谷歌Genie 4开放API:每分钟约6美元,能边玩边改世界
谷歌将“现场生成可玩世界”开放为API。11月19日,Genie 4面向开发者开放,经Gemini API多轮交互接口及AI Studio调用;前一日Project Genie已向AI Ultra用户解锁。输入文本、参考图或图文混合,即可生成720p、24fps可交互世界,环境音与对白同步生成,并嵌SynthID水印;
谷歌将“现场生成可玩世界”的能力封装成了 API。11 月 19 日,世界模型
Genie 4 正式向开发者开放,可通过 Gemini API 的多轮交互接口以及 AI Studio 调用;就在此前一天,消费端的 Project Genie 已先行向 AI Ultra 用户解锁。键盘一按,世界即时生成。

只要给出一句文本、一张参考图,或者图文混着来,就能生成 720p、24fps 的连续可交互世界,环境音和对白一并同步产出,输出内容都嵌入了
SynthID 隐形水印。用键盘实时操控时,画面响应大约在 0.2 至 0.5 秒之间;敲入文字还能随时改天气、改光照、改物体,甚至改动剧情事件,世界的状态靠 Gemini 推理来维持连贯。它的定位是交互原型、空间可视化,以及机器人和智能体训练。短板同样明显:只支持 16:9 横屏,画面逐帧滚动生成,没有持久化的 3D 资产,会话一断就进不去了;网络往返延迟超过 150 毫秒就会卡,目前也只由美国的数据中心提供服务。
没有免费层,而且关掉网页计时也不会停。计费按 Token 计算:文本和图像输入为 1.50 美元 / 百万 Token,文本输出 9 美元,带立体声的视频输出 17.50 美元,折算下来约 0.10 美元 / 秒、6.05 美元 / 分钟。
官方还提醒了两个坑:画面最连贯的时段是前 45 至 90 秒,单次会话上限为 120 秒;直接关闭网页并不会停止计费,必须显式调用 complete() 或 cancel() 才能止损。同一时期,谷歌还上线了推理模型
Gemini 4 Neon 和 Robotics 插件。