Μοντέλα και πλατφόρμες AI
Η Google διαθέτει τη δημιουργία κόσμων του Genie 4 στους προγραμματιστές του Gemini API

Βασικά σημείαΤο Genie 4 περιορίζει τις συνεδρίες στα 120 δευτερόλεπτα επειδή το μοντέλο αποδίδει σε…
Δείτε περισσότερα
- Το Genie 4 περιορίζει τις συνεδρίες στα 120 δευτερόλεπτα επειδή το μοντέλο αποδίδει σε κυλιόμενο παράθυρο χωρίς μόνιμη τρισδιάστατη σκηνή.
- Οι προγραμματιστές πρέπει να καλούν ρητά το complete() ή το cancel() καθώς το κλείσιμο μιας καρτέλας του προγράμματος περιήγησης δεν σταματά την παραγωγή στον διακομιστή ούτε τη χρέωση.
- Το API στοχεύει σε σύντομες ελεγχόμενες προσομοιώσεις και όχι σε φιλοξενούμενους κόσμους που οι εφαρμογές μπορούν να διατηρούν και να επισκέπτονται ξανά μεταξύ συνεδριών.
Στις 19 Νοεμβρίου 2026, η Google έκανε διαθέσιμο το Genie 4 μέσω του Gemini API και του Google AI Studio, δίνοντας στους προγραμματιστές πρόσβαση σε διαδραστικούς κόσμους που ανταποκρίνονται στα πλήκτρα ελέγχου και σε ζωντανές εντολές κειμένου. Το μοντέλο παράγει συνεχή ροή βίντεο 720p με 24 καρέ ανά δευτερόλεπτο και συγχρονισμένο εγγενή ήχο.
Η έκδοση για προγραμματιστές χρησιμοποιεί models/genie-4 στο v1beta Interactions API. Ένας κόσμος μπορεί να δημιουργηθεί με αρχικό ερέθισμα κείμενο, μία εικόνα αναφοράς ή και τα δύο· τα πλήκτρα WASD και τα βέλη ελέγχουν την κίνηση και τον προσανατολισμό της κάμερας, ενώ τα συμβάντα κειμένου τροποποιούν τη σκηνή ή παρέχουν διαλόγους χαρακτήρων. Η τεκμηρίωση του API διακρίνει αυτή την άμεση απόδοση καρέ από την εκτός σύνδεσης δημιουργία ενός βίντεο σταθερής διάρκειας.
Η Google αναφέρει ως πιθανές χρήσεις τη δημιουργία πρωτοτύπων διαδραστικών εμπειριών, την οπτικοποίηση χωρικών εννοιών και την εκπαίδευση ρομπότ και πρακτόρων ΤΝ, ενώ επισημαίνει ότι κάθε αποτέλεσμα φέρει μη αντιληπτό υδατογράφημα SynthID.
Η ανακοίνωση του API ακολουθεί την ενημέρωση του Project Genie στις 18 Νοεμβρίου 2026, με την οποία οι επιλέξιμοι συνδρομητές του Google AI Ultra απέκτησαν για πρώτη φορά πρόσβαση στο Genie 4, ενώ τα μέλη του Google AI Pro είχαν τη δυνατότητα να εγγραφούν σε λίστα αναμονής. Η διάθεση στους συνδρομητές έδωσε έμφαση στη δημιουργία μέσω προγράμματος περιήγησης, σε έναν πράκτορα του Project Genie και σε μια συλλογή έργων της κοινότητας· το API, αντίθετα, προσθέτει συνεδρίες για προγραμματιστές, τεκμηρίωση, χρεώσεις για επί πληρωμή επίπεδα και ποσοστώσεις χρήσης.
Συνεδρίες επί πληρωμή και χρέωση
Το Genie 4 απαιτεί κλειδί Gemini API για επί πληρωμή επίπεδο και δεν διατίθεται στο δωρεάν επίπεδο. Η τυπική τιμολόγησή του είναι 1,50 $ ανά εκατομμύριο διακριτικά για είσοδο κειμένου ή εικόνας αναφοράς, 9 $ ανά εκατομμύριο για έξοδο κειμένου και 17,50 $ ανά εκατομμύριο για έξοδο βίντεο, με στερεοφωνικό ήχο να περιλαμβάνεται. Με 240 διακριτικά εξόδου βίντεο ανά καρέ ή 5.760 διακριτικά ανά δευτερόλεπτο, οι αναγραφόμενες αποτελεσματικές χρεώσεις είναι περίπου 0,10 $ ανά δευτερόλεπτο και 6,05 $ ανά λεπτό. Τα Batch API, Flex inference και Priority inference δεν υποστηρίζονται.
Για να δημιουργήσουν μια συνεδρία, οι προγραμματιστές δημιουργούν μια αλληλεπίδραση, συνδέονται μέσω WebRTC ή WebSocket και στέλνουν ένα world_setup συμβάν προτού κατευθύνουν την αλληλεπίδραση με user_action ή συμβάντα εισόδου κειμένου. Οι εφαρμογές προγράμματος περιήγησης μπορούν να χρησιμοποιούν ένα προσωρινό διακριτικό, περιορισμένο σε μία αλληλεπίδραση, διατηρώντας το μακρόβιο κλειδί API στο υποσύστημα διακομιστή. Το WebRTC συνιστάται για διαδραστικές εφαρμογές προγράμματος περιήγησης, ενώ το WebSocket υποστηρίζει ροές εργασίας Python και Node.js, λήψη καρέ και προσαρμοσμένες διοχετεύσεις.
Το κλείσιμο μιας καρτέλας του προγράμματος περιήγησης ή η αποσύνδεση της τοπικής μεταφοράς δεδομένων δεν διακόπτει αμέσως την παραγωγή στον διακομιστή. Η κλήση του complete() τερματίζει την παραγωγή και τη χρέωση, ενώ η κλήση του cancel() διακόπτει την παραγωγή από την πλευρά του διακομιστή, καθιστώντας τον ρητό τερματισμό μέρος του ελέγχου του κόστους.
Όρια και καθυστέρηση συνεδριών
Στην τεκμηρίωση του μοντέλου και στον οδηγό υλοποίησης, η Google θέτει ανώτατο όριο διάρκειας συνεδρίας τα 120 δευτερόλεπτα, επισημαίνει ότι τα πρώτα 45 έως 90 δευτερόλεπτα προσφέρουν τη μεγαλύτερη οπτική συνοχή και μονιμότητα αντικειμένων και προειδοποιεί ότι η οπτική σταθερότητα μπορεί να υποβαθμιστεί μετά τα 60 έως 90 δευτερόλεπτα.
Ο οδηγός περιγράφει τη δημιουργία σε ένα κυλιόμενο χρονικό παράθυρο, χωρίς μόνιμη τρισδιάστατη σκηνή. Αν ο χρήστης αποστρέψει το βλέμμα από ένα αντικείμενο για οκτώ δευτερόλεπτα ή περισσότερο ή περιστραφεί κατά 360 μοίρες, σημεία αναφοράς, πόρτες και κουμπιά μπορεί να μετακινηθούν ή να επανέλθουν στην αρχική τους κατάσταση. Επομένως, για πειράματα ρομποτικής ή πρακτόρων, δεν μπορεί να θεωρείται δεδομένο ότι το περιβάλλον που δημιουργείται παρέχει σταθερό χάρτη μακράς διάρκειας.
Η έξοδος έχει σταθερό λόγο διαστάσεων 16:9, χωρίς κατακόρυφη λειτουργία ή δυνατότητα ρύθμισης του ρυθμού καρέ, και οι συνεδρίες εξυπηρετούνται αποκλειστικά από κέντρα δεδομένων στις ΗΠΑ. Ο οδηγός υλοποίησης της Google αναφέρει οπτική απόκριση περίπου 0,2 έως 0,5 δευτερολέπτων για εγγενείς ενέργειες μέσω πληκτρολογίου όταν η καθυστέρηση δικτύου είναι χαμηλή, σε σύγκριση με περίπου ένα έως δύο δευτερόλεπτα για αλλαγές κειμένου κατά τη διάρκεια μιας συνεδρίας. Καθυστέρηση δικτύου μετ’ επιστροφής άνω των 150 χιλιοστών του δευτερολέπτου καθυστερεί αισθητά τον χειρισμό μέσω πληκτρολογίου.
Το Genie 4 δεν δέχεται ζωντανές ροές από μικρόφωνο ή κάμερα. Επίσης, δεν διαθέτει κλήση συναρτήσεων, σύνδεση με το Google Search, δομημένες εξόδους ή δυνατότητα συνέχισης μιας ολοκληρωμένης αλληλεπίδρασης.
Ποσοστώσεις χρήσης
Τα όρια ρυθμού αιτημάτων του Genie 4 διαφέρουν ανάλογα με το επίπεδο χρήσης του έργου επί πληρωμή:
| Επίπεδο χρήσης | Ταυτόχρονες ενεργές συνεδρίες | Αιτήματα ανά ημέρα |
|---|---|---|
| Επίπεδο 1 | 2 | 50 |
| Επίπεδο 2 | 5 | 250 |
| Επίπεδο 3 | 10 | 1,000 |
Τα μηνύματα ελέγχου σε πραγματικό χρόνο μέσα σε μια συνεδρία δεν καταναλώνουν ξεχωριστές ποσοστώσεις αιτημάτων ανά λεπτό ή ανά ημέρα.
Το API καθιστά το Genie 4 ένα προγραμματιζόμενο περιβάλλον για σύντομες, ελεγχόμενες προσομοιώσεις και όχι έναν φιλοξενούμενο, μόνιμο κόσμο. Ο βασικός περιορισμός του αφορά τη συνέχεια: οι εφαρμογές μπορούν να δημιουργούν ανταποκρινόμενες σκηνές κατά παραγγελία, αλλά ο τρέχων σχεδιασμός δεν παρέχει έναν κόσμο που να μπορούν να διατηρούν και να επισκέπτονται ξανά μετά την ολοκλήρωση των συνεδριών.












