AI-modeller og platforme

Google åbner for generering af verdener med Genie 4 for Gemini API-udviklere

Jonas Reeve
Føj Unite.AI til dine foretrukne kilder på Google
NøglepunkterGenie 4-sessioner har en grænse på 120 sekunder, fordi modellen gengiver over et…
Vis mere
  • Genie 4-sessioner har en grænse på 120 sekunder, fordi modellen gengiver over et rullende vindue uden en vedvarende 3D-scene.
  • Udviklere skal eksplicit kalde complete() eller cancel(), da lukning af en browservane ikke stopper servergenerering eller fakturering.
  • API'et er rettet mod korte kontrollerede simuleringer frem for hostede verdener, som applikationer kan bevare og vende tilbage til på tværs af sessioner.

Google gjorde Genie 4 tilgængelig via Gemini API og Google AI Studio den 19. november 2026, så udviklere fik adgang til interaktive verdener, der reagerer på tastaturstyring og tekstprompter i realtid. Modellen genererer kontinuerlig video i 720p med 24 billeder i sekundet og synkroniseret, indbygget lyd.

Udviklerudgivelsen bruger models/genie-4 på v1beta Interactions API. En verden kan oprettes ud fra tekst, et enkelt referencebillede eller begge dele. WASD- og piletasterne styrer bevægelse og kameraets retning, mens teksthændelser ændrer scenen eller leverer karakterdialog. API-dokumentationen skelner mellem denne responsive gengivelse af billeder og offlinegenerering af et fast videoklip.

Google nævner prototyper af interaktive oplevelser, visualisering af rumlige koncepter samt træning af robotter og AI-agenter som mulige anvendelser og oplyser, at alle resultater forsynes med umærkelig SynthID-vandmærkning.

API-annonceringen følger efter Project Genie-opdateringen den 18. november 2026, som gav berettigede Google AI Ultra-abonnenter deres første adgang til Genie 4 og gav Google AI Pro-medlemmer mulighed for at komme på venteliste. Denne abonnentudgivelse lagde vægt på browserbaseret oprettelse, en Project Genie-agent og et fællesskabsgalleri; API’en tilføjer i stedet udviklersessioner, dokumentation, priser for betalingsniveauer og forbrugskvoter.

Betalte sessioner og fakturering

Genie 4 kræver en Gemini API-nøgle med et betalt niveau og tilbydes ikke på gratisniveauet. Standardpriserne er 1,50 $ pr. million tokens for tekst- eller referencebilledinput, 9 $ pr. million for tekstoutput og 17,50 $ pr. million for videooutput, inklusive stereolyd. Ved 240 videotokens i output pr. billede, svarende til 5.760 tokens i sekundet, er de angivne effektive priser cirka 0,10 $ i sekundet og 6,05 $ i minuttet. Batch API, Flex inference og Priority inference understøttes ikke.

For at oprette en session opretter udviklere en interaktion, opretter forbindelse via WebRTC eller WebSocket og sender én world_setup hændelse, før de styrer den med user_action eller tekstinputhændelser. Browserapplikationer kan bruge et midlertidigt token, der er begrænset til én interaktion, så den langlivede API-nøgle forbliver på backend’en. WebRTC anbefales til interaktive browserapps, mens WebSocket understøtter arbejdsgange i Python og Node.js, billedoptagelse og brugerdefinerede pipelines.

Hvis en browserfane lukkes, eller den lokale transportforbindelse afbrydes, stopper servergenereringen ikke med det samme. Et kald til complete() afslutter genereringen og faktureringen, mens cancel() afbryder genereringen på serversiden, så eksplicit nedlukning er en del af omkostningsstyringen.

Sessionsgrænser og forsinkelse

I sin modeldokumentation og implementeringsvejledning begrænser Google sessioner til 120 sekunder, udpeger de første 45 til 90 sekunder som den periode, hvor den visuelle sammenhæng og objekternes vedvarenhed er bedst, og advarer om, at den visuelle stabilitet kan forringes efter 60 til 90 sekunder.

Vejledningen beskriver generering over et rullende tidsvindue uden en permanent 3D-scene. Hvis man ser væk fra et objekt i otte sekunder eller mere eller drejer 360 grader, kan landemærker, døre og knapper flytte sig eller blive nulstillet. Derfor kan man ikke gå ud fra, at det genererede miljø giver et stabilt, langsigtet kort til robotteknologi eller agenteksperimenter.

Outputtet har et fast billedformat på 16:9, uden portrættilstand eller mulighed for at indstille billedhastigheden, og sessioner leveres kun fra datacentre i USA. Googles implementeringsvejledning angiver en visuel reaktionstid på cirka 0,2 til 0,5 sekunder for indbyggede tastaturhandlinger ved lav netværksforsinkelse, sammenlignet med omkring et til to sekunder for tekstændringer midt i en session. En netværksforsinkelse tur-retur på over 150 millisekunder forsinker tastaturstyringen mærkbart.

Genie 4 modtager ikke direkte mikrofon- eller webcamstreams. Det mangler også funktionskald, forankring via Google Search, strukturerede output og mulighed for at genoptage en afsluttet interaktion.

Forbrugskvoter

Genie 4’s forbrugsgrænser varierer efter det betalte projekts forbrugsniveau:

Forbrugsniveau Samtidige aktive sessioner Anmodninger pr. dag
Niveau 1 2 50
Niveau 2 5 250
Niveau 3 10 1,000

Kontrolmeddelelser i realtid inden for en session tæller ikke med i separate anmodningskvoter pr. minut eller pr. dag.

API’en gør Genie 4 til et programmerbart miljø til korte, kontrollerede simuleringer snarere end en hostet, vedvarende verden. Den væsentligste begrænsning er kontinuiteten: Applikationer kan generere responsive scener efter behov, men det nuværende design giver ikke mulighed for at bevare en verden og vende tilbage til den på tværs af afsluttede sessioner.

Jonas Reeve er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, med fokus på kognitiv AI, kunstig generel intelligens (AGI) og de teoretiske grundlag for maskinintelligens. Hans arbejde undersøger, hvordan læring, ræsonnement, hukommelse og abstraktion opstår i både biologiske og kunstige systemer, og trækker forbindelser mellem moderne AI-arkitekturer og langvarige spørgsmål inden for kognitiv videnskab og sindets filosofi.

Med en konceptuel og reflekterende tilgang undersøger Jonas rammer som ræsonneringsmodeller, agentbaserede systemer, emergent kognition og justeringsteori, med det formål at tydeliggøre, hvad fremskridt mod AGI faktisk betyder – og hvad det ikke gør. I stedet for at jagte tidslinjer eller hype lægger han vægt på første principper, konceptuel stringens og begrænsningerne i de nuværende modeller.

Artikler skrevet af Jonas Reeve er AI-genererede og gennemgået af Unite.AI’s redaktionsteam for at sikre nøjagtighed, klarhed og ansvarlig diskussion af avancerede AI-koncepter.