El Omni Flash Gemini se impuso en nuestra prueba comparativa de primera salida, aunque el resultado fue reñido, más que una victoria aplastante. En ocho pruebas idénticas, Omni ganó cinco tareas frente a las tres de Veo 3.1 Fast, y obtuvo una puntuación final de 4,124/5 frente a 4,009/5. Omni siguió las instrucciones al pie de la letra y proporcionó los resultados más rápidamente a través de nuestra ruta conectada; Veo ofreció un acabado visual más sólido, sujetos más estables y un mejor resultado de audio.
Esa diferencia es lo realmente importante. Omni Flash es un modelo de 720p diseñado para generar un clip corto y seguir trabajando en él de forma interactiva. Veo 3.1 es una familia más amplia que incluye audio nativo, modos de mayor resolución, control del primer y último fotograma y extensión de vídeo. La elección adecuada depende menos de una única puntuación de calidad visual que de si necesitas una ejecución precisa desde el primer intento y una iteración rápida, o bien un enfoque más cinematográfico para una producción más larga y con mayor resolución.
Si quieres disponer de un único espacio de trabajo para todo el flujo de trabajo de IA, GlobalGPT es la opción más práctica. Además, Gemini Omni Flash y Veo 3.1, que reúne los mejores modelos de chat, investigación, imágenes y vídeo, para que puedas dar forma a la idea, perfeccionar la indicación, generar elementos visuales y elegir el mejor modelo de vídeo para la toma final sin tener que pagar por varias herramientas de IA por separado. El plan Pro anual cuesta $10,80/mes, mientras que «Unlimited» es $25/mes e incluye acceso a Veo 3.1.
Omni gana la prueba; Veo mantiene el límite máximo de producción más alto
El Gemini Omni Flash aventaja al Veo 3.1 Fast en 0,115 puntos.
Omni destaca en movimiento, restricciones, física, dirección de cámara y texto.
| Prioridad | Mejor ajuste | Por qué |
|---|---|---|
| A continuación, el texto exacto de la indicación: | Gemini Omni Flash | Mayor cumplimiento medio y una ejecución más impecable de las escenas con restricciones. |
| Acabado cinematográfico y estabilidad del sujeto | Veo 3.1 Rápido | Promedios más elevados en cuanto a calidad visual y consistencia temporal. |
| Iteración rápida a 720p | Gemini Omni Flash | Una media de 29,29 segundos en nuestro recorrido, además de la edición coloquial. |
| Escenas en las que prima el audio en esta prueba | Veo 3.1 Rápido | El fragmento de la cafetería tenía un nivel de audio mucho más alto y más aprovechable. |
| 4K, control de fotogramas o extensión | Familia Veo 3.1 | Se trata de opciones de flujo de trabajo Veo documentadas que superan el límite actual de 720p de Omni. |
Conclusión: Elige «Omni» como la mejor opción predeterminada para vídeos cortos, rápidos y que requieran un tratamiento específico de las instrucciones. Elige «Veo» cuando el acabado visual y un proceso de producción más amplio sean más importantes.
Índice
- Comparación rápida entre el Gemini Omni Flash y el Veo 3.1
- Resultados de pruebas de rendimiento públicas
- Precios y valor
- Cómo realizamos las pruebas
- Resultados del vídeo práctico
- Puntuación global
- Coste y rapidez
- Diferencias en la edición, la resolución y el flujo de trabajo
- ¿Qué modelo deberías utilizar?
- Limitaciones
- PREGUNTAS FRECUENTES
- Veredicto final
Comparación rápida entre Gemini Omni Flash y Veo 3.1
La mejor forma de entender la comparación es dejar de considerar “Veo 3.1” como un único producto fijo. Documentos de Google Variantes Standard, Fast y Lite. Nuestra prueba práctica utiliza Veo 3.1 Rápido, ya que ese es el nivel más cercano a Omni Flash tanto en cuanto a su posicionamiento centrado en la velocidad como al precio de la API de 720p. Cuando hablamos de 4K, máxima calidad o el conjunto completo de funciones de Veo, nos referimos a la familia más amplia de Veo 3.1, sin afirmar que todas las salidas «Fast» utilicen esos ajustes.
| Capacidad | Gemini Omni Flash | Familia Veo 3.1 |
|---|---|---|
| Condición de modelo oficial | Vista previa; ID del modelo gemini-omni-flash-preview | Vista previa en la API Gemini; los ID de los modelos Standard, Fast y Lite aparecen por separado |
| Función principal | Generación rápida de vídeos y edición en lenguaje natural con múltiples interacciones | Generación de vídeos con controles cinematográficos, modos de mayor resolución y ampliación |
| Longitud de salida | De 3 a 10 segundos | 4, 6 u 8 segundos; algunos modos avanzados requieren 8 segundos |
| Resolución | 720p a 24 fotogramas por segundo | 720p, 1080p o 4K; la versión Lite no es compatible con 4K |
| Relación de aspecto | 16:9 o 9:16 | 16:9 o 9:16 |
| Audio | Generado con el vídeo; la API actual no admite referencias de audio subidas. | Audio generado de forma nativa, incluidos los diálogos y los efectos de sonido |
| Entradas de referencia | Texto, imágenes y vídeo, con tareas relacionadas con el vídeo y la edición | «Imagen a vídeo» más hasta tres imágenes de referencia |
| Revisión y continuación | Edición conversacional con estado; sin extensión de vídeo ni interpolación del primer o último fotograma | Generación del primer y último fotograma y extensiones de vídeo de 7 segundos; no existe un bucle de edición conversacional equivalente en la guía de la API Veo |
| Procedencia | Marca de agua invisible SynthID | Marca de agua SynthID |
Esa diferencia de funcionalidad es más importante que las etiquetas de marketing. Omni se comporta como un modelo de vídeo con un editor integrado en la conversación: generar, solicitar un cambio, conservar el resto y continuar. Veo se comporta más bien como un sistema de generación de planos: definir el formato, las referencias, los fotogramas y la resolución, y luego crear o ampliar la secuencia. Uno está optimizado para la revisión; el otro te ofrece un proceso de renderizado más amplio.
Si necesitas una introducción más detallada a la familia de productos Veo antes de comparar los distintos niveles, nuestra Guía completa Veo 3.1 abarca el modelo y sus principales vías de acceso.
Lo que realmente indican los índices de referencia públicos
Análisis artificial clasifica los modelos de vídeo mediante comparaciones a ciegas. Un votante ve dos resultados generados a partir de la misma indicación de texto o imagen de entrada, sin saber qué modelo ha producido cada clip, y elige el que más le gusta. Esos votos alimentan un sistema de clasificación Elo. Esto resulta mucho más útil que pedir a un proveedor de modelos que califique su propio vídeo de demostración, pero sigue siendo una prueba de preferencias, no una medición de laboratorio de la exhaustividad de la indicación o la precisión física.
Tablas de clasificación de «Artificial Analysis» con audio
De texto a vídeo
De imagen a vídeo
Datos comprobados el 15 de julio de 2026. Número de muestras de «texto a vídeo»: Omni Flash, 3.488; Veo 3.1, 7.411; Veo 3.1 Fast, 8.235. Número de muestras de «imagen a vídeo»: 2.834; 6.926; y 7.319, respectivamente. Las clasificaciones varían a medida que se añaden nuevos votos y modelos.
La diferencia no es insignificante. Omni aventaja a Veo 3.1 Fast en 150 puntos Elo en la conversión de texto a vídeo y en 124 puntos en la conversión de imagen a vídeo. Ambos modelos de Veo han sido evaluados con un mayor número de muestras, por lo que Omni no lidera simplemente porque apareciera en una pequeña prueba inicial. En cuanto a la pregunta que plantea Artificial Analysis —“¿Qué resultado preferiría ver una persona?”—, Omni Flash es el modelo más sólido en este momento.
Pero a esa frase le falta la segunda parte. Una votación a ciegas basada en preferencias puede premiar una composición más atractiva, un movimiento más limpio, un mejor color o, simplemente, una interpretación que resulte más agradable a primera vista. No nos indica si el modelo ha incluido todos los elementos solicitados, si el movimiento de cámara ha seguido la trayectoria exacta, si una marca puede editar el clip de forma eficiente o si el resultado final se puede entregar en 4K. Por eso, una clasificación debe servir para plantear una hipótesis de cara a una prueba práctica, no para sustituirla.
Google DeepMind también informa de que una evaluación interna de edición de vídeo en la que Omni Flash superó a otros modelos de vídeo importantes en cuanto a preferencia general y cumplimiento de las instrucciones. Un grupo de evaluadores humanos comparó los resultados de 504 ejemplos de edición. Esto respalda la afirmación de Google de que la edición conversacional es uno de sus auténticos puntos fuertes, pero se trata de un estudio realizado por el propio proveedor y el texto público no revela una puntuación Veo 3.1 directamente comparable. Por lo tanto, lo consideramos una prueba del enfoque de Omni en la edición, no un veredicto independiente sobre la comparación en su conjunto.
Precios del Gemini Omni Flash frente al Veo 3.1
Google cobra por estos modelos por cada segundo de reproducción de vídeo con éxito. La tabla que figura a continuación recoge las tarifas que aparecen en la Página de precios de la API para desarrolladores de Gemini y calcula el coste de las longitudes de los clips relevantes para esta comparación. Esta es la única tabla de tarifas que aparece en el artículo; las recomendaciones posteriores hacen referencia a esta relación práctica en lugar de repetirla.
| Modelo | Tipo de cambio oficial de la API | Vídeo de 6 segundos a 720p | Vídeo de 8 segundos en 720p | Opción de 8 segundos con mayor resolución |
|---|---|---|---|---|
| Gemini Omni Flash | $0,10/segundo | $0.60 | $0.80 | No disponible en una resolución superior a 720p |
| Veo 3.1 Estándar | $0,40/seg. a 720p o 1080p; $0,60/seg. a 4K | $2.40 | $3.20 | $3.20 a 1080p; $4.80 a 4K |
| Veo 3.1 Rápido | $0,10/seg. a 720p; $0,12/seg. a 1080p; $0,30/seg. a 4K | $0.60 | $0.80 | $0.96 a 1080p; $2.40 a 4K |
| Veo 3.1 Lite | $0,05/seg. a 720p; $0,08/seg. a 1080p | $0.30 | $0.40 | $0.64 a 1080p; no es compatible con 4K |
La conclusión más importante que se desprende de la tabla de tarifas es que Tanto Omni Flash como Veo 3.1 Fast cuestan $0,10 por segundo a 720p.. Por lo tanto, un archivo entregado de seis segundos equivale aproximadamente a $0,60. Sin embargo, en nuestra ruta de prueba conectada, Omni devolvió clips de 6,02 segundos, mientras que Veo devolvió archivos de 8,00 segundos a pesar de que la solicitud era de seis segundos. En consecuencia, las estimaciones de los archivos entregados para este lote fueron de aproximadamente $0,60 y $0,80 por clip. Consideramos que los dos segundos adicionales de Veo se deben a una incompatibilidad de formato de la ruta, y no una prueba de que el modelo subyacente no pueda producir vídeos de seis segundos.
El modelo Veo Standard es una opción diferente. Su precio más elevado permite acceder al nivel centrado en la calidad y a resoluciones que Omni no puede ofrecer. Afirmar que Omni “cuesta una cuarta parte del precio de Veo” solo es correcto cuando la comparación se realiza específicamente con Veo Standard a 720p o 1080p. Es falso cuando la comparación se realiza con el Veo Fast, e incompleto cuando se elige el Veo para una salida en 4K. El sobrecoste solo tiene sentido si la resolución adicional o la calidad de renderizado del nivel «Standard» se mantienen durante el resto del proceso de producción.
El precio de catálogo tampoco tiene en cuenta el coste que más afecta a los creadores: las repeticiones. Un clip barato que requiera cinco intentos puede resultar más caro que un clip costoso que salga bien a la primera. Dado que nuestra política prohíbe las repeticiones por motivos de calidad y que los 16 archivos guardados eran válidos, este lote puede reflejar el coste por primer archivo válido entregado. No puede garantizar un coste universal por resultado utilizable, ya que este depende del umbral de aceptación de cada proyecto. Google señala que las generaciones Veo bloqueadas por problemas de procesamiento de audio o de seguridad no se cobran, aunque la facturación a nivel de plataforma puede diferir de la de la API directa.
Para obtener información sobre las suscripciones y el acceso a productos de consumo, consulta nuestras guías específicas sobre Precios de la suscripción a Veo 3.1 y si Veo 3.1 es gratuito. Las cifras anteriores corresponden a las tarifas de la API para desarrolladores, no a los precios de los planes para consumidores.
Cómo diseñamos la prueba práctica
Para que una comparación sea justa, hay que eliminar las vías de escape más fáciles. Utilizamos las mismas ocho indicaciones en inglés, fijamos una duración de seis segundos en formato 16:9 y 720p, solicitamos audio natural cuando la escena lo requería y puntuamos el primer resultado válido. Los fallos a nivel del proveedor podían reintentarse para obtener un archivo decodificable, pero un resultado válido poco atractivo no podía sustituirse. Esta última regla es importante porque las repeticiones por motivos de calidad convierten silenciosamente una reseña en un resumen de lo más destacado.
Mismo encargo, primer resultado válido, sin repeticiones por motivos de calidad
| Modelos | Gemini Omni Flash y Veo 3.1 Fast |
|---|---|
| Política de indicaciones | Texto de la indicación idéntico para ambos modelos; sin reescritura específica para cada modelo |
| Resultado previsto | 6 segundos, 16:9, 720p, con audio adecuado a la escena |
| Aplicar la política | Se ha registrado la primera salida válida; los fallos del proveedor podrían reintentarse, pero ningún clip válido ha sido objeto de una repetición por motivos de calidad. |
| Puntuación | Puntuación editorial de 0 a 5, basada en el primer resultado válido guardado |
| Velocidad medida en el recorrido | Tiempo de espera de principio a fin en nuestro flujo de trabajo conectado, no una afirmación sobre la latencia basada únicamente en un modelo universal |
Alcance: El resultado práctico del Veo corresponde a la versión Veo 3.1 Fast a lo largo de la ruta probada, y no a todos los niveles del Veo ni a todas las interfaces de usuario.
La puntuación ponderada otorga a la adherencia al guion y a la calidad visual 20% cada una; al realismo del movimiento y a la consistencia temporal 15% cada una; y a la correspondencia de audio, la velocidad y la fiabilidad, así como a la usabilidad práctica, 10% cada una. Mantenemos separadas estas dimensiones porque un clip magnífico puede seguir sin cumplir su función. El envase de un producto que cambia de forma no es un anuncio útil. Un cartel con un texto casi correcto no es correcto. El ambiente natural de una cafetería no compensa una mano que se funde con la taza.
Los 16 archivos guardados contienen una pista de audio en formato AAC. Las valoraciones de audio son deliberadamente conservadoras: se basan en la presencia de la pista, el nivel medido y la actividad de frecuencias, y no en la afirmación infundada de que cada señal sonora solicitada se escuchó e identificó a la perfección.
Resultados prácticos: ocho indicaciones, dos modelos
Cada prueba aísla un modo de fallo diferente. El objetivo no es encontrar ocho sujetos atractivos, sino comprobar si un modelo sigue siendo fiable cuando la indicación solicita personas, objetos concretos, colisiones, trayectorias de cámara controladas, sonido sincronizado, texto legible o una idea visual inusual. Omni se lleva la prueba general por 5 a 3, pero los clips individuales muestran por qué la diferencia de 0,115 puntos en la puntuación es mínima.
Prueba 1: Movimiento humano y coherencia facial
Por qué es importante esta prueba
Un plano secuencia empapado por la lluvia tiene un aire cinematográfico incluso cuando la modelo comete pequeños errores. Al observar cómo se combinan el rostro, las manos, el paraguas, el ritmo al caminar y el movimiento de la cámara hacia atrás, se aprecia si la escena es coherente o si se limita a crear ambiente.
| Métrico | Gemini Omni Flash | Veo 3.1 |
|---|---|---|
| Archivo de salida | 6,02 s · 1280×720 · 24 FPS · AAC | 8,00 s · 1280×720 · 24 FPS · AAC |
| Tiempo de recorrido con conexión | 32,1 s | 104,9 s |
| Coste aproximado de la lista de archivos entregados | $0.60 | $0.80 |
| Cumplimiento inmediato | 4.4 | 3.5 |
| Calidad visual | 4.3 | 4.6 |
| Realismo de movimiento | 4.1 | 3.3 |
| Coherencia temporal | 3.8 | 4.6 |
| Coincidencia de audio | 3.7 | 3.8 |
| Total ponderado | 4.225/5 | 3.935/5 |
La mujer camina, en lugar de simplemente deslizarse, y el abrigo amarillo, el paraguas, la lluvia, el callejón y el movimiento de retroceso permanecen en la imagen. El rostro y el pelo se desplazan ligeramente.
El rostro, la capucha, el paraguas y el callejón están representados con una estabilidad y un acabado excepcionales. Sin embargo, el personaje, de cintura para arriba, cambia tan poco que el «paseo» solicitado parece más bien una pose estática.
Veredicto: Veo destaca por su coherencia, pero Omni ejecuta la secuencia de movimiento de forma más convincente y devuelve el formato con la duración solicitada.
Ver el mensaje exacto
Crea un vídeo cinematográfico de 6 segundos, en formato 16:9 y 720p. Una joven con un chubasquero amarillo camina por un callejón de Tokio bajo la lluvia, por la noche, sosteniendo un paraguas transparente. Los letreros de neón se reflejan en el pavimento mojado. La cámara se aleja lentamente por delante de ella. Movimientos corporales naturales, expresiones faciales y gestos de las manos coherentes, lluvia realista, sin superposición de texto.
Prueba 2: Calidad comercial del producto
Por qué es importante esta prueba
El vídeo de un producto no perdona. La botella de cristal debe mantener la misma silueta mientras la cámara gira a su alrededor, y los reflejos en movimiento deben describir el objeto en lugar de redibujarlo. No basta con un encuadre impecable si el producto cambia de aspecto a mitad de la órbita.
| Métrico | Gemini Omni Flash | Veo 3.1 Rápido |
|---|---|---|
| Archivo de salida | 6,02 s · 1280×720 · 24 FPS · AAC | 8,00 s · 1280×720 · 24 FPS · AAC |
| Tiempo de recorrido con conexión | 27,2 s | 103,1 s |
| Coste aproximado de la lista de archivos entregados | $0.60 | $0.80 |
| Cumplimiento inmediato | 3.6 | 3.8 |
| Calidad visual | 4.2 | 4.6 |
| Realismo de movimiento | 3.7 | 4.2 |
| Coherencia temporal | 2.8 | 3.7 |
| Coincidencia de audio | 3.5 | 3.6 |
| Total ponderado | 3.725/5 | 4.005/5 |
La luz dorada y los reflejos del mármol le dan un aspecto lujoso, pero el cuerpo, el cuello y el tapón de la botella cambian de proporciones y de color a medida que se mueve la cámara.
El tratamiento publicitario es más cálido y la botella es más estable. El tapón y la silueta siguen sin encajar del todo, por lo que sigue siendo más un vídeo conceptual que una versión fiel al producto.
Veredicto: Veo crea la maqueta comercial más funcional. Ninguno de los dos modelos define por completo la identidad del producto a lo largo de su trayectoria.
Ver el mensaje exacto
Crea un anuncio publicitario de 6 segundos para un producto de gama alta, en formato 16:9 y 720p. Un frasco de perfume de cristal transparente descansa sobre una mesa de mármol negro. Una suave luz dorada se desliza por el frasco. La cámara realiza una lenta rotación de 180 grados. La forma del frasco debe mantenerse constante. No debe aparecer ningún texto legible de la marca ni objetos adicionales.
Prueba 3: Cumplimiento de las instrucciones con varios objetos
Por qué es importante esta prueba
Esto es deliberadamente menos llamativo. El modelo debe mantener a la vista una bicicleta roja, una pared azul, un perro blanco y un paraguas amarillo mientras cae la nieve y la cámara permanece fija. Un resultado bonito en el que se omita un objeto o se mueva la cámara no cumple con las instrucciones.
| Métrico | Gemini Omni Flash | Veo 3.1 Rápido |
|---|---|---|
| Archivo de salida | 6,02 s · 1280×720 · 24 FPS · AAC | 8,00 s · 1280×720 · 24 FPS · AAC |
| Tiempo de recorrido con conexión | 27,8 s | 91,5 s |
| Coste aproximado de la lista de archivos entregados | $0.60 | $0.80 |
| Cumplimiento inmediato | 4.9 | 4.2 |
| Calidad visual | 4.1 | 4.4 |
| Realismo de movimiento | 4.0 | 3.8 |
| Coherencia temporal | 4.6 | 4.5 |
| Coincidencia de audio | 3.0 | 3.2 |
| Total ponderado | 4.360/5 | 4.065/5 |
La bicicleta roja, la pared azul, el perro blanco, el paraguas amarillo abierto, la nieve que cae y la cámara fija se ven con claridad durante todo el vídeo.
Aparecen todos los objetos y colores requeridos, pero el paraguas queda parcialmente oculto detrás de la bicicleta y el perro, lo que hace que el objeto concreto solicitado resulte menos claro.
Veredicto: Ambos resultados son válidos. «Omni» convierte la lista de comprobación en una respuesta visual más clara y es la que más se acerca a la finalización literal de la indicación.
Ver el mensaje exacto
Crea un vídeo realista de 6 segundos, en formato 16:9 y 720p. Una bicicleta roja está apoyada contra una pared azul. Un perrito blanco está sentado a su lado. Hay un paraguas amarillo abierto en el suelo. Nieva ligeramente. La cámara permanece fija, sin zoom. Mantén los tres objetos visibles durante todo el vídeo.
Prueba 4: Física y realismo de las colisiones
Por qué es importante esta prueba
Los errores de física suelen ocultarse en el movimiento de los fluidos. En este caso, se puede examinar la secuencia: una canica rueda por una pista en espiral, toca tres campanas y se detiene. Buscamos una gravedad realista, un contacto en el momento adecuado, una geometría estable de los objetos y una parada que parezca natural, en lugar de animada a propósito.
| Métrico | Gemini Omni Flash | Veo 3.1 Rápido |
|---|---|---|
| Archivo de salida | 6,02 s · 1280×720 · 24 FPS · AAC | 8,00 s · 1280×720 · 24 FPS · AAC |
| Tiempo de recorrido con conexión | 32,0 s | 87,5 s |
| Coste aproximado de la lista de archivos entregados | $0.60 | $0.80 |
| Cumplimiento inmediato | 3.3 | 2.8 |
| Calidad visual | 4.2 | 4.3 |
| Realismo de movimiento | 3.6 | 3.1 |
| Coherencia temporal | 4.0 | 3.2 |
| Coincidencia de audio | 3.3 | 3.4 |
| Total ponderado | 3.810/5 | 3.365/5 |
La bola de mármol recorre un camino continuo de madera y aparecen tres campanas, pero los tres impactos separados y la parada final no quedan claramente definidos.
Los objetos parecen pulidos, pero las campanas aparecen mediante una transición difuminada y el mármol parece pasar por debajo de ellas sin que se aprecien tres colisiones claras.
Veredicto: Omni es la secuencia que presenta menos fallos, pero no es una solución física en la que confiaríamos. Ninguno de los dos modelos completa de forma fiable las tres colisiones y la parada final.
Ver el mensaje exacto
Crea un vídeo de 6 segundos con un primer plano, en formato 16:9 y 720p. Una canica de cristal rueda por una pista en espiral de madera, choca suavemente contra tres campanillas metálicas y, a continuación, se detiene al llegar al final. Gravedad realista, colisiones creíbles, forma estable del objeto y poca profundidad de campo.
Prueba 5: Movimiento de cámara cinematográfico
Por qué es importante esta prueba
Una toma fluida con el dron permite comprobar si el modelo es capaz de interpretar un espacio tridimensional continuo. Los cortes bruscos, las paredes de los cañones que parecen de goma o un río que aparece sin una línea de visión plausible pueden crear un efecto espectacular sin que exista un control real de la cámara.
| Métrico | Gemini Omni Flash | Veo 3.1 Rápido |
|---|---|---|
| Archivo de salida | 6,02 s · 1280×720 · 24 FPS · AAC | 8,00 s · 1280×720 · 24 FPS · AAC |
| Tiempo de recorrido con conexión | 28,2 s | 91,5 s |
| Coste aproximado de la lista de archivos entregados | $0.60 | $0.80 |
| Cumplimiento inmediato | 4.6 | 3.8 |
| Calidad visual | 4.4 | 4.8 |
| Realismo de movimiento | 4.3 | 4.4 |
| Coherencia temporal | 4.1 | 4.5 |
| Coincidencia de audio | 3.8 | 3.8 |
| Total ponderado | 4.390/5 | 4.235/5 |
La toma comienza desde lo alto, desciende entre las paredes del cañón y revela el río al final. Sigue al pie de la letra la gramática visual solicitada, salvo por un pequeño defecto en la transición.
La imagen es más rica y el movimiento de cámara es fluido, pero el río se ve desde el primer fotograma, lo que resta fuerza al efecto de revelación deseado.
Veredicto: Veo se lleva el premio a la mejor imagen; Omni gana en la categoría de «historia con cámara dirigida» y supera la prueba por un estrecho margen.
Ver el mensaje exacto
Crea una toma cinematográfica de 6 segundos con un dron, en formato 16:9 y 720p. La cámara comienza sobre un cañón desértico, desciende suavemente entre dos paredes rocosas y, a continuación, muestra un pequeño río al atardecer. Movimiento fluido de la cámara, sin cortes bruscos, escala realista e iluminación cálida y natural.
Prueba 6: Audio nativo y adaptación a la escena
Por qué es importante esta prueba
La calidad del audio no se reduce simplemente a “¿hay sonido? Sí”. El vertido debe coincidir con el chorro de leche, la cafetería debe transmitir una sensación de tranquilidad, no de vacío, y la modelo debe respetar la indicación de evitar la música. También revisamos la mano, la taza y la espuma, ya que el audio no puede compensar un primer plano fallido.
| Métrico | Gemini Omni Flash | Veo 3.1 Rápido |
|---|---|---|
| Archivo de salida | 6,02 s · 1280×720 · 24 FPS · AAC | 8,00 s · 1280×720 · 24 FPS · AAC |
| Tiempo de recorrido con conexión | 27,8 s | 106,7 s |
| Coste aproximado de la lista de archivos entregados | $0.60 | $0.80 |
| Cumplimiento inmediato | 3.6 | 4.0 |
| Calidad visual | 4.6 | 4.5 |
| Realismo de movimiento | 4.5 | 4.5 |
| Coherencia temporal | 4.5 | 4.6 |
| Coincidencia de audio | 2.3 | 4.0 |
| Total ponderado | 4.120/5 | 4.265/5 |
El vertido y el patrón del café con leche, que va cambiando, son visualmente excelentes. La pista de audio grabada es extremadamente silenciosa, lo que la hace menos útil sin un procesamiento posterior.
La jarra, el chorro, la taza y el patrón de espuma final se mantienen estables a lo largo de la toma más larga. Su pista de audio tiene un nivel y un rango dinámico considerablemente mayores.
Veredicto: La competición visual está reñida, pero Veo cumple mejor con este encargo, en el que prima el audio. El veredicto se basa en la presencia de la pista, el nivel medido y la actividad de frecuencias, más que en una afirmación sin fundamento sobre cada elemento sonoro concreto.
Ver el mensaje exacto
Crea un vídeo de 6 segundos con audio natural, formato 16:9 y resolución 720p. Un barista vierte leche vaporizada en una taza de café en una cafetería tranquila. El sonido debe incluir el suave sonido de la leche al verterse, el ambiente discreto de la cafetería y no debe haber música. Plano de primer plano, con movimiento realista de la espuma.
Prueba 7: Precisión en la representación del texto
Por qué es importante esta prueba
La frase solicitada es lo suficientemente corta como para que no haya dónde esconderla. El modelo debe reproducir “AI VIDEO TEST” exactamente, mantenerla legible durante un zoom de acercamiento y conservar las letras a lo largo del tiempo mientras una persona pasa por delante sin tapar el cartel.
| Métrico | Gemini Omni Flash | Veo 3.1 Rápido |
|---|---|---|
| Archivo de salida | 6,02 s · 1280×720 · 24 FPS · AAC | 8,00 s · 1280×720 · 24 FPS · AAC |
| Tiempo de recorrido con conexión | 28,3 s | 100,9 s |
| Coste aproximado de la lista de archivos entregados | $0.60 | $0.80 |
| Cumplimiento inmediato | 4.5 | 3.6 |
| Calidad visual | 4.2 | 4.3 |
| Realismo de movimiento | 4.0 | 3.9 |
| Coherencia temporal | 4.7 | 4.3 |
| Coincidencia de audio | 3.0 | 3.0 |
| Total ponderado | 4.315/5 | 3.860/5 |
“AI VIDEO TEST” se mantiene nítido y legible durante el acercamiento. El transeúnte se superpone a una pequeña parte del cartel, por lo que la indicación de «no obstaculizar» no se cumple a la perfección.
La composición es, en general, estable, pero la persona tiene una complexión mucho más corpulenta y tapa una mayor parte del cartel durante el paso.
Veredicto: Omni conserva el texto y la composición prevista de forma más fiable, aunque ninguno de los dos resultados cumple a la perfección la cláusula de «no bloqueo».
Ver el mensaje exacto
Crea un vídeo de 6 segundos, en formato 16:9 y 720p. En la pared de un estudio se ve un cartel blanco liso en el que aparece exactamente este texto: “AI VIDEO TEST”. Una persona pasa por delante del cartel sin taparlo. La cámara se acerca lentamente. El texto debe seguir siendo legible y no debe modificarse.
Prueba 8: Realismo macro creativo
Por qué es importante esta prueba
Un diminuto robot chef combina un tema imaginativo con un estilo fotográfico realista. El resultado debe evitar caer en una estética de dibujos animados, al tiempo que mantiene estable el cuerpo del robot, permite seguir con claridad la acción de preparar el pastel y consigue que los efectos delicados, como el vapor y las partículas de harina, resulten físicamente convincentes.
| Métrico | Gemini Omni Flash | Veo 3.1 Rápido |
|---|---|---|
| Archivo de salida | 6,02 s · 1280×720 · 24 FPS · AAC | 8,00 s · 1280×720 · 24 FPS · AAC |
| Tiempo de recorrido con conexión | 30,8 s | 93,0 s |
| Coste aproximado de la lista de archivos entregados | $0.60 | $0.80 |
| Cumplimiento inmediato | 3.9 | 4.4 |
| Calidad visual | 4.5 | 4.8 |
| Realismo de movimiento | 4.0 | 4.4 |
| Coherencia temporal | 3.4 | 4.5 |
| Coincidencia de audio | 3.5 | 3.5 |
| Total ponderado | 4.050/5 | 4.345/5 |
El robot, la tarta, el vapor y el estilo macro resultan atractivos, pero varios cambios bruscos en las tomas hacen que el cuerpo del robot pierda coherencia entre las distintas perspectivas.
El chef esquelético sigue siendo reconocible, mientras que la tarta, el vapor, la harina, los utensilios y la escala en miniatura conforman una composición más coherente.
Veredicto: Veo ofrece una historia en miniatura más sólida y un protagonista más estable.
Ver el mensaje exacto
Crea un vídeo cinematográfico de 6 segundos, en formato 16:9 y 720p. Un pequeño robot cocinero prepara una tarta de fresas en una cocina en miniatura. El estilo debe ser de fotografía macro realista, no de dibujos animados. El vapor se eleva de una pequeña olla, las partículas de harina flotan en el aire y el cuerpo metálico del robot se mantiene inalterado.
La adherencia y la velocidad de Omni superan el resultado de Veo por 0,115 puntos.
Ha superado cinco pruebas; destaca por su estricto cumplimiento de las instrucciones y su rapidez en el recorrido.
Tres victorias en las pruebas; destaca por su acabado visual, su consistencia y su sonido.
| Puntuación media de la dimensión | Omni Flash | Veo 3.1 Rápido | Líder |
|---|---|---|---|
| Cumplimiento inmediato | 4.100 | 3.763 | Omni |
| Calidad visual | 4.313 | 4.538 | Veo |
| Realismo de movimiento | 4.025 | 3.950 | Omni |
| Coherencia temporal | 3.988 | 4.238 | Veo |
| Coincidencia de audio | 3.263 | 3.538 | Veo |
| Velocidad y fiabilidad | 5.000 | 3.500 | Omni |
| Usabilidad práctica | 4.138 | 4.175 | Veo, empate ajustado |
| Total ponderado | 4.124 | 4.009 | Omni |
Cómo leer esto: La puntuación global premia el hecho de conseguir la toma solicitada, no solo el resultado de la imagen más bonita. La ventaja visual de Veo es real; la capacidad de Omni para seguir instrucciones y su rapidez de ejecución resultaron ligeramente más valiosas según este criterio.
La misma resolución de 720p, pero con una duración y un tiempo de espera diferentes
| Resultado de la tanda medida | Gemini Omni Flash | Veo 3.1 Rápido |
|---|---|---|
| Resolución oficial de 720p | $0,10/segundo | $0,10/segundo |
| Tiempo medio de recorrido de extremo a extremo | 29,29 s | 97,40 s |
| Duración media de devolución | 6,02 s | 8,00 s |
| Precio de catálogo aproximado por archivo entregado | $0.60 | $0.80 |
| Coste aproximado de un lote de ocho expedientes | $4.80 | $6.40 |
| Salidas guardadas y descodificables | 8/8 | 8/8 |
Límite: En estos tiempos se mide nuestro flujo de trabajo conectado, no una infraestructura basada únicamente en modelos. La ruta Veo devolvió archivos de ocho segundos para solicitudes de seis segundos; eso elevó la estimación del tiempo de entrega del archivo, pero no debe generalizarse hasta afirmar que Veo no puede generar resultados en seis segundos.
La gran diferencia: iteración frente a control de producción
La batalla de los benchmarks puede hacer que esta comparación parezca una carrera por ver quién consigue el primer render más bonito. En la práctica, los modelos se diferencian de forma más marcada una vez que se obtiene ese primer render.
Omni Flash se basa en la idea de que puedes cambiar de opinión
A través de API de Interacciones de Google, una sesión de Omni recuerda el vídeo generado anteriormente. Puedes solicitar que se modifique la iluminación, se elimine un objeto, se cambie el fondo o se altere el estilo sin necesidad de volver a subir y describir toda la escena. Google afirma que los desarrolladores pueden encadenar hasta tres ediciones consecutivas. Esto convierte la indicación, que antes era un breve resumen de producción de una sola toma, en el inicio de una conversación.
La contrapartida es que el límite actual de la API de Omni es fijo. Genera una resolución de 720p, no puede ampliar una escena, no puede interpolar entre un primer fotograma y un último fotograma especificados, y no acepta referencias de audio subidas. Su valor reside en la iteración controlable dentro de un clip corto, no en abarcar todas las fases de un proceso de producción de vídeos de larga duración.
Veo 3.1 se basa en la definición y ampliación del plano
Veo te ofrece controles que resultan fundamentales cuando el formato de entrega final ya está definido. Puedes orientar a un sujeto con imágenes de referencia, especificar el fotograma inicial y final, elegir una salida con mayor resolución y ampliar un clip generado por Veo en intervalos de siete segundos. Google permite hasta 20 ampliaciones, aunque la resolución de la ampliación se limita a 720p y cada continuación supone una oportunidad más de que la identidad o el movimiento se desvíen.
Por eso, a la pregunta “¿Qué modelo es mejor?” hay dos respuestas válidas. Omni es más fácil de recomendar cuando el trabajo es exploratorio y requiere muchas revisiones. Veo resulta más atractivo cuando el encargo exige un resultado final definido: una toma de 8 segundos en 4K, una transición controlada entre fotogramas o una secuencia que debe continuar más allá del clip original. Estás eligiendo un bucle creativo, no solo un motor de renderizado.
Para profundizar en el tema del sonido nativo, consulta Cómo gestiona el audio el Veo 3.1. Para los flujos de trabajo de las extensiones, nuestra guía sobre Veo 3.1: duración del vídeo explica cómo las generaciones cortas se convierten en secuencias más largas.
¿Qué modelo deberías utilizar?
Como primera opción general, nuestros datos apuntan a Gemini Omni Flash. Ha ganado la prueba comparativa, lidera las dos clasificaciones actuales de Artificial Analysis citadas anteriormente y ha alcanzado un resultado válido aproximadamente tres veces más rápido siguiendo nuestro método. Esa recomendación cambia cuando se prioriza un acabado cinematográfico estable, un audio de mayor calidad, 4K, el control de fotogramas o la extensión por encima de una ejecución precisa en formato corto.
Elige Gemini Omni Flash cuando la iteración sea el producto
Omni es la opción más adecuada para conceptos rápidos, vídeos para redes sociales, indicaciones limitadas, texto legible, transformaciones basadas en referencias y equipos que prevén que las instrucciones cambien tras ver el primer resultado. Ganó cinco de nuestras ocho tareas y obtuvo una puntuación media de 4,100/5 en cuanto al cumplimiento de las instrucciones. Su ventaja en cuanto a la preferencia del público proporciona a ese flujo de trabajo un sólido punto de partida: no tienes que conformarte con una calidad de primera generación claramente inferior solo para ganar en comodidad a la hora de editar.
Elige Veo 3.1 Fast cuando la rapidez de finalización sea más importante que el tiempo de respuesta
Fast es la alternativa directa más adecuada a Omni a 720p. Se impuso en las pruebas de «producto-comercial», «café-audio» y «creativo-macro», y lideró la media de calidad visual con 4,538 frente a 4,313. Elígelo cuando un sujeto protagonista estable y una primera impresión pulida sean más importantes que la sincronización literal o la respuesta más rápida en la ruta conectada. Además, te permite permanecer dentro de una familia que puede pasar a resoluciones más altas y controles de toma más estructurados cuando el proyecto lo requiera.
Elige la norma Veo 3.1 cuando el límite máximo de salida justifique la prima
El nivel «Estándar» no es la opción predeterminada más sensata para todos los clips cortos. Es el nivel que hay que tener en cuenta cuando la toma es lo suficientemente importante como para que la máxima calidad de renderizado y la entrega en 4K primen sobre el coste de las iteraciones. Se trata de una decisión de producción, no de una decisión basada en pruebas de rendimiento: una opción en 4K solo tiene valor si el canal de distribución final, el montaje y el público pueden apreciar la diferencia.
Utilízalas cuando la creación y la revisión sean fases distintas
Un flujo de trabajo mixto puede resultar más práctico que la fidelidad a una sola marca. Veo permite definir una toma principal de alta resolución o controlada por fotogramas; Omni se encarga de la generación rápida de formatos cortos y de los cambios conversacionales en los vídeos subidos compatibles. La limitación es regional y técnica —la edición de vídeos subidos no está disponible a través de la API de Omni en el EEE, Suiza y el Reino Unido—, por lo que esto debe considerarse como un flujo de trabajo que hay que validar, y no como una garantía de que todas las interfaces ofrezcan todas las funciones.
Dónde encaja GlobalGPT en el flujo de trabajo
GlobalGPT resulta especialmente útil cuando el trabajo comienza antes de que exista la indicación final del vídeo. Permite mantener la planificación, el desarrollo de las indicaciones, la generación y la comparación de modelos en un único espacio de trabajo, en lugar de dividir el proceso entre varias aplicaciones.
- Elabora el briefing: Utiliza modelos como el GPT-5.6 Sol, el Claude Opus 4.8 o el Gemini 3.1 Pro para convertir un concepto inicial en requisitos claros sobre el tema, la cámara, el movimiento, el estilo y el sonido.
- Crear y comparar borradores: Utiliza Gemini Omni Flash para generar animaciones rápidas y sensibles a las instrucciones, o prueba Sora 2, Kling 3.0 y Seedance 2.0 cuando un estilo de movimiento o un perfil de costes diferentes se adapten mejor al proyecto.
- Pasa a un pase pulido: Utiliza el Veo 3.1 cuando el acabado cinematográfico y la estabilidad del sujeto sean más importantes que la mayor rapidez de ejecución.
Con la facturación anual, la versión Pro cuesta $10,80/mes y abarca casi todos los modelos de vídeo, excepto el Veo 3.1. «Unlimited» es $25/mes y añade el acceso Veo 3.1, lo que lo convierte en la mejor opción cuando se desea disponer de un flujo de trabajo de comparación completo. El página de precios enumera el acceso completo a los modelos para cada plan.
En el caso de los proyectos que dependan de controles específicos de 4K, de extensión o de fotograma, comprueba esos ajustes en el flujo de trabajo oficial de la API correspondiente antes de la producción.
Limitaciones de esta comparación
- Probamos la versión Veo 3.1 Fast, no la Veo 3.1 Standard ni la Lite. Las características filogenéticas oficiales se indican por separado de las pruebas empíricas.
- Uno de los resultados es realista, pero no es estadísticamente exhaustivo. La regla de «no repetir tirada» refleja la sensación de pagar por un primer intento, mientras que una nueva tirada podría ser diferente.
- La latencia de extremo a extremo incluye la ruta de conexión. No debe interpretarse como una promesa universal sobre la infraestructura de Google ni sobre todos los proveedores.
- La ruta Veo devolvió archivos de ocho segundos para solicitudes de seis segundos. Hemos clasificado y valorado los archivos que nos han llegado, pero no consideramos que esta discrepancia en los conectores sea una prueba de que el Veo carezca de salida de seis segundos.
- La revisión del audio se basa, en parte, en los instrumentos. Hemos comprobado las pistas de AAC, el volumen, los picos y la actividad de frecuencia; no afirmamos haber identificado de oído todas las señales solicitadas.
- La prueba compartida consiste en la conversión de texto a vídeo a 720p. Las funciones «imagen a vídeo», «edición conversacional», «generación del primer y último fotograma», «extensión» y «4K» se consideran comparaciones de características oficiales, salvo que se hayan probado por separado.
- Las clasificaciones públicas cambian. Los resultados del análisis artificial son una instantánea obsoleta, y Google también puede revisar los modelos de vista previa antes del lanzamiento de la versión estable.
Preguntas frecuentes
¿Es el Gemini Omni Flash mejor que el Veo 3.1?
Según nuestros resultados, Gemini Omni Flash es la mejor opción predeterminada para vídeos de 720p sensibles a las instrucciones. Superó a Veo 3.1 Fast 5-3 por 4,124/5 frente a 4,009/5 en nuestra prueba de primera salida, y lidera las clasificaciones actuales de Artificial Analysis en la conversión de texto a vídeo y de imagen a vídeo con audio. Veo sigue siendo más sólido en cuanto a estabilidad cinematográfica y variedad de flujos de trabajo, incluyendo 1080p, 4K, generación del primer y último fotograma y ampliación.
¿Es «Veo 3.1 Fast» lo mismo que «Veo 3.1»?
El n.º Veo 3.1 Fast es la variante de la misma familia centrada en la velocidad. Es compatible con el audio nativo y con muchos de los controles de generación básicos de la familia, pero su precio y su objetivo de optimización difieren de los de la versión Standard. Los resultados prácticos de Fast no deben presentarse como una prueba directa del modo de máxima calidad de la versión Standard.
¿Cuál es más barato, el Gemini Omni Flash o el Veo 3.1?
A 720p, Omni Flash y Veo 3.1 Fast tienen la misma velocidad oficial de API de $0,10 por segundo. En nuestro lote, Omni generó archivos de unos seis segundos por aproximadamente $0,60 cada uno, mientras que la ruta Veo probada generó archivos de ocho segundos por aproximadamente $0,80 cada uno. Veo Lite es más barato; Veo Standard y los modos de mayor resolución de Veo cuestan más.
¿El Omni Flash Gemini es compatible con vídeo 4K?
No. En la página actual del modelo de Google, la resolución de salida de Omni Flash figura como 720p a 24 FPS. Los modelos Veo 3.1 y Veo 3.1 Fast pueden generar 4K en los modos de ocho segundos compatibles, mientras que el Veo 3.1 Lite alcanza un máximo de 1080p.
¿Se pueden editar vídeos ya grabados con el Omni Flash Gemini?
Sí. Omni Flash admite la edición conversacional con estado y permite editar vídeos subidos a través de la API de archivos. La edición de vídeos subidos no está disponible en el EEE, Suiza ni el Reino Unido, y la API actual no admite la edición de voz, la ampliación de vídeos ni las referencias de audio subidas.
¿Generan audio el Gemini Omni Flash y el Veo 3.1?
Sí. Ambos generan una pista de audio junto con el vídeo. En nuestra prueba en la cafetería, la pista guardada por Veo tenía un nivel considerablemente más alto y una dinámica más amplia, mientras que la de Omni era extremadamente silenciosa. Las instrucciones siguen siendo importantes: describe explícitamente los diálogos, el ambiente, la música o los sonidos no deseados. Google afirma que no se cobran las salidas de Veo bloqueadas por el procesamiento de audio o los controles de seguridad.
¿Se puede descargar gratis la versión Veo 3.1?
La tabla de precios de la API para desarrolladores de Gemini no incluye Veo 3.1 en su nivel gratuito. El acceso a través de Google AI Studio, Gemini, Flow, suscripciones o plataformas de terceros es un tema aparte, ya que cada interfaz tiene sus propios límites y normas de planes.
¿Puedo utilizar los vídeos de Veo 3.1 con fines comerciales?
El uso comercial depende de las condiciones del servicio a través del cual se generó el vídeo, de los derechos sobre tu texto de referencia y los recursos de referencia, así como de la legislación local. Revisa las condiciones aplicables antes de utilizar un clip en publicidad de pago o en trabajos para clientes; nuestro Veo 3.1: guía de uso comercial aborda esa cuestión en profundidad.
Veredicto final
El Gemini Omni Flash es nuestro ganador absoluto en esta comparativa. Ganó cinco de las ocho tareas de primera salida, obtuvo una puntuación de 4,124/5 frente a los 4,009/5 de Veo 3.1 Fast, siguió más fielmente las instrucciones restringidas y fue mucho más rápido a lo largo de la ruta probada. La diferencia es demasiado pequeña como para considerar que Veo sea obsoleto o inferior en todos los aspectos: Veo generó el mejor anuncio publicitario, el resultado de audio más sólido y la escena macro más coherente.
La decisión práctica es clara. Utiliza Omni cuando necesites un clip corto y fiel rápidamente y preveas revisarlo de forma coloquial. Utiliza Veo cuando el acabado cinematográfico, la estabilidad del sujeto, la entrega en 4K, el control del primer y último fotograma o la posibilidad de ampliar el metraje tengan más valor que una entrega exacta de seis segundos y una iteración rápida. Omni se lleva la victoria en la prueba que hemos realizado; Veo sigue ofreciendo un abanico más amplio de herramientas de producción.
Prueba el flujo de trabajo con tu propia indicación: Abierto GlobalGPT, esboza el concepto con un modelo de chat, conviértelo en una indicación de vídeo más concreta y, a continuación, procesa el resumen con Gemini Omni Flash, Veo 3.1 u otro modelo de vídeo que se adapte a la escena. Si estás dudando entre varias opciones, el página de precios enumera los modelos exactos disponibles en cada paquete.
