谷歌Genie 4开放开发者:0.2秒操控延迟,6.05美元/分钟
当地时间11月19日,谷歌正式向开发者开放世界模型Genie 4,开发者可通过Gemini API及Google AI Studio接入。该模型可生成720p、24fps的可交互世界与原生立体声音频,低延迟网络下键盘操控响应约0.2至0.5秒,视频输出按Token计费,成本约6.05美元/分钟。

北京时间11月20日消息,据谷歌官方博客及科技媒体The Defiant、Unite.AI报道,当地时间11月19日,谷歌正式向开发者开放世界模型
Genie 4。开发者可通过Gemini API(Interactions API多轮交互接口)及Google AI Studio接入调用。就在此前一天(11月18日),谷歌已经在消费端应用Project Genie中向AI Ultra订阅用户开放Genie 4,AI Pro用户可加入候补名单;同时Genie 3也做了升级,单次探索时长延至3分钟,并支持多世界串联与360度全景图生成。
据介绍,Genie 4能从文本提示、参考图像或图文结合出发,生成720p分辨率、24fps的连续可交互世界,环境音、音效及角色对白等原生立体声音频也一并生成,所有输出内容均嵌入SynthID隐形水印。谷歌同时在AI Studio上线了交互画布与入门示例应用。
开发者能一边用键盘实时操作,一边靠文字指令随时改动天气、光照、物体和场景事件,世界状态则由
Gemini推理来维持连贯。谷歌给这套东西定的用途是交互体验原型、空间概念可视化,以及机器人和AI智能体(Agent)训练。问题是眼下的输出被固定在16:9横屏,竖屏和自定义帧率都还不行;底层走的是滚动窗口逐帧生成,并不搭建可长期留存的3D资产,会话一断就没法恢复重进;实时音视频流输入和联网搜索增强同样尚未开放。
Unite.AI引用谷歌的实现指南给出数据:网络延迟较低时,Genie 4用键盘原生操控的画面响应大致在0.2至0.5秒,会话进行中打字改场景则要约1至2秒。可一旦往返网络延迟高于150毫秒,操作就会明显卡住,所以服务眼下只放在美国数据中心。配额上不提供免费层,付费的Tier 1至Tier 3各自对应2个、5个、10个并发活跃会话,每天请求上限依次是50次、250次和1000次。
定价与计费规则方面,Genie 4采用按Token结算模式。官方定价显示,文本及参考图像输入为1.50美元/百万Token,文本输出为9美元/百万Token;含立体声音频的视频输出为17.50美元/百万Token,按每帧240 Token、每秒5760 Token折算,视频生成成本约为0.10美元/秒、6.05美元/分钟。
此外,谷歌官方文档给出两项关键使用提示:一是模型前45至90秒的视觉连贯性与物体持久性最佳,对应输出成本约4.5至9.1美元,单次会话最高上限为120秒;二是直接关闭网页或断开连接并不会立即停止后台生成与扣费,开发者必须显式调用complete()或cancel()接口以终止服务端运行及计费。另据The Defiant与9to5Google报道,谷歌同期(11月18日至19日)还密集推出了面向复杂推理的Gemini 4 Neon(输入定价3美元/百万Token)及面向Antigravity的Gemini Robotics插件。