谷歌终于出手了。5月19日,Google I/O 2026上,Gemini Omni正式亮相。这个被官方称为"世界模型"的多模态大模型,声称理解重力、运动、碰撞——也就是懂物理世界怎么运转。AI视频圈沉寂已久,这下有热闹看了。于是把它跟字节的Seedance 2.0拉到一起,做了一次横向测评。 测评标准参考了市面上几个主流维度,分成五类:人类保真度、可控性、物理常识、常识推理、创造力。规则简单粗暴:每家最多抽卡三次,第一次就出效果就锁住不再抽;时长统一10秒,16:9横屏,提示词全用中文。
第一组:五根手指数数——AI界的照妖镜
提示词是一只成年人的手从握拳开始,每秒依次伸出一根手指,从一数到五,特写镜头。
听着简单,翻车率极高。手是AI最不擅长的身体部位,五根手指随时切换姿态,每一帧都要保持一致性,这题压根就不轻松。
Gemini Omni一遍过。有个小瑕疵,"四"数了两遍——但手指数对了,伸出顺序符合人类习惯,关节弯曲方向自然,掌心纹理细到能看见老茧。
Seedance 2.0抽了三次,没一次对的。最不严重的那次,从小拇指起步数数,数到5那一秒大拇指直接放弃努力。配音更绝,Gemini Omni是清晰报数"一二三",Seedance配的是"DDD",像卡带了一样。
这一组,Gemini Omni胜出。
第二组:咖啡馆对手戏——微表情的较量
提示词是咖啡馆里一对年轻男女,女生平静说出"我和你妈聊过了",男生表情从微笑慢慢变僵。
这次Seedance 2.0一遍过,简直就是韩剧片段质感。女主从腼腆到震惊,男主由喜转悲,表情切换极其自然,中文口型全对,运镜也很专业——三段渐进,镜头交替流畅,最后推男生面部特写收尾,眼角的颤动都看得见。
Gemini Omni那边,男主完全放弃表情管理,眉毛上挑、眼睛瞪大、嘴半张,川剧变脸既视感,镜头语言也没什么变化。
这一组,Seedance 2.0完胜。
第三组:手表入水——广告片质感测试
提示词是一只银色机械表缓慢沉入清水,慢动作特写,气泡从表壳缝隙逸出,侧光从水面斜射入水。
Seedance 2.0出来的效果,像偷偷接了劳力士的广告。入水瞬间水面波纹逼真,金色陀飞轮转得清清楚楚,气泡从缝隙绵延向上,配乐是水下静谧感加钢琴节奏,每个音踩在表下沉的节拍上。唯一瑕疵是表盘文字是蝌蚪文,字符渲染依然是AI视频的弱项。
Gemini Omni呢?视频里出现了两个完全不同的场景——玻璃鱼缸和蓝色泳池,上一秒还在鱼缸里下落,下一秒换成了泳池。而且表盘上的飞轮和指针全程静止。
这一组,Seedance 2.0再次胜出。
第四组:冬日客厅——常识推理的主场
提示词是冬日室内客厅,壁炉燃着火,猫蜷在羊毛地毯上,窗外飘雪,茶几上热可可缓缓飘起热气。
这题埋了一堆隐性陷阱——壁炉里的火要往上烧,窗外的雪要往下飘,热可可的蒸汽要往上升,没人会在提示词里说这些。这就是在考常识推理。
Gemini Omni这次进了舒适区。壁炉里的火对了,橘色虎斑猫和毛绒地毯对了,热可可冒着白雾,窗外是绵延的雪松林。更妙的是小猫还打呼噜,运镜也做出了整场最完整的叙事弧线——全景铺垫,细节展示,全景收尾,教科书级。
Seedance 2.0抽了三次卡。第一次猫的个头快赶上沙发,第二次镜头切到壁炉猫直接消失。最终那次整体感觉是对的,但对"冬日西方客厅"的场景理解还是差一截。Seedance拍了个客厅,Gemini Omni拍了个圣诞节——这是训练数据不同带来的文化差异。
这一组,Gemini Omni胜出。
第五组:玻璃鲸鱼游过城市天空——纯粹的创造力
提示词是一只巨大的半透明玻璃鲸鱼,体内可见流动的星辰银河,缓缓游过黄昏的城市天空,地面上几个人抬头仰望,逆光剪影。
这种场景训练集里几乎没有现成参考,两家都得从零想象。
Seedance 2.0的10秒,看了十几遍。玻璃质感的巨鲸进入画面,体内银河缓缓流动,镜头最后大幅拉远,下方是中国城市天际线。三段叙事,节奏紧凑,配乐从神秘低音,加入鲸鱼叫声,最后切到大全景时变成磅礴交响乐——这尼玛是电影预告片。
Gemini Omni的单帧画面其实比Seedance更美,鲸鱼体内能看到多个银河星云,细节密度更高。但10秒里没有叙事曲线,像5张完美素材的硬拼接。
这一组,Seedance 2.0险胜。
最终比分:3比2,Seedance 2.0胜出。
但比分背后更值得看的,是两家的性格差异。
Gemini Omni单帧能打,质感、光感、构图、想象力,单点能力都顶,但不太善于用镜头语言讲故事,10秒里做不出连贯的叙事曲线,像个赶时间的剪辑师在拼接素材。
Seedance 2.0运镜稳、节奏稳、情绪稳,10秒一镜到底是它的招牌。但偶尔会在最基础的题上栽跟头,比如数手指这种事。
目前来看,视频生成领域字节依然略占上风。不过战局会不会逆转,等Gemini 3.5 Flash的视频能力全面铺开之后,或许又是另一场故事了。