Gemini Omni ist kurz vor der Google I/O 2026 durchgesickert

Ein neues Videomodell namens Omni ist innerhalb der Gemini-App aufgetaucht, nur wenige Tage bevor die Google I/O 2026 am 19. Mai eröffnet wird. Der Leak begann als einzelner UI-String, der am 2. Mai entdeckt wurde, und eskalierte am 11. Mai, als aus dem Konto mindestens eines Gemini-Pro-Nutzers echte generierte Clips durchsickerten, darunter eine Spaghetti-Szene in einem Restaurant am Meer und ein Professor, der trigonometrische Beweise an einer Tafel durcharbeitet. Bei der Veranstaltung stellte Google Gemini 3.5 vor, seine neue Flaggschiff-Familie.

Interessant ist vor allem, was Omni nicht ist. Es ist nicht die macOS-Produktivitäts-App Omni 1, die Google Anfang dieses Jahres still und leise veröffentlicht hat, und die beiden haben trotz der unglücklichen Namensgleichheit keine gemeinsame Herkunft. Omni innerhalb der Gemini-App scheint entweder ein Rebranding der aktuellen Veo 3.1-Pipeline zu sein, ein brandneues, hausinternes Gemini-Videomodell, oder, in der aggressivsten Lesart, ein echtes, vereinheitlichtes Omni-Modell, das Text, Bild, Video und Audio in einer einzigen Architektur verarbeitet.

Dieser Artikel geht auf alles ein, was tatsächlich durchgesickert ist: die Demovideos, die UI-Artefakte, die drei konkurrierenden Theorien darüber, was Omni wirklich ist, die frühen Leistungsberichte, die Ressourcenkosten (ein Nutzer verbrauchte 86 % seines täglichen AI-Pro-Kontingents für zwei generierte Clips), die Gerüchte zur Tarifstruktur und wie Omni im Vergleich zu Sora 2, Veo 3.1 und ByteDance Seedance 2 abschneiden würde, falls sich die frühen Berichte bestätigen.

Was tatsächlich durchgesickert ist

Zwei separate Leaks ergeben das aktuelle Bild, und sie liegen neun Tage auseinander.

Der erste Leak war ein UI-String. Am 2. Mai entdeckte TestingCatalog einen Text im Reiter zur Videogenerierung der Gemini-App, der lautete: „Starte mit einer Idee oder probiere eine Vorlage aus. Unterstützt von Omni.“ Der String stand direkt neben „Toucan“, dem internen Codenamen von Google für den bestehenden, auf Veo 3.1 basierenden Videopfad. Genau diese Gegenüberstellung hat die Spekulationen ausgelöst, da sie eher auf die Vorbereitung eines Wechsels als auf eine Ablösung hindeutet.

Der zweite Leak waren die Demovideos. Am 11. Mai hatte mindestens ein Gemini-AI-Pro-Abonnent Zugriff auf Omni und teilte zwei generierte Clips. Im Video-Reiter selbst tauchte neuer Text auf, der versprach, Nutzer könnten „ihre Videos remixen, direkt im Chat bearbeiten, eine Vorlage ausprobieren und mehr.“

Das ist die Gesamtheit des bestätigten Leak-Materials mit Stand 12. Mai. Alles andere ist Ableitung aus den UI-Artefakten, dem Vergleich mit Veo 3.1 und Googles breiterer Produktstrategie.

Die Entdeckung des UI-Strings

Der String „Unterstützt von Omni“ ist klein, aber ungewöhnlich aufschlussreich. Google zeigt interne Modellnamen nur selten im Produktions-UI, und wenn doch, ist das meist ein Signal für eine späte Phase, nicht für eine frühe.

Ein paar Details sind hier wichtig. Erstens befand sich die Platzierung im Videogenerierungs-Flow der Consumer-Gemini-App, nicht in Vertex AI oder AI Studio. Das bedeutet: Was auch immer Omni ist, Google bereitet sich darauf vor, es direkt an Endnutzer auszuliefern, nicht nur an Entwickler. Zweitens verwendete der String den öffentlichen Namen „Omni“ statt eines Codenamens, was sich von Googles bisherigem Umgang mit früheren Veo-Versionen unterscheidet. Toucan und ähnliche Namen sind intern geblieben. Omni wurde dagegen auf einem für Nutzer sichtbaren Label platziert.

Drittens legt die Platzierung direkt neben Toucan einen Übergang nahe, kein paralleles Angebot. Wenn Google vorhätte, Veo 3.1 als separate Option beizubehalten, würde die UI eher zwei getrennte Generatoren zeigen. Die Formulierung mit einem einzigen Button („Unterstützt von Omni“) liest sich eher wie ein Wechsel der Pipeline.

Die Demovideos vom 11. Mai

Neun Tage nachdem der UI-String durchgesickert war, begannen die tatsächlichen Modell-Ausgaben zu kursieren. Zwei Clips wurden von Journalisten, die sie gesehen haben, im Detail beschrieben.

Der erste Clip war eine Spaghetti-Szene. Der Prompt verlangte „zwei Männer an einem Tisch am Meer in einem gehobenen Restaurant“ beim Essen von Spaghetti, eine bewusste Anspielung auf den seit Langem bekannten „Will Smith isst Spaghetti“-Benchmark, an dem frühe Videomodelle bekanntermaßen gescheitert sind. Chrome Unboxed beschrieb das Ergebnis als „unglaublich realistisch“, mit überzeugender physischer Interaktion zwischen den Personen und dem Essen, ohne offensichtliches Verformen von Gliedmaßen und mit korrekter Darstellung der Spaghettistränge beim Aufwickeln und Drehen. Das ist genau die Art von Szene mit physischen Objekten, an der Sora 1 2024 gescheitert ist und die Veo 3 erst Ende 2025 zuverlässig beherrschte.

Der zweite Clip war eine Mathe-Vorlesung. Der Prompt verlangte „ein Professor schreibt einen mathematischen Beweis für trigonometrische Identitäten an eine traditionelle Kreidetafel“ und erklärt dabei die einzelnen Schritte. Reporter von 9to5Google stellten fest, dass das Modell sowohl die Texterzeugung auf dem Bildschirm als auch die physische Interaktion mit der Tafel wirksam umsetzte, mit dem offensichtlichen Vorbehalt, dass einige künstlich wirkende Merkmale sichtbar blieben. Generierter Text innerhalb von Videos ist eine bekannte Schwachstelle aktueller Modelle, darunter auch Veo 3.1, und Schreiben vor laufender Kamera ist noch einmal schwieriger, weil der Text Strich für Strich synchron zur Handbewegung erscheinen muss.

Keiner der beiden Clips wurde zum Zeitpunkt der Veröffentlichung dieses Artikels vollständig öffentlich zugänglich gemacht. Die Beschreibungen stammen von Journalisten, die die Ausgaben über das Konto des Abonnenten gesehen haben, von dem der Leak stammt.

Drei Theorien darüber, was Omni ist

Der Leak bestätigt die zugrunde liegende Architektur nicht, und es gibt drei plausible Interpretationen. Jede hat andere Implikationen dafür, was Google auf der I/O ankündigt.

Theorie eins. Omni ist ein öffentliches Rebranding von Veo 3.1. Dieser Lesart zufolge ändert sich an der zugrunde liegenden Pipeline nichts, aber Google zieht die Marke Veo aus der Consumer-Gemini-App zurück und präsentiert dasselbe Modell unter einem einheitlichen, Gemini-nativen Namen. Das ist die unspektakulärste Interpretation, aber auch die operativ plausibelste, weil Google sichtbar versucht, seine fragmentierte KI-Marke zu einer einzigen, von Gemini geführten Geschichte zusammenzuführen.

Theorie zwei. Omni ist ein neues, innerhalb von Gemini trainiertes Videomodell. Dieser Lesart zufolge ist Omni ein eigenständiges Modell, das innerhalb der Gemini-Familie trainiert wurde, getrennt von Veo, und das Veo im Laufe der Zeit ersetzen oder ergänzen soll. Das würde erklären, warum die UI-Strings Omni von Toucan unterscheiden, statt beide als denselben Generator zu behandeln. Es würde auch zu Googles Muster passen, mehrere parallele Forschungsstränge zu verfolgen und am Ende nur den erfolgreichen zu konsolidieren.

Theorie drei. Omni ist ein echtes Omni-Modell. Dieser Lesart zufolge ist Omni eine einzige Architektur, die Text, Bild, Video und Audio gemeinsam verarbeitet, vergleichbar damit, wie GPT-4o 2024 positioniert wurde, nur erweitert auf Langform-Video. Der Name selbst ist das stärkste Indiz für diese Lesart, und sie würde zu Googles erklärtem langfristigem Ziel nativer Multimodalität passen. Der Nachteil ist, dass bisher kein öffentlich verfügbares Modell echtes gemeinsames Training über Langform-Video und die anderen Modalitäten im Maßstab von Veo oder Sora gezeigt hat, und das in einer einzigen Architektur zu schaffen, ist wirklich schwierig.

Die Realität liegt wahrscheinlich irgendwo zwischen Theorie zwei und Theorie drei. Die UI-Signale deuten eher auf ein neues Modell als auf ein Rebranding hin, und die multimodale Namensgebung deutet auf einen größeren Umfang als nur Video hin, aber eine vollständig vereinheitlichte Architektur wäre ein größerer Sprung, als Google ihn historisch je in einem einzigen Release gemacht hat.

Bearbeitung im Chat und die Hinweise auf Funktionen

Die durchgesickerte Omni-UI verspricht vier Dinge, die im Text sichtbar sind: Generieren, Remixen, direkt im Chat bearbeiten und Vorlagen verwenden.

Der Punkt „direkt im Chat bearbeiten“ ist der interessanteste. Zu den tatsächlich funktionierenden Bearbeitungsfunktionen gehören das Entfernen von Wasserzeichen aus bestehenden Clips, das Austauschen von Objekten innerhalb einer generierten Szene und das Umschreiben ganzer Szenen per Anweisung in natürlicher Sprache. Keine davon ist für sich genommen neu (Runway und Pika haben jeweils eigene Versionen davon veröffentlicht), aber die Integration in einen einzigen, zusammenhängenden Chat-Flow neben der Generierung wäre eine bedeutende Verschiebung im Arbeitsablauf und würde Google in dieser Hinsicht vor OpenAI bringen, da Sora 2 Generierung und Bearbeitung nach wie vor als getrennte Abläufe behandelt.

Der Punkt „Vorlagen“ deutet auf eine stärker auf Endnutzer ausgerichtete Strategie hin. Google ist sich offensichtlich bewusst, dass die meisten Nutzer keine detaillierten Video-Prompts von Grund auf schreiben wollen, und Vorlagen sind genau der Schachzug, den Canva und CapCut genutzt haben, um generative Medien für technisch weniger versierte Nutzer zugänglich zu machen. Kombiniert mit der Reichweite, die Google über YouTube Shorts und Workspace bereits hat, könnten Vorlagen plus Chat-Bearbeitung einen deutlich einfacheren Video-Erstellungsprozess ergeben, als er derzeit in Soras Oberfläche existiert.

Der Punkt „Remix“ ist auf Grundlage des Leaks eher spekulativ, im Kontext bedeutet er aber höchstwahrscheinlich, einen bestehenden generierten Clip zu nehmen und zu variieren (anderer Blickwinkel, andere Stimmung, anderer Stil), ohne ihn von Grund auf neu zu generieren. Veo 3.1 unterstützt bereits etwas Ähnliches über Referenzbilder, aber der Omni-Text legt eine direktere Interaktion nahe.

Frühe Berichte zur Leistung

Die frühen Berichte von Personen, die Omni-Ausgaben gesehen haben, sind gemischt, tendieren aber bei einigen konkreten Dimensionen ins Positive und bei einer ins Negative.

Auf der positiven Seite verbessert sich Omni Berichten zufolge gegenüber Veo 3.1 bei der Prompt-Treue (das Modell tut tatsächlich das, worum gebeten wurde), bei Kamerawinkel-Übergängen (fließender und gezielter), bei der Szenenkohärenz (Objekte und Figuren bleiben über Schnitte hinweg konsistent) und bei der Stimmerzeugung (saubereres Audio, weniger Artefakte). Der Mathe-Vorlesungs-Clip ist der klarste Beleg für die Behauptung zur Prompt-Treue, da Schreiben vor laufender Kamera vom Modell ein deutlich feineres Verständnis des Prompts verlangt als ein allgemeiner Szenengenerator.

Auf der negativen Seite liegt die reine Bildtreue Berichten zufolge hinter ByteDance Seedance 2 zurück, das Anfang 2026 derzeit das stärkste reine Fidelity-Videomodell ist. Omnis Vorteil scheint eher im Workflow und in der Bearbeitung zu liegen als im Fotorealismus pro Einzelbild. Sora 2 liegt bei der Bildtreue dazwischen, hinter Seedance, aber bei filmischen Aufnahmen im Allgemeinen vor Veo 3.1.

Die Verbesserung bei der Stimmerzeugung verdient eine gesonderte Erwähnung. Veo 3.1 unterstützt bereits native Audiospur (synchronisierte Dialoge, Soundeffekte, Umgebungsgeräusche), aber die Audioqualität war die Schwachstelle des ansonsten starken Veo-3-Releases. Wenn Omni die Stimmerzeugung spürbar verbessert, schließt das eine der sichtbarsten Lücken zu Sora 2.

Das Problem der Rechenkosten

Ein Detail aus den durchgesickerten Nutzungsdaten verdient besondere Aufmerksamkeit. Der Gemini-AI-Pro-Abonnent, aus dessen Konto die Demovideos durchsickerten, verbrauchte 86 % seines täglichen Omni-Kontingents allein für die beiden Prompts.

Das liegt um eine Größenordnung über den aktuellen Kosten von Veo 3.1 im selben Tarif. AI Pro erlaubt derzeit je nach Länge etwa 30 bis 50 Veo-Generierungen pro Tag. Dass zwei Prompts 86 % des Kontingents verbrauchen, deutet also darauf hin, dass Omni pro Generierung etwa 12- bis 20-mal rechenintensiver ist, oder dass Google die täglichen Kontingente in Vorbereitung auf den Launch deutlich verschärft hat, oder beides.

Chrome Unboxed berichtet, dass Google explizite Nutzungslimits für Gemini einführt, vermutlich wegen ressourcenintensiver Modelle wie Omni. Das ist aus zwei Gründen relevant. Erstens deutet es darauf hin, dass das Modell wirklich groß und teuer im Betrieb ist, was zu Theorie zwei (neues Gemini-Videomodell) oder Theorie drei (echtes Omni-Modell) passt. Zweitens deutet es darauf hin, dass sich die Consumer-Preise für Videogenerierung bald ändern und die aktuelle Großzügigkeit des AI-Pro-Tarifs nur vorübergehend war.

Wenn du Veo 3.1 in Gemini derzeit produktiv nutzt, lautet die praktische Konsequenz: mit einer Preiserhöhung oder einem strengeren Limit ab der I/O rechnen.

Tarifstruktur und API-Pläne

Die Berichterstattung von TestingCatalog deutet auf eine wahrscheinliche Zweistufenstruktur hin, die den Rest der Gemini-Familie widerspiegelt: eine Flash-Variante für schnelle, günstigere Generierungen und eine Pro-Variante für die höchste Ausgabequalität. Die aktuell durchgesickerten Clips stammen laut Beschreibung wahrscheinlich aus der Flash-Stufe und nicht aus Pro, was mit ein Grund dafür ist, warum der Vergleich der Bildtreue mit Seedance 2 unvorteilhaft ausfällt. Ausgaben der Pro-Stufe sind, falls sie existieren, nicht durchgesickert.

Das Bild bei der API ist weniger klar. Die Berichterstattung ist sich einig, dass Omni über die Gemini-API und über Vertex AI für Entwickler verfügbar sein wird und dass es innerhalb von AI Studio als Agent funktionieren wird, ähnlich wie es Deep Research derzeit tut. Diese Positionierung ist interessant, weil sie nahelegt, dass Omni nicht nur ein Generierungs-Endpunkt ist, sondern ein interaktiveres Workflow-Werkzeug, mit länger laufenden, zustandsbehafteten Sitzungen statt einzelnen Prompt-Antwort-Aufrufen.

Die praktische Konsequenz für alle, die derzeit auf Veo 3.1 aufbauen: keine langfristige Produktivarbeit festlegen, ohne eine API-Umbenennung oder einen Abschaltzeitplan einzuplanen. Der Vertex-AI-Zugang zu Omni wird der Consumer-Ankündigung höchstwahrscheinlich um zwei bis vier Wochen hinterherhinken, was zu Googles üblichem Muster passt, zuerst für Endnutzer und danach für Unternehmen auszurollen.

Wie Omni im Vergleich abschneidet

Basierend auf den durchgesickerten Details und der berichteten frühen Leistung zeigt sich hier, wie sich Omni gegenüber den aktuell führenden Videomodellen einordnen würde, falls sich die frühen Berichte bestätigen.

Das Muster, das diese Tabelle deutlich macht, ist, dass Google nicht versucht, das Rennen um den Fotorealismus zu gewinnen. Omnis Positionierung liegt bei Workflow und Integration, mit der Wette, dass „ausreichend gute Bildtreue plus dramatisch einfachere Bearbeitung im selben Chat“ gegen „branchenführende Bildtreue in einem separaten Tool“ gewinnt. Das ist derselbe Schachzug, den Apple mit Final Cut gegen leistungsfähigere, aber schwerer zu bedienende professionelle Schnittprogramme gefahren hat, und er hat sich historisch beim größeren Konsumentenmarkt bewährt.

Die andere Beobachtung ist, dass Omnis natürliche Reichweite enorm ist. Google kann von Omni generierte Videos gleichzeitig in YouTube Shorts, Google Workspace, Android und die Gemini-App ausliefern, eine Verbreitungsbasis, die OpenAI nicht erreichen kann. Selbst wenn Omni bei der reinen Qualität nur gleichauf statt vorn startet, ist der Verbreitungsvorteil erheblich.

Warum sich der Name mit Omni 1 für macOS überschneidet

Eine kurze Klarstellung, denn die Namensgebung ist wirklich verwirrend. Anfang dieses Jahres veröffentlichte Google eine kleine native macOS-App namens Omni 1, positioniert als leichtgewichtiger Desktop-Assistent. Diese App hat nichts mit dem gerade durchgesickerten Gemini-Videomodell Omni zu tun. Anderes Team, anderer Release-Zeitplan, andere Produktkategorie. Der gemeinsame Name scheint eher Zufall zu sein als eine bewusste Markenverbindung, auch wenn dieser Zufall beim Launch wahrscheinlich für Verwirrung bei den Nutzern sorgen wird.

Wenn du „Omni“ im Zusammenhang mit Videogenerierung siehst, ist das neue Gemini-Videomodell gemeint. Wenn du „Omni 1“ im Zusammenhang mit einer macOS-App siehst, ist der kleine Desktop-Assistent aus früher in diesem Jahr gemeint.

Was auf der Google I/O 2026 zu erwarten ist

Die Google I/O 2026 findet am 19. und 20. Mai statt, genau eine Woche nach dem Zeitpunkt dieses Artikels. Google hat außerdem auf seiner Android Show am 12. Mai das Googlebook vorgestellt, das wir in unserem Guide MacBook vs Googlebook vs Chromebook behandeln. Basierend auf dem Muster des Leaks und Googles jüngster Keynote-Struktur sind die wahrscheinlichsten Omni-bezogenen Ankündigungen:

• Offizielle Vorstellung von Omni mit Demos. Eine Live-Keynote-Demo von Generierung und chatbasierter Bearbeitung gilt angesichts der zentralen Rolle von Video in Googles aktueller Strategie als so gut wie sicher.
• Tarifstruktur und Preise. Bestätigung der Aufteilung in Flash und Pro, mit neuen Preisen für AI Pro und wahrscheinlich einer höheren Stufe (möglicherweise Ultra), die höhere Kontingente freischaltet.
• Zeitplan für API und Vertex AI. Die Verfügbarkeit für Entwickler folgt wahrscheinlich einige Wochen nach dem Consumer-Launch.
• Verbreitung in YouTube und Workspace. Konkrete Ankündigungen zur Integration, insbesondere in die Shorts-Erstellung und in Workspace-Präsentationen.
• Klarstellung zur Zukunft von Veo. Ob Veo als reine Entwickler-Marke weitergeführt oder vollständig in Omni aufgeht.

Was wahrscheinlich nicht angekündigt wird, sind echte Details zur cross-modalen Architektur. Google veröffentlicht auf der I/O normalerweise keine Architektur-Papers, und falls Omni tatsächlich ein vereinheitlichtes Omni-Modell ist, werden die technischen Details wahrscheinlich erst in den folgenden Wochen über DeepMind-Blogbeiträge und ein Paper durchsickern.

Wie du Frontier-KI-Modelle schon heute ausprobierst

Der Omni-Leak erinnert daran, dass sich die Landschaft der Frontier-Modelle so schnell bewegt, dass kein einzelnes Abo Zugriff auf alles Wichtige bietet. Veo 3.1 steckt in Gemini. Sora 2 steckt in ChatGPT. Seedance 2 ist auf ByteDances eigene Tools beschränkt. Claude Opus 4.6 steckt in Claude. DeepSeek V4 Pro steckt im Chat von DeepSeek. Um für jede Aufgabe das richtige Modell zu nutzen, zahlen die meisten Power-User am Ende für mehrere Abos parallel.

Fello AI verfolgt einen anderen Ansatz. Es ist eine schlanke native App für Mac, iPhone und iPad, die Claude 4.6, GPT-5, Gemini 3.1 Pro, DeepSeek V4 Pro, Llama 4, Perplexity und die übrigen wichtigen Modelle in einer einzigen Oberfläche bündelt. Die App ist rund 30 bis 50 MB groß, benötigt kaum Arbeitsspeicher und läuft auf jedem Gerät mit Apple-Chip. Statt zwischen vier Chat-Apps zu wechseln und vier Rechnungen zu verwalten, hast du jedes Frontier-Modell an einem Ort. Sobald Omni offiziell startet und die Gemini-API aktualisiert wird, erhalten Fello-AI-Nutzer Zugriff darauf über dieselbe Oberfläche, die sie bereits verwenden.

Der Omni-Leak selbst wird in sieben Tagen auf der Google I/O offiziell bestätigt (oder still und leise widerlegt). Wir aktualisieren diesen Artikel mit den tatsächlichen Spezifikationen, Tarifpreisen und Demo-Links, sobald die Keynote vorbei ist.