Gemini Omni 1.2 Flash: il costo del video AI non è solo il prezzo al secondo

Il video generativo costa meno, dura di più e si modifica con una conversazione. Sono progressi concreti. Ma per un’azienda il parametro che conta non è il prezzo di una clip: è quanto costa ottenere un risultato che si possa davvero pubblicare.

Il prezzo è una metrica, non un preventivo

Google ha annunciato il 5 novembre 2026 Gemini Omni 1.2 Flash, un modello per generare e modificare video con clip native fino a 15 secondi. La comunicazione ufficiale indica un prezzo di 0,07 dollari al secondo per video a 720p, il 30% in meno rispetto alla generazione precedente. Sono numeri interessanti, ma non dicono ancora quanto costa produrre un video effettivamente utilizzabile. La differenza è fondamentale per chi deve inserire la generazione in un processo, non limitarsi a provarla una volta.

Una clip di 15 secondi, al prezzo dichiarato, costa 1,05 dollari di generazione a 720p. Se servono cinque tentativi per ottenere una sequenza accettabile, il solo costo delle generazioni sale a 5,25 dollari, senza contare modifiche, upscale, verifica, montaggio e tempo umano. Questo non significa che il modello richieda cinque tentativi: è uno scenario di calcolo, utile a mostrare perché il prezzo unitario non coincide con il costo di produzione.

Quindici secondi cambiano il flusso, non eliminano il montaggio

Il passaggio da 10 a 15 secondi massimi dichiarato da Google aumenta lo spazio narrativo disponibile in una singola generazione. Per un video dimostrativo breve o una variante pubblicitaria può ridurre il numero di clip da concatenare. Ma la durata maggiore sposta il problema: la coerenza di oggetti, persone, scritte e movimenti deve reggere per più fotogrammi. Una sequenza più lunga è utile soltanto se non richiede più lavoro di correzione di quanto ne risparmi.

Google sostiene di aver migliorato l’aderenza alle immagini di riferimento e la continuità di scena. Nella presentazione ufficiale mostra esempi di prodotti, abiti e movimenti di camera. Sono dimostrazioni del produttore, non benchmark indipendenti su cataloghi reali: non permettono di inferire una percentuale generale di successi né la fedeltà garantita dei dettagli commerciali.

L’editing conversazionale è la vera variabile da misurare

Una funzione più rilevante del semplice aumento di durata è la possibilità dichiarata di intervenire sullo stesso video con istruzioni successive: cambiare uno sfondo, una luce, un oggetto o il formato senza ripartire da zero. In teoria questo riduce il costo delle iterazioni. In pratica introduce una nuova domanda: quanto del video precedente rimane davvero invariato dopo una modifica locale?

Per una campagna con più formati o per un catalogo e-commerce, cambiare un dettaglio senza alterare involontariamente il prodotto è più importante che generare una scena spettacolare. Un flusso serio dovrebbe conservare prompt, riferimenti, versioni e risultato di ogni iterazione; confrontare i fotogrammi critici; verificare marchi, etichette e attributi; consentire di scartare un risultato. L’editing conversazionale non sostituisce il controllo qualità, ma può renderlo più economico se la stabilità promessa viene confermata nei casi reali.

Il test operativo prima di integrare un’API

La disponibilità generale dichiarata per Gemini API e Google Cloud rende il modello potenzialmente integrabile in pipeline software. Prima di automatizzare la produzione conviene però costruire un campione rappresentativo: prodotti semplici e riflettenti, testi piccoli, persone in movimento, scene con più soggetti, variazioni di formato. Ogni campione deve avere criteri di accettazione espliciti, non un giudizio generico sul fatto che il video sia bello.

Misurerei almeno il costo per clip approvata, il numero di iterazioni, il tempo di revisione, la stabilità dei riferimenti e gli errori che impediscono la pubblicazione. Va separato il tempo di generazione da quello umano. Se una modifica richiede poco tempo macchina ma una lunga verifica manuale, il vantaggio economico si riduce. E se una scritta sul prodotto cambia in modo imprevedibile, il problema non è estetico: è affidabilità del contenuto.

Un modello disponibile non è ancora un processo affidabile

Google indica anche watermark SynthID e opzioni infrastrutturali di Google Cloud. Sono elementi utili, ma non risolvono da soli questioni di diritti sui materiali, policy interne, revisione degli output e tracciabilità delle versioni. Per aziende e sviluppatori la scelta non dovrebbe essere tra entusiasmo e rifiuto della tecnologia: dovrebbe essere tra un esperimento misurato e una produzione affidata alla speranza.

Gemini Omni 1.2 Flash merita una prova proprio perché combina durata, editing e prezzo in un’offerta accessibile via API. Il criterio decisivo, però, non è il costo di un secondo generato. È il costo di un secondo approvato, corretto e pronto per essere usato. Finché non misuriamo quello, abbiamo un listino, non un business case.

La distinzione è importante soprattutto quando l’AI entra in un software o in una pipeline di produzione: a quel punto il costo non si misura sulle demo migliori, ma su tutti i tentativi necessari per arrivare a un risultato verificato.