür wären gezieltere Tests nötig. Für diesen konkreten Clip gilt aber: Die visuelle Geschichte funktioniert besser als die Genauigkeit der Bildschirmbeschriftung.
Außerdem ist das erst ein erster Baustein. Für einen fertigen Film müsste man das Storytelling weiterentwickeln. Eine gelungene Transformation allein ersetzt noch keine ausgearbeitete Geschichte.
Videos in Magnific weiterbearbeiten
Praktisch ist, dass die Arbeit nicht mit der ersten Generierung enden muss. In Magnific lässt sich ein Clip weiterbearbeiten, beispielsweise kürzen. Darüber hinaus gibt es ein Eingabefeld für weitere Änderungswünsche.

Das passt zur Idee des dialogbasierten Editierens: Statt nur einen einzelnen Prompt abzuschicken, arbeitet man mit dem Ergebnis weiter. Dabei lohnt es sich, zwei Dinge auseinanderzuhalten: die Möglichkeiten des Videomodells selbst und die zusätzlichen Bearbeitungsfunktionen der jeweiligen Plattform.
Im Test habe ich diese Möglichkeiten gezeigt, aber keine umfangreiche Bearbeitungsreihe systematisch verglichen. Wie zuverlässig einzelne Änderungswünsche umgesetzt werden, wäre deshalb ein eigenes Testthema.
Test 5: Ein cinematischer Drache in einer Kristallhöhle
Zum Abschluss darf es etwas filmischer werden. Die Idee: Eine extreme Nahaufnahme fährt nahtlos zurück und enthüllt einen Drachen in einer fantastischen Umgebung.
Für diesen Versuch habe ich folgende Einstellungen verwendet:
- Dauer: 10 Sekunden
- Auflösung: 720p
- Bildrate: 24 Bilder pro Sekunde
Beim Beschreiben hatte ich zunächst Feuer im Kopf. Im ausgearbeiteten Motiv geht es aber um einen Eisatem. Das ist also kein Beleg dafür, dass das Modell eine Feueranweisung ignoriert hätte, sondern schlicht meine eigene Verwechslung bei der Einordnung.

Das Ergebnis sieht ziemlich cool aus. Die Schuppen, leuchtenden Details und die gesamte Umgebung besitzen schon bei 720p eine beachtliche Detailfülle. Auch die Bewegungen wirken auf mich relativ plausibel. Wobei man natürlich darüber schmunzeln darf, wie genau sich die natürliche Bewegung eines Drachen beurteilen lässt.
Hundertprozentig überzeugt mich dieser Clip trotzdem nicht. Er ist gut, aber nicht mein stärkstes Beispiel. Gerade bei einem so detailreichen Fantasy-Motiv hätte ich das Ergebnis gern noch einmal in deutlich höherer Auflösung gesehen.
Mein Fazit: Ein starkes Update, aber nicht überall ein riesiger Sprung
Gemini Omni 1.2 Flash hat mich in diesen ersten Tests überzeugt und stellenweise wirklich überrascht. Vor allem die Espressomaschine zeigt, wie hochwertig eine KI-generierte Produktinszenierung inzwischen aussehen kann. Auch die Bewegungen der Yogalehrerin und die stabile Figur im Softwarebeispiel sind richtig gut gelungen.
Gleichzeitig sollte man das Update vernünftig einordnen:
- Produktanimationen und Oberflächen gehören zu den klaren Stärken meiner Beispiele.
- Komplexere Abläufe werden gut umgesetzt, einzelne Bewegungsfehler bleiben aber möglich.
- Menschen und Referenzfiguren wirken überzeugend und bleiben im getesteten Material stabil.
- Text und Zahlen sind weiterhin ein Punkt, den ich genauer prüfen würde.
- Der Qualitätsgewinn gegenüber der vorherigen Version ist nicht bei jedem Motiv gleich deutlich.
Für private und berufliche Videoideen sehe ich hier viele interessante Einsatzmöglichkeiten. Mein wichtigster Eindruck bleibt aber ganz praktisch: Das Modell liefert bereits mit diesen ersten Versuchen sehr starke Ergebnisse, ohne dass jeder Clip perfekt sein muss. Längere Clips und geringere API-Kosten machen das Update zusätzlich interessant. Die finale Qualität entscheidet sich weiterhin an der konkreten Szene, dem Prompt und der anschließenden Überarbeitung.