Gemini 3.5 Flash Omni Launch: Googles multimodales KI-Update für Creator

Stand 20. Mai 2026 hat sich der Staub auf Google I/O 2026 kaum gelegt, und die Ankündigungen fühlen sich bereits wie ein bedeutender Schritt nach vorne für multimodale Tools an. Gemini 3.5 Flash ist jetzt das Standardmodell in der Gemini-App und im KI-Modus in der Suche. Es liefert etwa viermal die Geschwindigkeit seines Vorgängers, während es die Codierunterstützung und agentischen Verhaltensweisen schärft, alles bei niedrigeren Inferenzkosten. Bei der gleichen Veranstaltung stellte Google Gemini Omni vor, ein multimodales Weltmodell, das in der Lage ist, jede Mischung aus Text, Standbildern, Videoclips und Audio in kohärente Videoausgabe umzuwandeln. Frühe Demos zeigten, wie das Modell eine kurze Textaufforderung mit einem Referenzfoto und ein paar Sekunden Umgebungsgeräuschen zu überraschend stabiler Bewegung verarbeitet. Das sofortige Rollout von Gemini Omni Flash richtet sich an Google AI Plus-, Pro- und Ultra-Abonnenten über die Haupt-App, Google Flow und YouTube Shorts, mit breiterem API-Zugang in den kommenden Wochen.

Geschwindigkeit und Konsistenz sind für Creator wichtiger als reine Spezifikationen. Die Leistungssteigerung von Gemini 3.5 Flash sollte die Zeit zwischen Prompt und nutzbarem Output verkürzen – besonders relevant, wenn du eine Sequenz über mehrere Takes hinweg verfeinerst. Die agentischen Verbesserungen ermöglichen es dem Modell, einfache mehrstufige Aufgaben zu planen, etwa ein Storyboard zu generieren und ausgewählte Frames anschließend zu kurzen Clips zu erweitern. Der Mixed-Input-Ansatz von Gemini Omni wirkt besonders nützlich für Image-to-Video-Pipelines. Ein Creator kann ein vorhandenes Standbild, ein Stil-Referenzvideo und eine kurze Sprachnotiz zur Kamerabewegung kombinieren und erhält Output, der alle drei Signale gleichzeitig berücksichtigt. Dieses Maß an Kontrolle war bisher ohne aufwändige Postproduktion kaum erreichbar.

Bessere Prompt-Adhärenz und Charakterkonsistenz gehören zu den Verbesserungen, die Creator in ersten Tests am häufigsten loben. Wenn die Bewegung über mehrere Shots hinweg am gleichen Subject verankert bleibt, sinkt der Schnittaufwand spürbar. Mixed-Media-Prompts eröffnen zudem kleinere kreative Experimente: ein Produkt-Rendering in eine Lifestyle-Szene einzufügen oder Dialog über generiertes Footage zu legen, ohne den gesamten Shot von Grund auf neu zu erstellen. Nach ein paar Mixed-Input-Tests fand ich die Ergebnisse ehrlicherweise nutzbarer als erwartet – auch wenn komplexe Kamerafahrten noch nicht perfekt sind. Solche multimodalen Fortschritte prägen bereits die nächste Generation von Videotools, einschließlich der laufenden Diskussion um die Handhabung expliziter Inhalte durch Gemini Omni, die ich hier genauer beleuchtet habe: Gemini omni nsfw: Warum Googles KI-Video-Modell explizite Inhalte blockiert.