Se acaba de filtrar Omni de Google. El video con AI ahora es obsoleto.

Un temblor digital sacudió el mundo de la AI este fin de semana, originado en un rincón desprevenido de Twitter. Un usuario aleatorio, con pocos seguidores, se topó con un detalle crucial mientras exploraba la pestaña de generación de video dentro de la aplicación estándar Google Gemini. Allí, en medio de la interfaz habitual, apareció una línea de texto sutil pero sísmica: "powered by Omni." Esto no era una compilación interna para desarrolladores ni un entorno de prueba; fue una filtración de producción genuina, accesible para un usuario regular en una cuenta Gemini de consumidor. El usuario incluso generó con éxito dos videos, mostrando la funcionalidad en vivo del modelo.

Las capturas de pantalla de la etiqueta "powered by Omni" encendieron inmediatamente las redes sociales. Twitter estalló, con usuarios diseccionando cada píxel y especulando salvajemente sobre el misterioso nuevo modelo de AI de Google. La reacción viral fue rápida y abrumadora, forzando efectivamente la mano de Google. Con la I/O conference anual de la compañía, un escenario tradicional para las grandes revelaciones de AI, a la vuelta de la esquina (19-20 de mayo), esta divulgación accidental se adelantó a su calendario de anuncios cuidadosamente orquestado.

Una filtración de este tipo en el ámbito de alto riesgo e hiper-secreto del desarrollo de AI tiene una inmensa importancia. Empresas como Google invierten miles de millones en I+D, protegiendo los avances con extrema vigilancia. El debut no programado de Gemini Omni revela una nueva y potente capacidad que supera con creces el modelo actual Veo 3.1, que actualmente se ejecuta bajo la aplicación Gemini. Las demostraciones filtradas, incluyendo un profesor escribiendo complejas pruebas matemáticas y un detallado "Will Smith spaghetti benchmark", sugirieron un salto radical en la calidad de generación de video, compitiendo directamente con Seedance 2 de ByteDance.

El análisis inicial del acceso accidental también insinuó la enorme escala y las demandas computacionales de Omni. Generar solo dos videos cortos consumió un asombroso 86% de la cuota diaria de un usuario en un plan Gemini AI Pro. Este uso exorbitante, que supera con creces el consumo de Veo 3.1 o incluso el hipotético Sora 2, subraya la masiva arquitectura subyacente de Omni y su significativo costo computacional por generación. La filtración no fue solo un vistazo; fue una declaración prematura de una nueva frontera en la AI multimodal.

Las demostraciones filtradas ofrecieron al público el primer vistazo a las capacidades de Omni, estableciendo inmediatamente un nuevo punto de referencia. El video inicial mostraba a un profesor escribiendo identidades trigonométricas en una pizarra tradicional, explicando cada paso. Esta demostración reveló una claridad de renderizado de texto sin precedentes y movimientos de mano notablemente coherentes, un desafío notorio para los modelos de video con AI anteriores.

La segunda demostración abordó el infame "Will Smith spaghetti benchmark", una tarea notoriamente difícil para el realismo de la AI. Representaba a dos hombres distinguidos, uno un hombre afroamericano maduro de unos 50 años, cenando junto al mar en un restaurante de lujo, con un mantel blanco y accesorios elegantes. El resultado de Omni ofreció un movimiento altamente realista, una interacción precisa de objetos y acciones humanas matizadas, demostrando su manejo avanzado de escenas complejas con múltiples objetos.

A continuación, se realizó una comparación directa lado a lado con Seedance 2 de ByteDance, utilizando indicaciones idénticas para ambos modelos. Si bien Seedance 2 produjo imágenes de alta calidad, la salida de Omni a menudo exhibió un flujo más naturalista, un detalle fino superior y menos artefactos visuales, particularmente en la escritura del profesor y los movimientos sutiles de los comensales. Los resultados indicaron que Omni está al menos a la par, si no sutilmente superior, a los modelos generativos de primer nivel actuales.

Más allá de la generación pura, los clips filtrados insinuaron las capacidades multimodales y más profundas de Omni. Los metadatos y los elementos de la interfaz de usuario sugirieron características avanzadas de edición en el chat, incluida la eliminación de marcas de agua, el intercambio de objetos y la reescritura de escenas mediante instrucciones en lenguaje natural. Estas sutiles pistas apuntan a un modelo que no solo genera video, sino que comprende y manipula elementos de la escena con un razonamiento y una conciencia contextual impresionantes.

Sin embargo, una salida tan sofisticada conlleva un costo computacional significativo. Los informes indicaron que generar solo dos videos de Omni consumió un asombroso 86% de la cuota diaria de un usuario en un plan Gemini AI Pro, con un precio de $20 al mes. Esta tasa de uso empequeñece drásticamente la de Veo 3.1, que permite 15-20 generaciones diarias, o incluso la ahora desaparecida Sora 2, lo que sugiere que la arquitectura subyacente de Omni es sustancialmente más grande y consume más recursos.

Omni representa claramente un cambio de paso importante con respecto al Veo 3.1 existente de Google, no solo una actualización incremental. Su capacidad demostrada para remezclar videos, editar directamente en el chat y aprovechar plantillas lo posiciona como una potencia multimodal integral. El momento de esta filtración, justo antes de Google I/O, implica fuertemente un anuncio inminente y revolucionario que podría redefinir el panorama de la generación de video con IA y la IA multimodal en general.

El modelo de generación de video existente de Google, Veo 3.1, actualmente impulsa la aplicación Gemini bajo el nombre en clave interno Toucan. Si bien es capaz de producir video, su salida palidece en comparación con las recientes demostraciones de Omni. Los usuarios con un plan Pro suelen gestionar de 15 a 20 generaciones diarias con Veo 3.1 antes de alcanzar los límites de uso.

Omni representa inequívocamente más que una simple iteración de "Veo 4". Los datos de uso filtrados revelan un enorme costo computacional; dos indicaciones de video cortas consumieron un asombroso 86% de la cuota diaria completa de un usuario en un plan Gemini AI Pro. Esta demanda de recursos extremadamente costosa supera con creces a Veo 3.1 e incluso los costos reportados para modelos como Sora 2.

Un costo tan dramático, junto con la claridad sin precedentes en la representación de texto y el movimiento coherente vistos en las demostraciones filtradas, señala una desviación arquitectónica fundamental. Omni ofrece un salto generacional en calidad, dejando a Veo 3.1 muy atrás y desafiando directamente a modelos de primer nivel como Seedance 2 de ByteDance. Esto no es una mejora incremental; es un cambio de paradigma.

El desarrollo de modelos de IA a menudo ve iteraciones menores, refinando los marcos existentes. Omni, sin embargo, parece encarnar un verdadero "cambio de paso", indicando una reingeniería completa en lugar de una mera actualización del marco de Veo. La brecha significativa desde el último lanzamiento importante de un modelo de video de Google refuerza esta evaluación. Para obtener más información sobre la filtración y los posibles anuncios de Google I/O, los lectores pueden consultar Gemini Omni leak reveals Google's next AI video tool ahead of I/O 2026 - Digit.

El inmenso requisito de cómputo y las implicaciones multimodales de la designación "Omni" sugieren una tecnología subyacente radicalmente nueva. Es probable que Google haya desarrollado un modelo fundacional mucho más grande y complejo, potencialmente una arquitectura unificada capaz de manejar diversas modalidades más allá de la mera generación de video. Esto podría implicar transformadores de difusión avanzados o arquitecturas generativas novedosas diseñadas para una coherencia y fidelidad sin precedentes en escenas complejas y texto dinámico.

Omni entra inmediatamente en un panorama ferozmente competitivo, desafiando directamente a titanes establecidos como Seedance 2 de ByteDance, Kling de Alibaba y Sora de OpenAI. Las demostraciones iniciales filtradas sugieren que Omni está a la par con Seedance 2 en calidad de video general, lo que hace que las distinciones entre sus resultados cinematográficos sean un desafío. Esto posiciona a Google no solo como un participante, sino como un contendiente de primer nivel desde el primer día, superando potencialmente las capacidades actuales de su propio Veo 3.1.

Sin embargo, donde Omni realmente sobresale es en su meticulosa atención al detalle fino y la fidelidad, particularmente con elementos complejos. La demostración del profesor mostró vívidamente una claridad sin precedentes en la representación de texto y movimientos de manos notablemente coherentes, áreas donde muchos modelos generativos, incluidos algunos de alto perfil, aún fallan. Más allá de la generación pura, las supuestas capacidades de Omni se extienden a la edición sofisticada, permitiendo a los usuarios manipular escenas directamente.

Esto incluye: - Eliminar marcas de agua con precisión. - Intercambiar objetos específicos dentro de un fotograma. - Reescribir escenas completas mediante simples instrucciones de chat.

El agresivo impulso de Google con Omni señala un imperativo estratégico para recuperar el impulso en la carrera de la IA. Tras la recepción pública de Gemini y Veo 3.1 (nombre en clave Toucan), Omni parece ser un salto generacional, no simplemente una actualización iterativa. Esta inversión masiva subraya la ambición de Google de liderar el floreciente dominio del video con IA, posicionándose firmemente contra rivales formidables que recientemente han acaparado una atención significativa.

La carta de triunfo definitiva de Omni podrían ser sus rumoreadas capacidades agénticas, que lo diferencian fundamentalmente de modelos puramente generativos como Sora. En lugar de simplemente crear video a partir de una indicación de texto, Omni, según se informa, comprende y ejecuta tareas complejas de edición y manipulación directamente dentro de una interfaz conversacional. Esto permite la manipulación dinámica de video, la remezcla y un nivel de control iterativo que lo transforma en un socio creativo en lugar de solo un motor de generación de una sola toma. Este potencial agéntico podría desbloquear flujos de trabajo completamente nuevos para los creadores de contenido.

Sin embargo, tales funcionalidades avanzadas conllevan costos de cómputo significativos. Generar solo dos videos con Omni, según se informa, consumió el 86% de la cuota diaria de un usuario en un plan Gemini AI Pro, con un precio de $20 al mes. Para contextualizar, Veo 3.1 en el mismo plan permite de 15 a 20 generaciones diarias, mientras que Sora (si estuviera disponible) permitiría docenas de clips cortos. Este marcado límite de uso insinúa la enorme arquitectura subyacente del modelo y su naturaleza intensiva en recursos, lo que sugiere que representa un cambio profundo en la tecnología de video con IA que exige una potencia computacional sustancial por generación.

El verdadero costo del avance de Google se hizo patente con las métricas de uso filtradas. Solo dos generaciones de video usando Omni consumieron un asombroso 86% del límite diario de un plan Gemini AI Pro. Este plan ampliamente adoptado, con un precio de $20 al mes, normalmente proporciona a los usuarios una generosa asignación diaria para diversas interacciones de IA. La naturaleza exigente de Omni, sin embargo, agotó efectivamente casi todos los recursos disponibles para un usuario después de generar solo dos clips cortos, haciendo que el uso casual o iterativo sea virtualmente imposible dentro de este nivel.

En contraste con el actual Veo 3.1 de Google (nombre en clave Toucan), la diferencia es generacional y marcada. Un usuario con el mismo plan Gemini AI Pro puede generar típicamente de 15 a 20 videos al día con Veo 3.1 antes de encontrar restricciones de uso.

La elección de Google de 'Omni' para su modelo filtrado evoca inmediatamente paralelismos con GPT-4o de OpenAI, donde la 'o' significa explícitamente 'Omni'. Esta nomenclatura señala una alineación estratégica significativa en el panorama de la IA, indicando una visión compartida para la próxima generación de inteligencia artificial: un modelo multimodal verdaderamente unificado.

La adopción del nombre 'Omni' por parte de Google sugiere un movimiento deliberado más allá de los modelos de IA especializados y de propósito único. Esto no es simplemente una actualización de un generador de video existente como Veo 3.1; significa un cambio arquitectónico fundamental. La compañía parece preparada para presentar una IA capaz de integrar sin problemas diversos tipos de datos.

Una verdadera IA omnimodal trasciende las limitaciones de los sistemas actuales. Un modelo así puede aceptar cualquier combinación de entradas —texto, audio, imagen y video— y generar salidas a través de cualquiera de estas modalidades, o incluso combinaciones de ellas. Esto representa una capacidad de comprensión y generación holística previamente inalcanzable.

Los modelos líderes actuales, incluidos el propio Veo 3.1 de Google (nombre en clave Toucan), Seedance 2 de ByteDance, Kling de Alibaba y Sora de OpenAI, operan principalmente como generadores de 'texto a video' o 'texto a imagen'. Sobresalen en sus dominios específicos, pero carecen de la interacción integrada y fluida a través de todos los tipos de datos sensoriales que promete Omni.

Este cambio modifica fundamentalmente la forma en que los usuarios interactúan con la IA. Imagine alimentar un videoclip, hacer una pregunta verbalmente sobre su contenido y recibir una imagen generada, un segmento de video editado y un resumen textual como respuesta. Omni tiene como objetivo hacer que estas interacciones complejas y multimodales sean rutinarias, marcando un significativo cambio de paradigma. Para más información sobre las capacidades de IA de Google, puede Conocer a Gemini, el asistente de IA de Google.

Las implicaciones para los flujos de trabajo creativos, el procesamiento de información y la interacción humano-computadora son inmensas. La omnimodalidad no se trata solo de un mejor video; se trata de una IA que percibe y expresa información de una manera verdaderamente humana e interconectada, difuminando las líneas entre diferentes formas de medios.

"Omni" trasciende un mero modelo; señala un profundo giro estratégico para el vasto imperio de IA de Google. Este apodo, que refleja el GPT-4o de OpenAI donde la 'o' significa 'Omni' por 'omnidireccional' u 'omnipotente', sugiere que Google finalmente se está moviendo para consolidar sus esfuerzos de IA a menudo fragmentados bajo una identidad de marca singular y unificada. La etiqueta filtrada insinúa una ambición mucho mayor que la de un nuevo generador de video, representando potencialmente una reevaluación integral de cómo Google presenta sus capacidades avanzadas de IA al mundo.

Imagina un futuro cercano donde las diversas marcas de IA de Google — Veo para la generación de video, Imagen para la creación de imágenes fijas, MusicLM para la síntesis de audio, y numerosos otros modelos especializados — sean sistemáticamente retiradas de su prominencia individual. Estas tecnologías dispares serían en cambio absorbidas e integradas sin problemas bajo el paraguas general de Gemini Omni, creando una potencia verdaderamente multimodal. Esta consolidación podría optimizar profundamente el vasto portafolio de IA de Google, presentando un frente cohesivo e intuitivo tanto para desarrolladores como para consumidores finales.

Las ventajas de una reestructuración tan radical son innegablemente significativas para Google. La compañía se beneficiaría inmensamente de: - Esfuerzos de marketing y branding simplificados, reduciendo drásticamente la confusión del usuario a través de una miríada de líneas de productos distintas. - Pipelines unificados de investigación y desarrollo, fomentando una innovación intermodal sin precedentes y eficiencias arquitectónicas compartidas. - Una experiencia de usuario más intuitiva y consistente donde las capacidades avanzadas de IA multimodal son accesibles sin problemas desde una única y potente interfaz. Este enfoque optimizado e integrado promete amplificar la ventaja competitiva de Google frente a rivales que avanzan rápidamente como OpenAI y ByteDance.

Sin embargo, el ambicioso camino hacia la unificación completa de la IA está plagado de riesgos considerables y desafíos monumentales. Google podría inadvertidamente alienar a un segmento sustancial de su base de usuarios existente, particularmente aquellos acostumbrados a herramientas especializadas y finamente ajustadas como Veo o Imagen, si la transición no se gestiona y comunica meticulosamente. Además, el enorme desafío técnico de fusionar arquitecturas de IA, metodologías de entrenamiento y conjuntos de datos colosales fundamentalmente dispares en un modelo multimodal verdaderamente unificado y coherente presenta una hazaña de ingeniería de inmensa escala. Asegurar un rendimiento consistente y de alta fidelidad y prevenir regresiones en todas las modalidades exigirá recursos, coordinación y refinamiento iterativo sin precedentes.

Google se enfrenta a tres caminos distintos para el debut público de Omni. El menos impactante, la compañía podría simplemente cambiar la marca de sus esfuerzos existentes de generación de video. Este escenario vería el anuncio de Veo 4, relegando a Omni a un nombre en clave interno. Tal movimiento decepcionaría, atenuando la emoción generada por las demostraciones filtradas y el salto generacional percibido.

Un segundo escenario, más plausible, implica un lanzamiento de producto paralelo. Google podría introducir Omni como una nueva oferta premium separada, creando un servicio distinto de dos niveles junto con el actual Veo. Esto permitiría a Google monetizar las capacidades avanzadas de Omni a un precio más alto, atendiendo a usuarios profesionales mientras mantiene Veo para una accesibilidad más amplia.

Sin embargo, el camino más ambicioso y transformador ve a Google abrazando todo el potencial del apodo 'Omni'. Este escenario revolucionario prevé un anuncio en vivo en el escenario de un único modelo multimodal unificado capaz de manejar todas las modalidades – texto, imagen, audio y video – sin problemas. Tal revelación posicionaría instantáneamente a Google como el líder de la industria, superando a competidores como Sora de OpenAI, Seedance 2 de ByteDance y Kling de Alibaba.

Este tercer escenario parece el más probable e impactante. Las métricas de uso filtradas, que muestran dos generaciones de video de Omni consumiendo el 86% del límite diario de un plan Gemini AI Pro, apuntan a un enorme costo computacional y a una arquitectura fundamentalmente diferente a la de Veo 3.1. Esto no es meramente una actualización; es un cambio radical. El paralelo directo con GPT-4o de OpenAI, donde la 'o' significa 'Omni' por su capacidad multimodal unificada, sugiere aún más la intención de Google de una IA integral y que lo abarque todo.

Además, el lanzamiento de un modelo Omni único y unificado se alinea con una estrategia de marca más amplia para consolidar las iniciativas de IA a menudo fragmentadas de Google. Esto no sería solo el lanzamiento de un producto; sería una declaración de intenciones, un momento decisivo que redefine el panorama competitivo y remodela las expectativas sobre lo que la IA puede lograr. La industria espera una revolución, no solo una iteración.

Omni trasciende los límites de un simple generador de video, señalando un cambio profundo hacia una herramienta de IA agéntica. Este modelo no se limita a tomar una instrucción de texto y renderizar un video; su objetivo es comprender instrucciones complejas, orquestar tareas de varios pasos e interactuar con otros servicios digitales, alterando fundamentalmente el flujo de trabajo creativo.

Imagina emitir una orden como: "Omni, encuentra los mejores clips de mi Google Drive, edítalos en un tráiler de 30 segundos, añade una voz en off y publícalo en YouTube." Esta única instrucción encapsula una secuencia de acciones sofisticadas. Omni necesitaría acceder a tu almacenamiento en la nube, identificar inteligentemente metraje relevante, realizar operaciones intrincadas de edición de video, sintetizar voz y luego gestionar todo el proceso de publicación.

Esto va mucho más allá del paradigma de "instrucción y generación" prevalente en los modelos de IA actuales. Omni integra el razonamiento, permitiéndole planificar y ejecutar una serie de acciones dependientes. Realiza acciones similares a las de un navegador para navegar y manipular datos a través de diferentes aplicaciones y sobresale en tareas de varios pasos sin supervisión humana constante.

Tales capacidades transforman la IA de una fábrica de contenido pasiva en un asistente digital activo. La transición de simplemente describir un resultado deseado a instruir a una IA para que *realice* un proyecto complejo representa la verdadera próxima frontera para los asistentes de IA. Este nivel de autonomía sugiere que Google no solo está construyendo mejores modelos, sino categorías completamente nuevas de software inteligente. Para una visión general completa de las ambiciones y anuncios más amplios de IA de Google, incluyendo cómo se están integrando las nuevas capacidades multimodales en todo su ecosistema, los lectores pueden consultar recursos como 100 cosas que anunciamos en I/O 2024 - Google Blog.

Este enfoque agéntico promete desbloquear una eficiencia sin precedentes, permitiendo a los creadores delegar proyectos completos a la IA. Las demostraciones filtradas, aunque impresionantes, solo insinúan la destreza generativa de Omni; su verdadero poder reside en su potencial para convertirse en un socio creativo completamente autónomo, ejecutando comandos sofisticados a través del vasto panorama digital de Google.

El debut prematuro de Omni recalibra inmediatamente la carrera armamentista de video con IA. Competidores como OpenAI y ByteDance, junto con Kling de Alibaba, enfrentan una inmensa presión para acelerar sus hojas de ruta. La revelación inadvertida de Google obliga a los rivales a avanzar modelos no anunciados o mejorar los existentes para igualar la fidelidad y las capacidades agénticas sin precedentes de Omni, impulsando a toda la industria a un ritmo acelerado.

Para creadores, desarrolladores y empresas, Omni anuncia una nueva y exigente era. Las métricas de uso filtradas —dos generaciones de video que consumen el 86% del límite diario de un plan Gemini AI Pro— subrayan el enorme precio y la intensidad computacional. Prepararse para esta próxima generación significa una inversión significativa en recursos de computación y la adaptación de los flujos de trabajo a herramientas de IA agénticas altamente capaces, aunque intensivas en recursos, que prometen un potencial creativo transformador.

Las implicaciones éticas y de seguridad del video con IA hiperrealista y ampliamente accesible son profundas. Las capacidades de edición avanzadas de Omni —remixing de videos, eliminación de marcas de agua, intercambio de objetos y reescritura de escenas mediante instrucciones de chat— plantean serias preocupaciones sobre la desinformación y los deepfakes. Los organismos reguladores y los proveedores de plataformas deben ahora lidiar con herramientas que difuminan la línea entre la realidad y el contenido sintético con una facilidad y sofisticación sin precedentes.

Ya sea una estrategia de marketing calculada o un error genuino, la filtración de Gemini Omni ha reestablecido irrevocablemente las expectativas para 2026. Esta revelación accidental establece un nuevo y más alto punto de referencia para el realismo, la coherencia y el control agéntico en la generación de video con IA, superando con creces los modelos actuales como Veo 3.1. La industria ahora opera bajo la sombra de Omni, un potente, aunque caro, presagio del futuro multimodal.

¿Qué es Google Gemini Omni?

Gemini Omni es un nuevo modelo de IA multimodal de Google, aún no lanzado, que se filtró accidentalmente. Parece ser una potente herramienta de generación y edición de video, que potencialmente unifica varias capacidades de IA en un solo sistema.

¿En qué se diferencia Gemini Omni de Google's Veo?

Las primeras demostraciones sugieren que Omni es un avance significativo respecto al modelo actual Veo 3.1, mostrando una renderización de texto, movimiento y composición superiores. El nombre 'Omni' también implica que podría ser un verdadero modelo multimodal, manejando más que solo video, a diferencia del Veo especializado.

¿Cuánto costará usar Gemini Omni?

Aunque el precio oficial es desconocido, una filtración sugirió que generar solo dos videos cortos consumió el 86% del uso de un plan Pro de $20/mes. Esto indica que será significativamente más caro y computacionalmente intensivo que los modelos existentes.

¿Es Gemini Omni mejor que competidores como Sora o Seedance 2?

Las comparaciones muestran que Omni es altamente competitivo con modelos superiores como Seedance 2 en calidad de video crudo. Su principal ventaja podría ser sus rumoreadas capacidades de edición conversacional avanzadas, lo que potencialmente lo convierte en una herramienta más versátil que sus competidores.