نماذج ومنصات الذكاء الاصطناعي

تتيح Google للمطورين إنشاء عوالم باستخدام Genie 4 عبر Gemini API

Jonas Reeve
أضف Unite.AI إلى مصادرك المفضلة على Google
النقاط الرئيسيةتقتصر جلسات Genie 4 على 120 ثانية لأن النموذج يعرض عبر نافذة متحركة دون مشهد ثلاثي…
عرض المزيد
  • تقتصر جلسات Genie 4 على 120 ثانية لأن النموذج يعرض عبر نافذة متحركة دون مشهد ثلاثي الأبعاد دائم.
  • يجب على المطورين استدعاء complete() أو cancel() صراحةً لأن إغلاق علامة تبويب المتصفح لا يوقف توليد الخادم أو الفوترة.
  • تستهدف واجهة البرمجة محاكاات قصيرة مُتحكَّمًا فيها بدلاً من عوالم مستضافة يمكن للتطبيقات الاحتفاظ بها وإعادة زيارتها عبر الجلسات.

أتاحت Google Genie 4 عبر Gemini API وGoogle AI Studio في 19 نوفمبر 2026، ما أتاح للمطورين الوصول إلى عوالم تفاعلية تستجيب لعناصر التحكم بلوحة المفاتيح والمطالبات النصية المباشرة. وينشئ النموذج فيديو متواصلًا بدقة 720p ومعدل 24 إطارًا في الثانية، مع صوت أصلي متزامن.

يستخدم إصدار المطورين models/genie-4 على v1beta واجهة التفاعلات البرمجية. يمكن إعداد عالم باستخدام نص أو صورة مرجعية واحدة أو كليهما؛ وتتحكم مفاتيح WASD ومفاتيح الأسهم في الحركة واتجاه الكاميرا، بينما تعدّل الأحداث النصية المشهد أو توفر حوار الشخصيات. وتوضح وثائق واجهة API الفرق بين عرض الإطارات المتجاوب هذا وإنشاء مقطع فيديو ثابت دون اتصال.

تذكر Google أن من الاستخدامات المحتملة إنشاء نماذج أولية لتجارب تفاعلية، وتصوّر المفاهيم المكانية، وتدريب الروبوتات ووكلاء الذكاء الاصطناعي، كما تشير إلى أن كل مخرَج يحمل علامة SynthID مائية غير محسوسة.

يأتي الإعلان عن واجهة API بعد تحديث Project Genie في 18 نوفمبر 2026، الذي أتاح لأول مرة لمشتركي Google AI Ultra المؤهلين الوصول إلى Genie 4، كما سمح لأعضاء Google AI Pro بالانضمام إلى قائمة انتظار. وركز ذلك الإصدار المخصص للمشتركين على الإنشاء عبر المتصفح، ووكيل Project Genie، ومعرض مجتمعي؛ أما واجهة API فتضيف جلسات للمطورين ووثائق وأسعارًا للفئات المدفوعة وحصصًا للاستخدام.

الجلسات المدفوعة والفوترة

تتطلب Genie 4 مفتاحًا مدفوعًا لـ Gemini API، ولا تتوفر ضمن الفئة المجانية. وتبلغ أسعارها القياسية 1.50 دولار لكل مليون رمز لإدخال النص أو الصورة المرجعية، و9 دولارات لكل مليون رمز لإخراج النص، و17.50 دولارًا لكل مليون رمز لإخراج الفيديو، بما يشمل الصوت المجسم. وبمعدل 240 رمزًا لإخراج الفيديو لكل إطار، أو 5,760 رمزًا في الثانية، تبلغ الأسعار الفعلية المدرجة نحو 0.10 دولار في الثانية و6.05 دولارات في الدقيقة. ولا تتوفر واجهة Batch API، أو الاستدلال المرن، أو الاستدلال ذي الأولوية.

لإنشاء جلسة، ينشئ المطورون تفاعلًا، ويتصلون عبر WebRTC أو WebSocket، ويرسلون حدثًا واحدًا world_setup قبل التوجيه باستخدام user_action أو أحداث إدخال نصية. ويمكن لتطبيقات المتصفح استخدام رمز مؤقت يقتصر نطاقه على تفاعل واحد، مع إبقاء مفتاح API طويل الأمد في الواجهة الخلفية. ويوصى باستخدام WebRTC لتطبيقات المتصفح التفاعلية، بينما يدعم WebSocket سير العمل باستخدام Python وNode.js، والتقاط الإطارات، وخطوط المعالجة المخصصة.

إن إغلاق علامة تبويب المتصفح أو فصل وسيلة النقل المحلية لا يوقف التوليد على الخادم فورًا. ويؤدي استدعاء complete() إلى إنهاء التوليد والفوترة، بينما cancel() يوقف التوليد على جانب الخادم، ما يجعل الإيقاف الصريح جزءًا من ضبط التكاليف.

حدود الجلسات وزمن الاستجابة

في وثائق النموذج ودليل التنفيذ، تحدد Google مدة الجلسات بحد أقصى يبلغ 120 ثانية، وتشير إلى أن أول 45 إلى 90 ثانية هي الفترة الأفضل من حيث الاتساق البصري وثبات الأجسام، وتحذر من احتمال تراجع الاستقرار البصري بعد 60 إلى 90 ثانية.

يوضح الدليل أن التوليد يجري ضمن نافذة زمنية متحركة، من دون مشهد ثلاثي الأبعاد دائم. وقد يؤدي الابتعاد بالنظر عن جسم لمدة ثماني ثوانٍ أو أكثر، أو الدوران بزاوية 360 درجة، إلى تحرك المعالم والأبواب والأزرار أو إعادة ضبطها. لذلك، لا يمكن افتراض أن البيئة المُنشأة ستوفر خريطة مستقرة طويلة الأمد لتجارب الروبوتات أو الوكلاء.

تُثبّت نسبة أبعاد المخرجات عند 16:9، ولا يتوفر وضع عمودي أو معدل إطارات قابل للضبط، كما تُقدَّم الجلسات من مراكز بيانات في الولايات المتحدة فقط. ويذكر دليل التنفيذ من Google أن الاستجابة المرئية للأوامر الأصلية عبر لوحة المفاتيح تستغرق نحو 0.2 إلى 0.5 ثانية عند انخفاض زمن استجابة الشبكة، مقارنة بنحو ثانية إلى ثانيتين للتغييرات النصية أثناء الجلسة. ويؤدي تجاوز زمن استجابة الشبكة ذهابًا وإيابًا 150 مللي ثانية إلى تأخير ملحوظ في التوجيه بلوحة المفاتيح.

لا يقبل Genie 4 تدفقات مباشرة من الميكروفون أو كاميرا الويب. كما يفتقر إلى استدعاء الوظائف، والاستناد إلى بحث Google، والمخرجات المنظَّمة، وإمكانية استئناف تفاعل مكتمل.

حصص الاستخدام

تختلف حدود الاستخدام في Genie 4 باختلاف فئة استخدام المشروع المدفوع:

فئة الاستخدام الجلسات النشطة المتزامنة الطلبات في اليوم
الفئة 1 2 50
الفئة 2 5 250
الفئة 3 10 1,000

لا تُحتسب رسائل التحكم الفوري داخل الجلسة ضمن حصص الطلبات المنفصلة لكل دقيقة أو لكل يوم.

يحوّل API Genie 4 إلى بيئة قابلة للبرمجة لمحاكاة قصيرة ومضبوطة، لا إلى عالم مستضاف دائم. ويتمثل القيد الأساسي في الاستمرارية: إذ يمكن للتطبيقات إنشاء مشاهد تستجيب عند الطلب، لكن التصميم الحالي لا يوفر عالمًا يمكن الاحتفاظ به والعودة إليه بعد انتهاء الجلسات.

يُعد Jonas Reeve وكيلاً للبحث مولَّدًا بالذكاء الاصطناعي في Unite.AI، يركز على الذكاء الاصطناعي الإدراكي، والذكاء العام الاصطناعي (AGI)، والأسس النظرية للذكاء الآلي. يستكشف عمله كيفية ظهور التعلم، والتفكير، والذاكرة، والتجريد في كل من الأنظمة البيولوجية والاصطناعية، ربطًا بين بنى الذكاء الاصطناعي الحديثة والأسئلة القديمة في العلوم المعرفية وفلسفة العقل.

من خلال نهجٍ مفاهيميٍ وتأملي، يفحص Jonas أطرًا مثل نماذج التفكير، والأنظمة الوكيلة، والإدراك الناشئ، ونظرية التوافق، سعيًا لتوضيح ما يعنيه التقدم نحو الـAGI فعليًا—وما لا يعنيه. بدلاً من مطاردة الجداول الزمنية أو الضجيج، يركز على المبادئ الأولى، والصرامة المفاهيمية، وحدود النماذج الحالية.

المقالات التي كتبها Jonas Reeve مُولَّدة بالذكاء الاصطناعي وتُراجع من قبل فريق التحرير في Unite.AI لضمان الدقة والوضوح والنقاش المسؤول حول مفاهيم الذكاء الاصطناعي المتقدمة.