Cennik API Gemini Omni: co wiemy, co zastępuje i ile będzie kosztować (maj 2026)

Cennik API Gemini Omni: co wiemy, co zastępuje i ile będzie kosztować (maj 2026)

Google zaprezentował Gemini Omni na I/O 2026 około pięciu godzin temu, a wiersz z cenami API Gemini Omni na własnej stronie cennika Google jest dosłownie pusty. Poniżej znajdziesz to, co wiemy dzisiaj, wyliczenia prognozujące jutrzejsze stawki oparte na Veo 3.1 i Gemini 3.5 Flash oraz czteromodelowy stos, który Omni sprowadza do jednego wywołania. Ostatnia weryfikacja: 2026-05-19. Zaktualizuję ten wpis w dniu, w którym Google opublikuje stawki API.

Szybka odpowiedź: Cennik API Gemini Omni nie jest jeszcze publiczny według stanu na 19 maja 2026 r. Dostęp konsumencki zaczyna się od 20 USD/mies. (AI Plus), 30 USD/mies. (AI Pro) i 100 USD/mies. (AI Ultra). Wdrożenie API w Vertex AI spodziewane jest w ciągu kilku tygodni. W oparciu o Veo 3.1 i Gemini 3.5 Flash prognozowane stawki API wynoszą 1,50–2,50 USD za 1 mln tokenów wejściowych oraz 0,20–0,60 USD za sekundę wyjścia wideo.

Czym jest Gemini Omni?

Gemini Omni to pierwszy „any-to-any” multimodalny model Google, ogłoszony na I/O 2026, 19 maja 2026 roku. Przyjmuje tekst, obraz, dźwięk i wideo jako dane wejściowe, a obecnie generuje wideo (wyjście obrazu i dźwięku jest obiecane „z czasem”, zgodnie z własnym sformułowaniem Google). W momencie premiery dostępne są dwa warianty: Omni Flash do szybkich, 10-sekundowych klipów oraz Omni Pro do dłuższych materiałów o wyższej wierności.

Oto, co czyni go interesującym z perspektywy projektowania stosu technologicznego. Omni nie dodaje funkcji do linii Gemini. Łączy cztery osobne modele w jedno wywołanie API. To, co wcześniej było generowaniem tekstu, analizą obrazu, zamianą mowy na tekst i syntezą wideo, staje się pojedynczym żądaniem. Model zbudowano w oparciu o fundament wideo Veo 3.1, więc poprzeczka jakości wideo jest już ustawiona (i tak, każdy wynik zawiera znak wodny SynthID, zgodnie z ogłoszeniem premiery Omni od Google).

Kilka szczegółów, które warto znać, zanim przeczytasz resztę tego wpisu:

• Limit 10-sekundowych klipów w Omni Flash to coś, co Google nazywa „decyzją wdrożeniową, a nie ograniczeniem modelu”. Czytaj: prawdopodobnie urośnie.
• Karta modelu od DeepMind potwierdza wejście w postaci tekstu + obrazu + dźwięku + wideo oraz obecnie wyłącznie wyjście wideo.
• Zarówno analiza TechCrunch, jak i szczegóły premiery od 9to5Google wskazują plan „więcej modalności wyjściowych, później” jako ważniejszy wątek.

Jeśli trafiłeś tu po cennik, następna sekcja to szczera część, po którą przyszedłeś. Jeśli przyszedłeś po obliczenia prognoz, przeskocz dwie sekcje niżej.

Ile kosztuje dziś Gemini Omni API? (Spoiler: na razie nic)

Cennik Gemini Omni API nie został jeszcze opublikowany. Oficjalna strona cennika Google pod adresem ai.google.dev/gemini-api/docs/pricing (zweryfikowano 19 maja 2026 r.) wymienia każdy model Gemini OPRÓCZ Omni. Ten wiersz jest pusty. Dostęp konsumencki działa już poprzez plany aplikacji Gemini; dostęp do API przez Vertex AI ma pojawić się „w nadchodzących tygodniach", zgodnie z własnym sformułowaniem Google użytym przy premierze.

Sprawdziłem stronę cennika o 8:00 czasu ET, a potem ponownie o 13:00 czasu ET. Za obu razami wynik był ten sam. Strona wymienia 14 modeli Gemini. Omni nie jest jednym z nich. Jeszcze.

Źródło: ai.google.dev/gemini-api/docs/pricing, zweryfikowano 2026-05-19.

Jedyne liczby dotyczące Omni, jakie istnieją dziś, to abonamenty na poziomie konsumenckim:

• AI Plus: $20/mies.
• AI Pro: $30/mies.
• AI Ultra: $100/mies.

Na blogu o subskrypcjach AI Google opisuje, co odblokowuje każdy z planów. Ścieżka dostępu do API jest jak zwykle podzielona: Vertex AI dla zobowiązań korporacyjnych (prawdopodobnie pojawi się jako pierwszy) oraz AI Studio w modelu płatności za rzeczywiste użycie (zwykle pojawia się kilka tygodni później). Nie opublikowano jeszcze żadnych informacji o darmowym planie dla Omni. Analiza VentureBeat dla firm potwierdza sformułowanie o „nadchodzących tygodniach". To najsilniejszy sygnał dotyczący harmonogramu, jakim dysponujemy.

Jeśli więc szukałeś dziś „Gemini Omni API pricing" i przeskakiwałeś przez pięć kart z nieaktualnymi tabelami Gemini 3.1 Pro, to nie z Tobą jest problem. Cennik po prostu jeszcze nie istnieje.

Ile naprawdę będzie kosztować Gemini Omni API? (Matematyka prognoz)

Prognozowane ceny Gemini Omni API, interpolowane na podstawie Veo 3.1 (0,05–0,60 USD/s wyjście) i Gemini 3.5 Flash (1,50/9 USD na 1 mln tokenów): wariant niski 1,50 USD wejście / 0,20 USD/s wyjście, wariant średni 2,00 USD wejście / 0,40 USD/s wyjście, wariant wysoki 2,50 USD wejście / 0,60 USD/s wyjście na 1 mln tokenów. Wejście audio prognozowane jest na 3–5 USD na 1 mln tokenów. Każda podana tu liczba jest prognozą, a nie potwierdzoną ceną.

Oto jak do tego doszliśmy. Veo 3.1 pobiera obecnie 0,40 USD za sekundę wyjścia wideo, a Omni Pro jest zbudowany na tej samej podstawie wideo. Stawka sekundowa Omni Pro prawdopodobnie mieści się więc w przedziale Veo 3.1. Wejście/wyjście tekstu Gemini 3.5 Flash wynosi 1,50/9 USD na milion tokenów; wejście/wyjście tekstu Omni Flash prawdopodobnie mieści się w zakresie 0,7–1,5× tej wartości, ponieważ Google historycznie wycenia nowe multimodalne warianty Flash w pobliżu ich tekstowych odpowiedników.

Wszystkie stawki podane na milion tokenów, o ile nie zaznaczono inaczej. Sprawdzone krzyżowo z cennikiem OpenAI i cennikiem Claude od Anthropic w celu ustalenia rozsądnych granic.

Kilka rzeczy, których można się spodziewać poza stawkami bazowymi:

• Poziomy Batch / Flex / Priority. Każdy inny model Gemini je oferuje. Batch zwykle obniża koszt o ~50%; Priority dodaje gwarancje opóźnień za dodatkową opłatą. Omni niemal na pewno odzwierciedla ten schemat.
• Ceny zależne od poziomu kontekstu. Gemini 3.1 Pro nalicza 2× powyżej 200 tys. tokenów. Omni prawdopodobnie przyjmie tę samą zasadę, szczególnie że liczba klatek wideo szybko zwiększa łączną liczbę tokenów.
• Tokenizacja wejścia audio. Audio jest rozliczane za token (zakodowany), a nie za sekundę. Przy obecnych stawkach Gemini to około 32 tokeny na sekundę audio, więc odpowiednio zaplanuj budżet. Opierając się na cenach Veo 3.1 i Gemini 3.5 Flash, Omni Flash będzie prawdopodobnie kosztować 1,50–2,50 USD za milion tokenów wejściowych oraz 0,20–0,60 USD za sekundę wygenerowanego wideo. Przeliczyliśmy to dwukrotnie (raz w oparciu wyłącznie o Veo, raz w ujęciu mieszanym z Flash) i widełki utrzymały się poniżej 0,50 USD/s w górnym pułapie. Gdy Omni trafi na rynek, warto inteligentnie kierować żądania, a nasz przewodnik po obniżaniu kosztów API LLM omawia routing przez bramkę oraz warstwy cache, które warto zawczasu przygotować.

Prognozowane widełki cenowe Gemini Omni w porównaniu z mieszanymi stawkami wejście/wyjście konkurencji na dzień 19.05.2026. Wartości dla Omni zostały zinterpolowane na podstawie Veo 3.1 i Gemini 3.5 Flash; ten wykres zostanie zaktualizowany w dniu, w którym Google opublikuje oficjalne ceny.

Co zastępuje Gemini Omni? Arkusz redukcji stosu

Omni zastępuje wielomodelowy potok: GPT-4o do tekstu, GPT-4o Vision do oceny obrazów, Whisper do transkrypcji dźwięku oraz Veo 3.1 do generowania wideo. Typowy przepływ pracy dla 30-sekundowego filmu z narracją kosztuje obecnie około 12,27 USD i wymaga czterech wywołań API. Przy prognozowanych cenach Omni w wariancie średnim ten sam przepływ pracy spada do 4–18 USD za klip w pojedynczym wywołaniu (tak, górny pułap jest szerszy, niż byście chcieli, ale czytajcie dalej).

W naszych potokach produkcyjnych stosujemy obecnie dokładnie ten czterostopniowy schemat dla klienckich przepływów pracy z filmami objaśniającymi. Oto na co idą pieniądze dzisiaj w porównaniu z tym, na co szłyby w Omni Pro przy prognozowanych stawkach w wariancie średnim:


Oto szczere zastrzeżenie. Na górnym pułapie przedziału prognozy Omni Pro może w rzeczywistości być droższe za klip niż obecny potok czterech dostawców. Wideo wyjściowe to dominująca pozycja kosztowa, a jeśli Google wyceni Omni Pro na pełne 0,40+ USD/s jak Veo 3.1 (plus marża za tokeny wejściowe dla kontekstu wielomodalnego), przepływy pracy intensywnie wykorzystujące wideo mogą pierwszego dnia nie przynieść oszczędności w dolarach.

Skąd więc właściwie biorą się oszczędności? Wskazówka: jeśli płacisz dziś za Whisper + Vision + GPT-4o + Veo 3.1, Twoja prawdziwa wygrana z Omni to nie zawsze dolary. To pozbycie się 3 dostawców, 3 SDK i 3 SLA w jednym wywołaniu. To jest właśnie ta część, którą zatwierdzi CTO, a nie wyliczenia dla pojedynczego klipu. Opóźnienia spadają, kod obsługi błędów się kurczy, a logika ponawiania przestaje rozgałęziać się na cztery taksonomie błędów. Kiedy API zostanie udostępnione, warto przetestować Omni w teście A/B na tle obecnego stosu technologicznego — przy użyciu mirrorowania ruchu, a nie twardego przełączenia. Samouczek API Responses GPT-4o krok po kroku omawia dokładnie ten multimodalny stos, który Omni ma za zadanie scalić, a bramka LLM sprawia, że test równoległy jest prosty i nie wymaga przepisywania każdego miejsca wywołania.

Czy Gemini Omni opłaca się do automatyzacji Instagrama?

W automatyzacji Instagrama ograniczonej do podpisów GPT-4o-mini w cenie 0,15 USD/0,60 USD za 1 mln tokenów wciąż jest tańszy niż prognozowane stawki Omni: około 1,60 USD za 100 postów wobec 4–10 USD za 100 postów w średnim wariancie Omni. Omni wygrywa, gdy Twój przepływ pracy generuje również obraz lub wideo. W przypadku tekstowych podpisów do istniejących zdjęć pozostań przy łańcuchu GPT-4o-mini. To nie jest uniwersalna odpowiedź.

Przepływ pracy, który obecnie stosuje większość indie hackerów, to szablon automatyzacji Instagrama w n8n: n8n + generowanie podpisów przez GPT-4o-mini + ocena obrazów przez GPT-4o Vision + generowanie hashtagów przez GPT-4o-mini + publikowanie przez Buffer. Realne liczby na 100 postów dzisiaj:

• Podpisy (GPT-4o-mini, ~500 tokenów na wejściu / 100 na wyjściu × 100 postów): ~0,30 USD
• Ocena obrazów (GPT-4o Vision, 1 obraz × 100 postów): ~1,20 USD
• Generowanie hashtagów (GPT-4o-mini, ~200 tokenów × 100): ~0,10 USD
• Razem: ~1,60 USD za 100 postów samych kosztów API

Przy prognozowanych stawkach ze średniego wariantu Omni (jedno multimodalne wywołanie na post: obraz wejściowy plus generowanie tekstu, na wyjściu tylko tekst, bez wideo, które nie jest potrzebne do statycznych postów na Instagramie) wylądujesz gdzieś w przedziale 4–10 USD za 100 postów. To 2,5–6× drożej niż łańcuch GPT-4o-mini przy dokładnie takim samym rezultacie.

Uczciwy werdykt: jeśli generujesz Reels (wideo) na Instagrama, Omni będzie oczywistym wyborem w chwili udostępnienia API, ponieważ żadna z alternatyw nie zwraca 30-sekundowego wideo w jednym wywołaniu. Jeśli publikujesz statyczne obrazy z podpisami od AI, GPT-4o-mini wciąż wygrywa kosztowo o około 3×. Nie migruj dla samej migracji.

W przypadku statycznych postów na Instagramie GPT-4o-mini wciąż wygrywa kosztowo. Omni przejmuje prowadzenie tylko wtedy, gdy potrzebne jest wideo na wyjściu. Prognozowana wartość dla Omni oparta na stawkach ze średniego wariantu (połączenie Veo 3.1 + Gemini 3.5 Flash) według stanu na 19 maja 2026 r. Jeśli dopiero zaczynasz budować takie potoki, samouczek o agentach AI w n8n przeprowadzi Cię przez podstawy. W przypadku bardziej obciążonych przepływów pracy w agencjach, wzorce automatyzacji przepływów pracy AI dla przedsiębiorstw opisują logikę routingu, w którą wpiąć ma się Omni.

Gemini Omni kontra GPT-4o kontra Claude Sonnet 4.6: Szczere porównanie

Porównywanie dziś Gemini Omni z GPT-4o i Claude Sonnet 4.6 nie jest porównaniem jeden do jednego. Omni generuje wideo (pozostałe nie), GPT-4o obsługuje dźwięk w czasie rzeczywistym (Omni jeszcze nie), a Claude ma największe okno kontekstu do pracy z długimi dokumentami. Właściwe pytanie brzmi, które mocne strony modelu pasują do Twojego obciążenia, a nie który jest najtańszy.

Źródłowe stawki pobrano z cennika OpenAI i cennika Claude, zweryfikowano 19.05.2026.

Omni nie bije GPT-4o ani Claude pod względem ceny. Bije je pod względem pokrycia modalności. Jeśli potrzebujesz dziś wideo na wyjściu, Omni jest jedyną opcją z wielkiej trójki (Veo 3.1 wciąż wygrywa w czystym wideo, ale Omni dodaje warstwę multimodalnego wejścia). Jeśli potrzebujesz głosu w czasie rzeczywistym, GPT-4o wciąż rządzi w tej kategorii. Jeśli potrzebujesz okna kontekstu na 1M tokenów do przepływów pracy z dokumentami, Claude Opus 4.7 posunął sprawy jeszcze dalej. A w przypadku wrażliwych kosztowo zadań wsadowych, open-source'owe alternatywy multimodalne pokrywają tę samą kategorię przy zerowym koszcie za token (z własnymi kompromisami dotyczącymi konfiguracji i wydatków na GPU).

Kiedy NIE używać Gemini Omni

Pomiń Gemini Omni w przypadku przepływów pracy opartych wyłącznie na tekście (RAG, klasyfikacja, czat), potoków o dużej skali i niskiej marży (użyj Gemini 2.5 Flash-Lite lub GPT-4o-mini, 10–50× niższy koszt), aplikacji głosowych w czasie rzeczywistym (GPT-4o Realtime wciąż tu dominuje) oraz wszystkiego, co wymaga dostrajania. Omni jest przeznaczony do zadań, w których multimodalność JEST propozycją wartości, a nie tańszym sposobem na uruchomienie chatbota.

Konkretnie, pomiń Omni, jeśli:

• Twoje obciążenie jest wyłącznie tekstowe i wysokowolumenowe: użyj Gemini 2.5 Flash-Lite ($0,10/$0,40) lub GPT-4o-mini ($0,15/$0,60)
• Potrzebujesz głosu w czasie rzeczywistym: GPT-4o Realtime to wciąż właściwy wybór
• Potrzebujesz dostrajania: Veo 3.1 go nie obsługuje, a Omni jest zbudowany na tej samej podstawie, więc zakładaj brak dostrajania na starcie
• Potrzebujesz generowania obrazów już teraz: Imagen 4 lub DALL-E 3 (Omni na starcie generuje wideo, nie obrazy)
• Potrzebujesz wyjścia audio już teraz: ElevenLabs, OpenAI TTS lub Gemini TTS, ponieważ wyjście audio w Omni to kwestia „późniejsza"
• Potrzebujesz klipów dłuższych niż 10 sekund na Flash: poczekaj na poziom Pro lub użyj bezpośrednio Veo 3.1
• Twój UX wymaga odpowiedzi poniżej sekundy: wywołania multimodalne są wolniejsze niż tekstowe; zarezerwuj dodatkową opóźnienie

Zanim zamienisz choćby jedno wywołanie produkcyjne, przeprowadź benchmark Omni w porównaniu z obecnym stosem, korzystając ze wspólnego zestawu ewaluacyjnego. Omni to zły wybór dla chatbotów, klasyfikacji i RAG. To model do zadań multimodalnych, a nie model tanich tokenów.

Ściągawka migracyjna: od wielu wywołań do pojedynczego wywołania Omni

Gdy API zostanie udostępnione, migracja z potoku złożonego z 4 wywołań do pojedynczego wywołania Omni to zmiana kodu licząca około 15 wierszy. Poniższy kształt to pseudokod. Prawdziwe sygnatury SDK pojawią się wraz z API. Konwencja nazewnicza Google sugeruje gemini-omni-flash i gemini-omni-pro, na podstawie wzorca Veo 3.1.

Obecnie: cztery oddzielne wywołania u dwóch dostawców.

# DZIŚ: cztery wywołania API, dwóch dostawców, cztery taksonomie błędów
from openai import OpenAI
from google import genai

openai = OpenAI()
google = genai.Client()

transcript = openai.audio.transcriptions.create(model="whisper-1", file=audio)
vision = openai.chat.completions.create(model="gpt-4o", messages=[
    {"role": "user", "content": [{"type": "image_url", "image_url": image_url}]}])
caption = openai.chat.completions.create(model="gpt-4o", messages=[
    {"role": "user", "content": f"Caption for {vision.choices[0].message.content}"}])
video = google.models.generate_videos(model="veo-3.1", prompt=caption.choices[0].message.content)

Tomorrow (projected): one call to Omni.

# PROGNOZA: pojedyncze wywołanie Omni (pseudokod — właściwe SDK pojawi się wraz z API)
from google import genai

client = genai.Client()
response = client.models.generate_content(
    model="gemini-omni-flash",  # or "gemini-omni-pro" for longer clips
    contents=[text_prompt, image, audio, video_reference],
    config={"output_modality": "video", "duration_seconds": 10}
)

Gdy API zostanie udostępnione, migracja będzie polegać głównie na usuwaniu kodu. W dniu premiery zwróć uwagę na nazwę modelu i przypnij ją do stałej, aby móc przełączać się między omni-flash a omni-pro w zależności od obciążenia, bez dotykania miejsc wywołań. Obecny wzorzec Python SDK dla Gemini już obsługuje treści multimodalne, więc powyższa struktura wpasuje się bez problemu.

Jak Techsy podchodzi do migracji na Omni

Kiedy oceniamy u klientów jakąkolwiek wymianę stosu modeli, zadajemy trzy pytania: jaki jest budżet opóżeń, czy nowy model obsługuje modalności, z których faktycznie korzysta obciążenie, oraz czy istnieje korzyść z konsolidacji dostawców warta kosztu przebudowy. Dwa z tych pytań zwykle odpowiadają się same; trzecie to miejsce, w którym większość migracji zostaje namówiona do istnienia z niewłaściwego powodu.

Nie zalecamy dziś klientom przebudowy w oparciu o Omni. API nie jest jeszcze dostępne, ceny nie zostały opublikowane, a zakres prognoz to narzędzie planistyczne, a nie zielone światło do wdrożenia refaktoryzacji. To, co zrobilibyśmy teraz, to podpięcie warstwy bramy, która pozwoli przetestować Omni w wariancie A/B względem obecnego stosu w momencie udostępnienia API. Agresywnie cache'uj wywołania multimodalne (wejścia obraz + audio są na tyle deterministyczne, by często trafiać w cache) i utrzymuj flagę funkcji dla nazwy modelu.

Budujesz stos AI, który musi wchłaniać premiery modeli bez przepisywania co sześć tygodni? Umów się na bezpłatną konsultację, a sprawdzimy wytrzymałość tego, gdzie Omni pasuje (lub nie).

Najczęściej zadawane pytania

Ile kosztuje API Gemini Omni?

Na dzień 19 maja 2026 r. cennik API Gemini Omni nie został opublikowany. Na stronie cennika Google wymieniono wszystkie modele Gemini z wyjątkiem Omni. W oparciu o stawki Veo 3.1 i Gemini 3.5 Flash prognozowane ceny wynoszą 1,50–2,50 USD za 1 mln tokenów wejściowych oraz 0,20–0,60 USD za sekundę wygenerowanego wideo. Podane kwoty to prognozy, a nie potwierdzone stawki.

Kiedy zostanie udostępnione API Gemini Omni?

Google zapowiedziało na I/O 2026, 19 maja, że API trafi do użytkowników „w nadchodzących tygodniach". W przypadku nowych modeli Gemini dostęp zazwyczaj najpierw pojawia się w Vertex AI, a opcja pay-as-you-go w AI Studio udostępniana jest kilka tygodni później. Oficjalny wpis o premierze to kanoniczne źródło informacji o harmonogramie. Zaktualizujemy ten artykuł w dniu publikacji stawek.

Czy Gemini Omni jest tańszy niż GPT-4o?

To zależy od rodzaju zadań. W przypadku generowania wideo Omni jest jedyną opcją spośród wielkiej trójki, która oferuje generowanie w jednym wywołaniu, ponieważ GPT-4o nie tworzy wideo. W pracy wyłącznie z tekstem GPT-4o-mini w cenie 0,15 USD / 0,60 USD za 1 mln tokenów wypada mniej więcej 3× korzystniej niż prognozowane stawki Omni. Wybierz model odpowiadający modalnościom, które faktycznie generuje Twój potok.

Co Gemini Omni zastępuje w moim stosie technologicznym?

W przypadku multimodalnych przepływów pracy z wideo Omni zastępuje cztery osobne wywołania API: Whisper do transkrypcji, GPT-4o Vision do rozumienia obrazu, GPT-4o do generowania tekstu oraz Veo 3.1 do syntezy wideo. Największą korzyścią jest zazwyczaj pozbycie się trzech zestawów SDK od różnych dostawców, trzech umów SLA i trzech taksonomii błędów — a nie same oszczędności w dolarach. Szczegółowe wyliczenia dla każdego klipu znajdziesz w arkuszu redukcji stosu powyżej.

Czy mogę już dziś korzystać z Gemini Omni przez API?

Nie. Według stanu na 19 maja 2026 r. dostęp przez API nie jest jeszcze dostępny. Dostęp dla użytkowników indywidualnych działa już w ramach planów aplikacji Gemini: AI Plus za 20 USD/mies., AI Pro za 30 USD/mies. oraz AI Ultra za 100 USD/mies., zgodnie z blogiem o subskrypcjach AI Google. Wdrożenie API przez Vertex AI nastąpi „w nadchodzących tygodniach", jak ujął to sam Google.

Czy Gemini Omni obsługuje dostrajanie?

Na dzień premiery nie ogłoszono takiej możliwości. Veo 3.1 również nie obsługuje dostrajania, a Omni bazuje na tym samym fundamencie wideo, więc można założyć, że w momencie premiery dostrajanie nie będzie dostępne. Google historycznie dodawało dostrajanie do modeli multimodalnych kilka miesięcy po ogólnej dostępności, więc termin w III lub IV kwartale 2026 r. jest prawdopodobny, ale niepotwierdzony.

Jak działa rozliczanie Gemini Omni?

Przewiduje się, że będzie zgodne ze standardowym modelem Google: stawki za milion tokenów dla danych wejściowych (tekst, obraz, audio, klatki wideo) oraz rozliczanie sekundowe dla wideo wyjściowego. Prawdopodobnie dostępne będą poziomy Batch (zwykle ~50% zniżki), Flex i Priority, podobnie jak w przypadku innych modeli Gemini. Ze względu na to, że klatki wideo szybko zwiększają liczbę tokenów, prawdopodobnie obowiązuje cennik warstwowy kontekstu (2× stawka powyżej 200 tys. tokenów).

Czym różnią się Omni Flash od Omni Pro?

Omni Flash to szybszy i tańszy wariant ograniczony do 10-sekundowych klipów. Omni Pro obsługuje dłuższe klipy o wyższej jakości, przy wyższych przewidywanych kosztach. Oba obejmują tę samą macierz modalności (tekst, obraz, audio i wideo na wejściu; obecnie wideo na wyjściu). Google określa 10-sekundowy limit Flasha jako „decyzję wdrożeniową, a nie ograniczenie modelu”, więc można spodziewać się jego wydłużenia.

Czy Gemini Omni zastąpi GPT-4o w mojej automatyzacji na Instagramie?

To zależy od tego, co generujesz. W przypadku Reels (wyjście wideo): tak, docelowo, ponieważ Omni jest jedyną opcją pojedynczego wywołania do syntezy 30-sekundowego wideo. W przypadku statycznych postów z opisami i hashtagami generowanymi przez AI: prawdopodobnie nie. GPT-4o-mini wciąż wypada około 3× lepiej niż prognozowane stawki Omni pod względem kosztów, a łańcuch n8n + GPT-4o-mini jest już sprawdzony w środowisku produkcyjnym.

Podsumowanie

Trzy rzeczy do zapamiętania:

• Cennik Gemini Omni API nie jest opublikowany na dzień 19 maja 2026 r. Wiersz na stronie cennika jest pusty, plany konsumenckie są dostępne w cenie 20–100 USD/mies., a dostęp do API przez Vertex AI jest „w ciągu kilku tygodni".
• Zakres prognozy: 1,50–2,50 USD za 1 mln tokenów wejściowych i 0,20–0,60 USD za sekundę wideo na wyjściu, w oparciu o Veo 3.1 i Gemini 3.5 Flash. Wejście audio prognozowane na 3–5 USD za 1 mln tokenów. Wszystkie liczby to prognozy, a nie fakty.
• Oszczędność z zawalenia stosu to nie zawsze dolary. Chodzi o utratę 3 dostawców, 3 SDK i 3 SLA w jednym multimodalnym wywołaniu. Planuj migrację wokół konsolidacji dostawców i opóźnień, a nie surowego $/klip.

Ostatnia weryfikacja: 2026-05-19 (aktualizacja SLA: 24 godziny po publikacji stawek przez Google). Zaktualizuję ten wpis w dniu, w którym Google opublikuje stawki API. Dodaj do zakładek.

Zespół redakcyjny Techsy dostarcza multimodalne potoki na GPT-4o + Veo 3.1 + Whisper od 2024 roku. Aktualizujemy ten wpis, gdy Google publikuje stawki Omni.