Gemini Omni 1.2 Flash, 비디오 슬롯머신을 끝장냈다

구글은 11월 5일 Gemini Omni 1.2 Flash를 정식 출시(GA)했으며, 이번 발표에서는 모델 자체보다 가격 구조가 더 중요합니다.
주요 사양은 단순합니다. 네이티브 클립은 이제 최대 15초까지 생성되며, 기존 10초에서 늘어났습니다. 길이는 3~15초 사이에서 1초 단위로 설정할 수 있고 기본값은 10초입니다. 출력 기본값은 720p/16:9이며 9:16도 지원합니다. 360p 또는 720p로 초안을 만들고 선택한 결과물을 1080p 또는 4K로 업스케일할 수 있습니다. 모든 출력에는 눈에 보이지 않는 SynthID 워터마크가 포함됩니다.
그다음은 숫자입니다. 720p 생성은 초당 $0.07, 360p는 약 $0.023입니다. 유료 API 기준으로는 비디오 출력 토큰 100만 개당 $12이며, 720p 1초당 5,792개 토큰으로 측정되어 10초 클립은 약 $0.70, 15초 클립은 약 $1.04가 됩니다. 구글은 Omni 1.1 Flash보다 30% 저렴하다고 밝힙니다.
1년 전 시장 상황과 비교해 보십시오. 플래그십 비디오 모델에서 한 번 재시도하는 비용은 창작자들이 방어적으로 프롬프트를 작성하고 세 번째로 좋은 결과를 받아들이는 법을 배울 만큼 컸습니다. 업계는 이를 '뽑기(抽卡)', 즉 카드 뽑기라고 불렀습니다. 실제로 그런 방식이었기 때문입니다.
재시도가 저렴해지자 재시도 방식이 바뀐다
초당 7센트라면 360p 5초 초안은 약 12센트입니다. 초안 15개를 만들어도 2달러가 안 됩니다. 합리적인 워크플로는 '완벽한 프롬프트 하나를 쓰고 기도하기'에서 '12개를 생성해 보고, 쓸 만한 하나를 업스케일하기'로 바뀝니다.

이는 가격 변화로 위장한 워크플로 변화입니다. 지출이 생성에서 선택으로 이동하며, 선택은 인간의 취향이 실제로 가치를 더하는 지점입니다. 또한 어떤 도구가 만들어지는지도 바꿉니다. 저렴한 초안 12개와 비싼 최종 렌더 한 개를 보여주는 브라우저는 시도할 때마다 비용을 청구하는 채팅 상자와는 다른 제품입니다.
구글은 이 프레이밍을 분명히 합니다. 이 모델은 단계별 워크플로를 제공하며, 고해상도 렌더링은 이미 선택한 출력물에만 사용하도록 의도되었습니다.
15초는 작업 단위를 바꾼다
10초에서 15초로의 증가는 점진적으로 들립니다. 하지만 그 안에 들어갈 수 있는 내용 때문에 그렇지 않습니다.
10초 클립은 제품을 보여주거나 분위기를 잡을 수 있습니다. 하지만 소개하고 시연하고 마무리하기에는 여유가 없습니다. 15초는 대략 표준 소셜 광고 길이이므로, 이제 한 번의 생성으로 결과물의 구성 요소가 아니라 납품물 자체를 만들 수 있습니다. 이는 이어 붙이기를 없애며, AI 영상이 무너지는 지점이 바로 이어 붙이기입니다. 조명이 바뀌고, 얼굴이 달라지고, 물체가 컷 사이에서 움직입니다.
구글의 자체 예시는 한 사람의 이미지 한 장과 의상 이미지 세 장으로 만든 15초 가상 의상 피팅입니다. 사람의 정체성과 의상 디테일이 움직임 전반에서 유지됩니다.
일관성 관련 주장은 구체적입니다. 구글의 나란히 비교 평가에 따르면 텍스트-투-비디오 테스트에서 Omni 1.2는 1.1의 38%에 대해 62%의 시각적 일관성 승률을 기록했습니다. 참조-투-비디오 비교에서는 다중 참조 정체성 일관성에서 1.2가 37%에 대해 63%의 승률을 보였습니다. Photoroom의 CEO Matt Rouif는 기자들에게 더 긴 생성이 사용자들이 가장 많이 요청한 단일 기능이었으며, 서비스 수준 계약(SLA)과 함께 정식 출시된 것이 자사가 판매자용으로 이 모델을 프로덕션에 투입할 수 있게 해준다고 말했습니다.
아레나도 동의한다, 이례적으로
Arena.ai는 Gemini Omni 1.2 Flash를 텍스트-투-비디오 부문 1위(1,541점)로 올렸습니다. 1.1은 1,514점으로 2위였습니다. 또한 이미지-투-비디오에서 1위, 비디오 편집에서 3위입니다. 이번 릴리스로 구글의 Omni 제품군은 텍스트-투-비디오 상위 3개 자리를 차지했습니다.
이는 주목할 만한 반전입니다. 올해 초까지만 해도 중국 연구소들이 블라인드 선호도에서 비디오 선두를 가져갔다는 이야기가 있었습니다. 이번 릴리스 기준 Arena 수치로는 텍스트-투-비디오 보드 최상위에서 더 이상 사실이 아닙니다.
리더보드는 짧은 클립을 프롬프트와 비교해 평가하는 것으로, 40개 샷에 걸쳐 캐릭터를 일관되게 유지하는 것과는 다릅니다. 순위는 제작 안정성이 아니라 미적 선호에 대한 신호로 받아들이십시오.
실용적 이득은 편집에 있다
일상 업무를 바꿀 가능성이 가장 큰 기능은 대화형 편집입니다. 무언가 잘못되었을 때 새 클립을 생성하는 대신 기존 클립을 계속 작업합니다. 제품 교체, 배경 교체, 조명이나 날씨 변경, 화면 비율 전환, 카메라 각도 조정 등이 가능합니다. 언급하지 않은 요소는 편집 후에도 유지되어야 합니다.
기술적으로는 API 호출 간 컨텍스트를 보존하는 `previous_job_id`를 통해 작동하므로 이전 비디오를 다시 업로드할 필요가 없습니다. 각 요청은 여러 참조 이미지를 사용할 수 있으며, 캐릭터 두 명에 대해 캐릭터당 최대 세 장, 최대 3초의 모션 참조 클립, 오디오 큐를 사용할 수 있습니다.
확장은 기본 생성과 별개입니다. 매 턴마다 3~10초를 추가할 수 있고, 마지막 10초를 컨텍스트로 사용하며 총 30초까지 가능합니다. 영상을 앞에 붙이거나 클립 중간에 소재를 삽입할 수는 없으며, 첫 프레임-마지막 프레임 보간은 여전히 3~10초 출력으로 제한됩니다. 누군가 고객에게 원테이크 30초 광고를 약속하기 전에 이러한 한계를 알아둘 가치가 있습니다.
아무도 가격에 책정하지 않는 부분, 오디오
초당 숫자에서 주목할 점 하나: 이 숫자는 비디오 토큰을 기준으로 합니다. Omni 1.2 Flash는 비디오와 함께 네이티브 오디오를 생성합니다. 대사, 주변음, 음향 효과를 만들며, 모델은 여러 화자를 별도 조건으로 처리합니다.
AI 영상이 제작 현장에서 흔히 무너지는 곳은 오디오입니다. 움직임과 립싱크는 그럴듯한데 200밀리초 어긋나는 클립은 사용할 수 없고, 후반 작업에서 고치는 비용은 재생성하는 비용보다 더 큽니다. 생성 시점에 오디오가 진정으로 동기화된다면 절약은 모델 청구서가 아니라 편집자의 오후 시간에서 발생합니다.
구글은 립싱크와 대사 명료성도 개선되었고, 서로 다른 캐릭터에 서로 다른 목소리를 정확히 할당할 수 있다고 말합니다. 보도자료에서는 작은 주장이지만 워크플로에서는 큰 주장입니다. 광고용으로 이를 평가하는 사람은 대사가 많은 장면을 먼저 테스트해야 합니다. 이전 세대 모델이 가장 눈에 띄게 실패한 지점이 바로 거기이기 때문입니다.
마이그레이션 날짜가 저평가된 디테일이다
Omni 1.1 Flash는 4주 전환 기간 동안 계속 사용할 수 있습니다. 12월 3일에는 1.1에 대한 API 요청이 코드 변경 없이 자동으로 1.2로 라우팅되며, 더 낮은 1.2 요금이 적용됩니다.
1.1을 기반으로 구축한 팀에게 이는 무료 업그레이드이지만 한 가지 주의점이 있습니다. 여러분의 제품 뒤에 있는 모델이 여러분의 개입 없이 바뀝니다. 1.1의 동작에 맞춰 조정한 모든 프롬프트 라이브러리와 품질 기준선을 세운 모든 평가 세트는 이제 더 이상 호출하지 않는 모델을 설명하게 됩니다. 12월 초에 평가를 다시 실행하십시오.
여전히 할 수 없는 것
구글은 격차를 솔직하게 밝힙니다. 빠른 스포츠 액션, 빠른 대본 변경, 복잡한 물리 효과는 아직 개발 중입니다. Gemini API는 영어를 완전히 지원하며 다른 언어에 대해서는 평가되지 않았습니다. 음성 편집, 업로드된 오디오 입력, 오디오 참조는 현재 API에서 지원되지 않으며, 오디오 참조는 Google Cloud의 허용 목록(allowlisting) 뒤에 제한되어 있습니다.
영어 전용 제한은 국제 팀에 가장 먼저 영향을 줄 것입니다. 이 모델로 제작한 독일어 또는 일본어 캠페인은 제공업체가 평가하지 않은 언어 위에서 운영되는 셈입니다.
진짜 변화
지난 2년 동안 AI 영상 가격은 생성이 비싸고 따라서 희소하다는 가정을 중심으로 설계되었습니다. 모든 제품 결정이 그 가정을 따랐습니다. 짧은 클립, 낮은 해상도, 공격적인 프롬프트 엔지니어링, 나쁜 출력에 대한 관용이 그것입니다.
Omni 1.2 Flash는 생성을 범용 상품처럼 가격 책정하고 비용을 마땅한 곳, 즉 최종 렌더에 둡니다. 아이디어가 통하는지 알아보는 데 12센트는 예산 항목이라기보다 습관입니다.
구글은 배포도 같은 주에 내놓았습니다. 장면 연출과 멀티턴 편집을 위한 Flow, Google Vids, Ultra 구독자를 위한 Gemini 앱, Google Ads 캠페인 생성이 그것입니다. 모델이 저렴해지고 접점이 이미 설치되어 있다면 AI 영상의 제약은 더 이상 접근성이 아닙니다. 누군가 볼 이유가 있는지가 제약이 됩니다.
관련 글
AI 지출 '정체'의 실체는 가격 인하…Ramp 데이터가 드러낸 상위 1% 의존
Ramp의 AI Index는 기업 AI 토큰량이 37.1% 늘었는데 지출은 8.9%만 늘었다고 보여준다. 100만 토큰당 혼합 가격이 26.8% 내렸고, 지출의 약 80%를 기업 1%가 차지한다.
이제 Claude가 은행 명세서를 읽는다. Anthropic은 의도적으로 '손'을 주지 않았다.
읽기 전용 설계가 곧 제품이며, 연결을 해제해도 이미 채팅에 남은 데이터는 되돌아오지 않는다.
어도비, 마케터들에게 어도비를 열라고 요구하기를 그만두다
10년 동안 전략은 인터페이스를 소유하는 것이었습니다. 어도비는 방금 그 반대에 베팅했습니다.
CrowdStrike, AI 에이전트용 킬 스위치 출시… 어려운 점은 '무엇을 종료할지' 아는 것
킬 스위치는 추측을 강제 가능한 무언가로 바꾼다. 강제 적용에는 목록이 필요하고, 바로 그 목록을 아무도 갖고 있지 않다.