MiniMax H3 vs Gemini Omni Flash: Google wygrywa na planszy o 5 punktów. Wtedy klient prosi o zmianę.

Patrzyłem na trzy tablice liderów Artificial Analysis przez dziesięć minut, próbując ustalić, kto tak naprawdę wygrał.

Tekst-na-wideo: Gemini Omni Flash o 5 punktów. Obraz-na-wideo: Gemini o 2 punkty. Montaż wideo: MiniMax H3 o 9 punktów.

Potem spojrzałem na kolumnę przedziału ufności. Plus minus 7. Plus minus 9. Plus minus 10.

Trzy tablice, trzy różnice, każda mieści się w swoim własnym przedziale błędu. W głosowaniu na ślepo te dwa modele to ten sam model.

Więc zamknąłem tablice liderów i zamiast tego otworzyłem listy rozwijane. Ta różnica to nie 5 punktów. Ta różnica to cały poziom rozdzielczości.

Kluczowe wnioski

• Wszystkie trzy różnice z Artificial Analysis (+5, +2, +9, zrzut z 6 sierpnia 2026) mieszczą się w przedziałach ufności ±7 do ±10. Pod względem surowej jakości jest to remis, a nie zwycięstwo.
• H3 oferuje 2K, do 15 sekund i sześć proporcji ekranu. API Gemini Omni Flash ogranicza się do 720p, 10 sekund i dwóch proporcji ekranu. To wartości wyliczeniowe, a nie opinie.
• H3 przyjmuje dźwięk jako wejście. Gemini nie. Gemini ma seed i thinking_level. H3 nie ma ani jednego, ani drugiego.
• Gemini ma dedykowany endpoint video-edit, który modyfikuje źródłowy klip. Ścieżka rewizji H3 to reference-to-video, która generuje od nowa z wykorzystaniem klipu jako odniesienia. To nie ta sama operacja, a druga runda to pokazuje.
• Tylko jeden z tych dwóch ma dostępne wagi do pobrania, i nie jest to model Google.

---

Runda pierwsza testu MiniMax H3 vs Gemini Omni Flash, oba modele animujące identyczną pierwszą klatkę, pokazane obok siebie

Runda pierwsza: ta sama pierwsza klatka, ten sam prompt, ten sam czas trwania. Po lewej MiniMax H3 w 2K, po prawej Gemini Omni Flash w 720p. Pokazane jako cichy GIF; oba dostarczone pliki mają natywny dźwięk i oba są osadzone jako odtwarzalne wideo poniżej. To jest problem. Oba są dobre.

---

Dlaczego różnica w rankingu MiniMax H3 vs Gemini Omni Flash jest odczytywana błędnie

Prawie każdy post o MiniMax H3 vs Gemini Omni Flash, który znajdziesz, cytuje jeden ranking i jedną cenę. Oba nawyki prowadzą do błędnej odpowiedzi.

Oto wszystkie trzy tablice Artificial Analysis, z kolumną, którą wszyscy pomijają.

Tabela A: MiniMax H3 vs Gemini Omni Flash na trzech tablicach liderów Artificial Analysis (z dźwiękiem), zrzut z 6 sierpnia 2026

MiniMax H3 jest jednym z 30+ modeli wideo, które możesz uruchomić obok siebie na tym samym prompcie w Atlas Cloud model comparison — z kosztem na sekundę pokazanym przed wygenerowaniem.

Wyniki Elo z Artificial Analysis Video Arena (Artificial Analysis, sierpień 2026). Obraz-na-wideo prowadzi Dreamina Seedance 2.0 720p z wynikiem 1,197, więc żaden z tych dwóch nie dzierży tej korony. Są to zmienne wyniki głosowania społeczności i zmieniają się, co jest dokładnie powodem, dla którego różnica 5 punktów nie jest werdyktem.

Prowadzenie 5 punktów z przedziałem ±9 oznacza, że ranking może się odwrócić w przyszłym tygodniu tylko na podstawie szumu głosów. To nie jest "Gemini jest lepszy w tekst-na-wideo". To rzut monetą z tablicą wyników.

Trzy kolejne rzeczy, które ludzie mylą:

Kolumna dolara za minutę to nie to, co płacisz. Artificial Analysis podaje 6,00 $/min dla Gemini i 7,80 $/min dla H3. Ta kolumna normalizuje koszt do jednej minuty 1080p przy domyślnych ustawieniach. Gemini Omni Flash w ogóle nie może wyprodukować 1080p. Więc liczba ta jest szacunkiem modelowym, a nie fakturą. Porównuj gotowe pliki, a nie sekundy.

Jedna tablica to nie model. H3 zajmuje drugie, trzecie i pierwsze miejsce na trzech tablicach. Gemini zajmuje pierwsze, drugie i drugie. Cytując tylko jedną, możesz udowodnić wszystko, w co już wierzysz.

"Omni" nie oznacza "zjada wszystko". To dobra nazwa i myląca. Jeden z tych dwóch przyjmuje pliki audio jako wejście. To nie ten z "omni" w nazwie.

Specyfikacja MiniMax H3 vs Gemini Omni Flash, której nikt nie drukuje

Jeśli wyniki Elo nie mogą ich rozdzielić, to tabele ograniczeń mogą. Pobrałem schematy wejściowe obu modeli na żywo, zamiast ufać jakimkolwiek postom premierowym, a różnice nie są subtelne.

Tabela B: MiniMax H3 vs Gemini Omni Flash – twarde ograniczenia, odczytane z żywych schematów API 6 sierpnia 2026

Przeczytaj tę tabelę uczciwie, a Gemini wygrywa w trzech wierszach bezpośrednio. Odtwarzalne ziarna mają znaczenie, jeśli budujesz potok, który musi renderować tę samą klatkę dwa razy. Prawdziwy endpoint video-edit to zupełnie inne narzędzie niż regeneracja warunkowana referencją. A thinking_level daje pokrętło jakości, którego H3 po prostu nie udostępnia.

H3 wygrywa w pięciu wierszach, i to są wiersze, które decydują o tym, czy możesz dostarczyć plik, o który prosił klient.

Wszystko poniżej uruchomiłem na Atlas Cloud, ponieważ oba modele znajdują się za tym samym endpointem /api/v1/model/generateVideo, co oznaczało jedną pętlę odpytywania i jeden nagłówek autoryzacji dla całego testu. Zamiana modeli polegała na zmianie ciągu model. Ten szczegół to cały powód, dla którego "użyj obu" jest realistyczną odpowiedzią, a nie wykrętem.

Tabela C: koszt każdego endpointu w tym teście, zweryfikowany na podstawie aktualnego cennika z 6 sierpnia 2026

Żaden model nie ma w tym miesiącu zniżki. Gemini udostępnia również tańszy poziom dla programistów (0,112 $/s za tekst-na-wideo i obraz-na-wideo, 0,12 $/s za reference-to-video); H3 nie ma odpowiednika.

Linia otwartych wag, której Gemini Omni Flash nie może przekroczyć. Wagi H3 są opublikowane na Hugging Face (MiniMax, sierpień 2026): gęsty, jednotorowy Omni Transformer o 33B, plus koder tekstu Qwen3-VL-32B, wizualny VAE i audio VAE. Dwa zastrzeżenia są ważniejsze niż rozmiar pliku do pobrania. Po pierwsze, to, co hostujesz samodzielnie, działa na krótszym boku 768 pikseli; etap przetwarzania wstępnego Context-IR i moduł Regenerate-2K nie są uwzględnione w wydaniu, a wyjście 2K pochodzi z tych dwóch. Po drugie, licencja społecznościowa nie obejmuje obecnie UE, Wielkiej Brytanii, Korei Południowej ani Stanów Zjednoczonych, a dla tych terytoriów istnieje osobny formularz zgłoszeniowy. Przeczytaj go, zanim zbudujesz na nim produkt. Gemini Omni Flash nie ma odpowiedniej rozmowy, ponieważ nie ma pliku do pobrania.

Ta pozycja otwartych wag, w połączeniu z agresywną ceną, stanowi całą strategiczną historię premiery (South China Morning Post, sierpień 2026).

Przeprowadź test rewizji MiniMax H3 vs Gemini Omni Flash samodzielnie

Oto część, której nikt nie przeprowadził. Każdy benchmarkuje pierwszą generację. Nikt nie benchmarkuje drugiej.

Prawdziwa praca to nie jeden prompt. Prawdziwa praca to klip, który już lubisz, plus klient, który odpisuje "uwielbiam to, czy szyld może mówić 24H i czy jej fartuch może być czerwony". To jedno zdanie to moment, w którym te dwa modele przestają być wymienne i tak się składa, że jest to dokładnie to zadanie, które mierzy tablica liderów edycji wideo.

Scena jest celowo okrutna: przesiąknięte deszczem stoisko z makaronem nocą, sprzedawczyni mówiąca prosto w obiektyw, ręcznie malowany szyld z czytelnymi słowami za nią, para unosząca się z bulionu, deszcz na daszku. Jedna klatka, która obciąża synchronizację ust, stabilność tekstu na ekranie, płynny ruch i warstwowy dźwięk otoczenia jednocześnie.

Oba modele otrzymują identyczną pierwszą klatkę, identyczny prompt i identyczną notatkę rewizyjną. Każde uruchomienie poniżej trwa 10 sekund, co jest sufitem Gemini Omni Flash i mieści się dobrze w H3.

Krok 1: Ustal pierwszą klatkę za pomocą GPT Image 2

Oba modele muszą zaczynać od tego samego obrazu, w przeciwnym razie pierwsza runda mierzy szczęście kompozycyjne, a nie model. Otwórz GPT Image 2 playground, ustaw jakość na high i proporcje na 16:9, i wklej to:

PlainCopy
1Fotorealistyczne nocne uliczne stoisko z jedzeniem w ulewnym deszczu, zdjęcie na obiektywie 35 mm przy f/2.0. Kobieta po trzydziestce w indygo fartuchu płóciennym stoi za parującą ladą z makaronem, patrząc prosto w obiektyw, w połowie zdania. Za nią ręcznie malowany blaszany szyld świetlny świeci ciepłym bursztynowym blaskiem z napisem "OPEN LATE" czystymi, pogrubionymi bezszeryfowymi kapitalikami. Deszcz smuży się w sodowym świetle ulicznym, para unosi się z garnka z bulionem, mokry asfalt odbija czerwone i zielone neony z drugiej strony ulicy. Płytka głębia ostrości, wyłącznie światło praktyczne, lekka mgiełka na obiektywie, naturalna tekstura skóry, żadnego tekstu nigdzie indziej w kadrze. 16:9.

GPT Image 2 playground na Atlas Cloud z promptem stoiska z makaronem po lewej i wygenerowaną pierwszą klatką w panelu wyjściowym

GPT Image 2 na Atlas Cloud: prompt po lewej, współdzielona pierwsza klatka w OUTPUT. Koszt tego kroku: 0,009 $.

Wygenerowana pierwsza klatka: kobieta w indygo fartuchu za parującą ladą z makaronem nocą w deszczu, z ręcznie malowanym szyldem OPEN LATE świecącym za nią

Pojedyncze wejście, które otrzymały oba modele. Zwróć uwagę na dwie rzeczy, które będzie celować rewizja: szyld "OPEN LATE" i indygo fartuch. Wygenerowane za pomocą openai/gpt-image-2/text-to-image.

Krok 2: Runda pierwsza na MiniMax H3

Przejdź do MiniMax H3 playground, wybierz zadanie image-to-video, prześlij klatkę z kroku 1 i ustaw resolution na 2K, duration na 10, ratio na adaptive (wyliczenie obraz-na-wideo oferuje tylko adaptive). Prompt:

PlainCopy
1Sprzedawczyni patrzy w obiektyw i mówi ciepłym, zmęczonym głosem: "Bulion stoi od czwartej rano. Usiądź, wciąż pada." Podnosi chochlę, mówiąc. Para unosi się w poprzek kadru. Deszcz nadal pada na daszek za nią. Kamera stoi nieruchomo, bez najazdu, bez panoramy. Dźwięk otoczenia: deszcz na płótnie, bulion bulgoczący, odległy ruch uliczny, jej głos blisko i sucho.

MiniMax H3 image-to-video playground na Atlas Cloud z wybraną rozdzielczością 2K i odtwarzanym gotowym klipem w panelu wyjściowym

MiniMax H3 image-to-video na Atlas Cloud: wybrane 2K, gotowy klip w OUTPUT. Ten zrzut został wykonany przy domyślnym 8-sekundowym ustawieniu playgroundu i kosztował 1,12 $; wersja 10-sekundowa użyta do porównania jest osadzona poniżej i kosztowała 1,40 $.

MiniMax H3, runda pierwsza, 2K, 10 sekund. Włącz dźwięk: dialog, deszcz i bulion są wygenerowane w jednym przejściu, a nie nałożone później.

Krok 3: Runda pierwsza na Gemini Omni Flash, ta sama klatka, te same słowa

Otwórz Gemini Omni Flash playground, wybierz image-to-video, prześlij tę samą klatkę z kroku 1 i wklej prompt z kroku 2 bez zmiany ani jednego znaku. Ustawienia: resolution 720p, duration 10, aspect_ratio 16:9, thinking_level default, seed -1.

Dwie rzeczy do odnotowania, gdy jesteś w tym formularzu, ponieważ są one esencją artykułu. Lista rozwijana resolution zawiera dokładnie jedną opcję. Pole duration kończy się na 10. Nie wybrałem 720p zamiast czegoś lepszego; nie ma nic innego do wyboru.

Uwaga na temat tego, czego brakuje tutaj: nie mogłem zrobić zrzutu ekranu playgroundu po zakończeniu uruchomienia dla żadnego z kroków Gemini. Środowisko stagingowe, na którym robię zrzuty, zwróciło 403 PERMISSION_DENIED ze strony Google przy wszystkich trzech próbach, więc jedyne zrzuty Gemini, które mam, pokazują nieudany panel OUTPUT i nie zamierzam udawać, że to udane uruchomienie. Klipy poniżej są prawdziwe, wygenerowane przez produkcyjne API z ustawieniami wymienionymi powyżej. Dwa kroki H3 przechwyciły się czysto i te zrzuty są autentyczne.

Gemini Omni Flash, runda pierwsza, 720p, 10 sekund, identyczne wejścia. Odtwórz to bezpośrednio po klipie H3 powyżej i oceń dźwięk samodzielnie.

Krok 4: Runda druga, wyślij rewizję do Gemini Omni Flash

To jest runda, która ma znaczenie. Przełącz na zadanie video-edit na tej samej stronie modelu Gemini, prześlij klip, który Gemini sam wyprodukował w kroku 3 jako wejście video, ustaw resolution 720p i thinking_level high (instrukcja edycji składająca się z dwóch części to dokładnie złożony przypadek, dla którego to pokrętło jest przeznaczone). Wklej tę notatkę dokładnie tak, jak wysłałby ją klient:

PlainCopy
1Zachowaj to dokładne ujęcie: ta sama pozycja kamery, ta sama kobieta, ta sama twarz, ten sam deszcz, to samo oświetlenie, ten sam dźwięk. Zmień ręcznie malowany szyld, aby brzmiał "OPEN 24H" zamiast "OPEN LATE", w tym samym malowanym stylu i tym samym bursztynowym blasku. Zmień jej fartuch z indygo na głęboki karmazyn. Nie zmieniaj niczego innego w kadrze.

Gemini Omni Flash po notatce rewizyjnej. Obserwuj szyld, potem fartuch, a następnie sprawdź, czy cokolwiek innego się poruszyło.

Krok 5: Runda druga, wyślij identyczną rewizję do MiniMax H3

Oto uczciwa strukturalna różnica i powinieneś ją poznać, zanim przeczytasz wynik. H3 nie ma endpointu video-edit. Jego ścieżka rewizji to reference-to-video: przekazujesz mu oryginalny klip jako odniesienie, a on generuje nowe wideo warunkowane tym odniesieniem. To nie jest edycja twojego pliku. To tworzenie nowego, który ma wyglądać jak twój.

Na stronie MiniMax H3 wybierz zadanie reference-to-video, dodaj klip, który H3 wyprodukował w kroku 2 do refers jako odniesienie wideo, a następnie ustaw resolution 2K, duration 10, ratio adaptive. Wklej prompt z kroku 4 bez żadnych edycji.

Ten krok również nie ma zrzutu ekranu playgroundu, ale z innego, bardziej nudnego powodu: bezgłowa przeglądarka, której używam do zrzutów, zawiesiła się trzy razy na przesyłaczu referencji podczas ładowania odniesienia wideo. Samo uruchomienie przeszło przez API bez problemu.

MiniMax H3 po identycznej notatce rewizyjnej, za pomocą reference-to-video w 2K.

Obok siebie w drugiej rundzie: wynik Gemini Omni Flash video-edit obok wyniku MiniMax H3 reference-to-video, oba z tej samej notatki rewizyjnej

Runda druga obok siebie, cichy GIF. Po lewej Gemini Omni Flash przez video-edit, po prawej MiniMax H3 przez reference-to-video. Oba miały do dyspozycji to samo zdanie.

Co właściwie wydarzyło się w drugiej rundzie. Spodziewałem się, że H3 przegra tę rundę. Regeneracja warunkowana referencją jest bardziej topornym narzędziem niż prawdziwy endpoint edycji, a "wygeneruj cały klip od nowa i miej nadzieję, że wyląduje w tym samym miejscu" to dokładnie sposób na uzyskanie innej twarzy, dryfującej kamery i klienta pytającego, co stało się z ujęciem.

To nie wróciło. Oba modele wykonały zadanie i oba zrobiły to czysto.

video-edit Gemini zachował się dokładnie tak, jak reklamowano. Szyld brzmi OPEN 24H w tym samym ręcznie malowanym napisie, z tym samym bursztynowym blaskiem i tym samym starzeniem na blasze. Fartuch jest głęboko karmazynowy. Wszystko inne jest nietknięte: ta sama twarz, ten sam wyraz, ten sam kąt chochli, ten sam kształt pary, ten sam deszcz, te same tylne światła w tle. Wygląda jak oryginalny plik z dwiema poprawkami na poziomie pikseli, ponieważ w zasadzie tak jest.

reference-to-video H3 wyprodukował te same dwie zmiany i utrzymał ujęcie znacznie lepiej, niż sugerowałaby to architektura. Szyld zmieniony, fartuch zmieniony, a przez wszystkie 10 sekund kadrowanie, nalewanie bulionu z chochli, pióropusz pary i jej twarz pozostały zgodne z klipem z pierwszej rundy. Jeśli jest tu dryf, nie mogłem go znaleźć, przeglądając klatki po klatce.

Więc druga runda to trzeci statystyczny remis i nie zamierzam udawać inaczej, aby zrobić z tego ładniejszą historię. To, co odróżnia te dwa wyniki, to nie jakość edycji. To fakt, że H3 zwrócił 2560x1440 z 32 kHz ścieżką stereo, a Gemini zwrócił 1280x720. Ta sama instrukcja, ten sam sukces, inny plik do dostarczenia.

Jedno uczciwe zastrzeżenie co do metody: to pojedyncza rewizja na jednym ujęciu, a nie kontrolowane badanie. Dwuczęściowa zmiana szyldu i elementu garderoby to dość przyjazna edycja. Trudniejsze przypadki (usunięcie obiektu, obok którego kamera przejeżdża, zmiana czegoś, co jest zasłonięte przez obiekt, cztery rundy notatek nałożonych na siebie) to miejsca, w których dedykowany endpoint edycji powinien wysunąć się na prowadzenie, a gdzie regeneracja powinna zacząć się chwiać. Wykonaj własne testy, zanim podejmiesz decyzję.

Trzy kolejne różnice MiniMax H3 vs Gemini Omni Flash warte przetestowania

Druga runda to różnica, która zmienia dostawę. Trzy kolejne są warte dwudziestu minut twojego własnego kredytu.

Podaj mu plik audio. reference-to-video H3 akceptuje do trzech klipów audio o długości od 2 do 15 sekund każdy, pod warunkiem, że dołączone jest co najmniej jedno odniesienie obrazu lub wideo. Oznacza to, że możesz mu podać prawdziwe nagranie głosu i sprawić, by postać je wykonała. Gemini Omni Flash nie ma pola wejścia audio na żadnym z czterech endpointów, więc to porównanie w ogóle nie może być przeprowadzone. To nie jest strata punktowa dla Google; to po prostu brak funkcji.

Poproś o 21:9. Wyliczenie proporcji reference-to-video H3 zawiera 21:9, 16:9, 4:3, 1:1, 3:4 i 9:16. Wyliczenie aspect_ratio Gemini zawiera 16:9 i 9:16. Jeśli twoim plikiem do dostarczenia jest panoramiczna sekwencja tytułowa lub przycięcie do 1:1 dla mediów społecznościowych, jeden z tych dwóch modeli nie bierze udziału w rozmowie.

Zablokuj ziarno i uruchom ponownie. To idzie w drugą stronę. Gemini udostępnia seed; H3 nie udostępnia go na żadnym endpointcie. Jeśli budujesz potok, w którym to samo żądanie ma zwrócić te same klatki we wtorek, co w poniedziałek, Gemini daje ci uchwyt, a H3 nie daje nic. Do testów regresyjnych, wariantów kopii A/B lub jakiejkolwiek zautomatyzowanej farmy renderującej to realna zaleta i należy do strony Google w księdze.

Ile faktycznie kosztuje test MiniMax H3 vs Gemini Omni Flash

Cały powyższy eksperyment, cztery generacje wideo i jeden obraz, kosztował około 5,51 $. Jedna pierwsza klatka za 0,009 $, dwa 10-sekundowe klipy z pierwszej rundy za 1,40 $ i 1,30 $, dwa 10-sekundowe klipy z drugiej rundy po 1,40 $ każdy.

Na sekundę Gemini jest tańsze: 0,125 $ do 0,14 $ wobec stałego 0,14 $ dla H3, więc mniej więcej o 7 do 11 procent mniej, w zależności od endpointu. Ta liczba jest prawdziwa i jest również prawie bezużyteczna sama w sobie.

Oto dlaczego. Załóżmy, że plikiem do dostarczenia jest 15-sekundowy panoramiczny otwieracz w 2K. H3 renderuje go jako jeden klip. Gemini nie może go w ogóle wyrenderować: nie rozdzielczość, nie czas trwania, nie proporcje ekranu. Musiałbyś łączyć 10-sekundowy i 5-sekundowy klip 16:9, przycinać, aby udawać panoramę, i dostarczać 720p. Cena na sekundę rzeczy, której nie możesz dostarczyć, nie jest oszczędnością.

Odwróć to. Załóżmy, że plikiem do dostarczenia jest przycięcie 16:9 do mediów społecznościowych, które przejdzie przez cztery rundy notatek klienta i musi wrócić bajtowo identyczne, gdy zespół prawny poprosi o ponowne wyrenderowanie za trzy tygodnie. video-edit plus seed Gemini jest zbudowany dokładnie dla tej pętli i kosztuje mniej na sekundę, robiąc to.

Tabela D: które zadanie MiniMax H3 vs Gemini Omni Flash trafia gdzie

Wnioskiem z tego artykułu jest ta tabela, a nie wynik. Jeśli benchmark nie może oddzielić dwóch modeli o więcej niż własny przedział błędu, benchmark powiedział ci wszystko, co wie, a specyfikacja przejmuje kontrolę.

Aby uzyskać szerszy obraz tego, gdzie H3 plasuje się w stosunku do reszty stawki, omówienie alternatyw dla MiniMax H3 obejmuje modele, które go pokonują na tablicach, których nie prowadzi.

Często zadawane pytania

Czy MiniMax H3 jest lepszy od Gemini Omni Flash?

Głosowanie na ślepo nie może ich rozdzielić. Na trzech tablicach liderów Artificial Analysis różnice wynoszą 5, 2 i 9 punktów Elo, a każda mieści się w przedziale ufności ±7 do ±10. Wybieraj na podstawie specyfikacji, a nie rangi. Pułap rozdzielczości, ograniczenie czasu trwania i lista proporcji ekranu zmienią twój plik do dostarczenia; 5 punktów Elo nie.

Który jest tańszy, MiniMax H3 czy Gemini Omni Flash?

Na sekundę Gemini. Na Atlas Cloud kosztuje 0,125 $ do 0,14 $ za sekundę wobec stałego 0,14 $ H3, z poziomem programistycznym za 0,112 $ za sekundę, którego H3 nie ma odpowiednika. Ale Gemini jest ograniczony do 720p, 10 sekund i dwóch proporcji ekranu, więc dla wielu plików do dostarczenia nie porównujesz tego samego produktu. Wyceniaj gotowy montaż, a nie sekundę.

Czy Gemini Omni Flash może generować wideo w 1080p, 2K lub 15-sekundowe?

Nie. Jego parametr resolution API ma jedną dozwoloną wartość, 720p, a duration akceptuje od 3 do 10 sekund. MiniMax H3 oferuje 768P lub 2K i od 4 do 15 sekund. Są to ograniczenia wyliczeniowe odczytane z żywego schematu 6 sierpnia 2026, a nie opinia redakcyjna, i Google może je później znieść.

Czy mogę samodzielnie hostować Gemini Omni Flash tak, jak mogę samodzielnie hostować MiniMax H3?

Nie. Wagi H3 są na Hugging Face i działają lokalnie na krótszym boku 768 pikseli. Etap Context-IR i moduł Regenerate-2K, które produkują wyjście 2K, nie są w wydaniu i pozostają po stronie API. Sprawdź również licencję: obecnie nie obejmuje UE, Wielkiej Brytanii, Korei Południowej ani USA bez osobnego zgłoszenia.

Czy muszę wybrać tylko jeden?

Nie, a tabela podziału według zadań powyżej jest lepszą odpowiedzią. Oba modele znajdują się za tym samym endpointem generateVideo na Atlas Cloud, więc korzystanie z obu oznacza jedną pętlę odpytywania i inny ciąg model, a nie dwie integracje. Kierowanie według pliku do dostarczenia bije obstawianie tablicy liderów, która zmienia się co tydzień.