谷歌把视频生成的计价单位，从「一条」改成了「一秒」。
发生了什么
据 MarkTechPost 报道，谷歌发布 Gemini Omni 1.2 Flash，这是一款同时覆盖视频生成与编辑的模型。官方披露的关键点有三个：原生 15 秒片段、多轮对话式编辑，以及约 30% 的降价——720p 视频定价降至每秒 0.07 美元。
「原生 15 秒」和「拼接 15 秒」是两件事。前者意味着模型在单次生成中维持时序一致性，而不是把多个短片段缝起来；后者常见的后果是人物、光线、镜头运动在接缝处跳变。
「多轮对话式编辑」则把视频从一次性产物变成可迭代对象：用户可以用自然语言追加修改，而不必重新生成整段。
为什么重要
过去一年视频生成模型的竞争焦点在画质和时长，但真正决定它能否进入生产流程的，是成本结构与可控性。
按秒计价是一个信号。它把视频生成拉进与传统云服务、渲染农场同一套成本核算体系：一条 15 秒 720p 片段按此价格约为 1 美元出头，这个量级让「批量试错」在财务上变得可行——而试错次数，恰恰是创作者能否拿到可用素材的关键变量。
降价 30% 本身不算激进，但结合 Flash 这一命名，可以看出谷歌的产品分层意图：把高质量、高价格的能力留给 Pro 系列，用 Flash 承接高频、低成本、可大量调用的场景。这与它在文本模型上的双线策略一致。
多轮编辑的价值同样在于成本。重新生成一段视频要付全价，而在已有结果上做局部修改，理论上更省。这也是所有视频模型厂商都在争夺的入口：谁先让「改」比「重做」更便宜，谁就更容易被工作流接纳。
影响与看点
对开发者而言，按秒计价让视频能力更容易嵌入产品——广告素材批量变体、电商短视频、社交内容本地化，都可以按调用量做成本模型，而不是按项目报价。
对创作者而言，15 秒是一个务实但仍有局限的长度。它足够覆盖多数短视频平台的单条素材，却还撑不起叙事性内容；真正的分水岭在于模型能否在更长时长上保持一致性，以及多轮编辑会不会累积画质衰减。
值得关注的还有竞争维度。视频生成的比拼正在从「谁的 demo 更惊艳」转向「谁的单价更低、谁的编辑更听话」。这是一个更枯燥但更决定市场格局的战场。
一个独立判断：按秒定价的真正意义不在便宜，而在于它把视频生成从「创意工具」重新定义为「可计量的基础设施」——一旦进入这个框架，竞争规则就不再由画质单方面决定。
