AI-mallit ja alustat

Google avaa Genie 4:n maailmojen generoinnin Gemini API -kehittäjille

Jonas Reeve
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa
Keskeiset kohdatGenie 4 -istuntojen enimmäiskesto on 120 sekuntia, koska malli renderöi liukuvan…
Näytä lisää
  • Genie 4 -istuntojen enimmäiskesto on 120 sekuntia, koska malli renderöi liukuvan ikkunan yli ilman pysyvää 3D-näkymää.
  • Kehittäjien on kutsuttava complete()- tai cancel()-funktiota eksplisiittisesti, koska selaimen välilehden sulkeminen ei pysäytä palvelimen generointia tai laskutusta.
  • API on tarkoitettu lyhyisiin hallittuihin simulaatioihin eikä isännöityihin maailmoihin, joita sovellukset voivat säilyttää ja palata niihin istuntojen välillä.

Google toi Genie 4:n saataville Gemini API:n ja Google AI Studion kautta 19. marraskuuta 2026, jolloin kehittäjät saivat käyttöönsä vuorovaikutteisia maailmoja, jotka reagoivat näppäimistöohjaukseen ja reaaliaikaisiin tekstikehotteisiin. Malli tuottaa jatkuvaa 720p-videota 24 kuvan sekuntinopeudella ja synkronoitua natiiviääntä.

Kehittäjäjulkaisu käyttää models/genie-4 rajapinnassa v1beta Interactions API:a. Maailman voi käynnistää tekstillä, yhdellä viitekuvalla tai molemmilla. WASD- ja nuolinäppäimillä ohjataan liikettä ja kameran suuntaa, kun taas tekstisyötetapahtumilla muutetaan näkymää tai annetaan hahmoille vuorosanoja. API-dokumentaatiossa erotetaan tämä reaaliaikainen kuvakehysten renderöinti valmiin videoleikkeen offline-generoinnista.

Google mainitsee mahdollisina käyttötarkoituksina vuorovaikutteisten kokemusten prototypoinnin, tilallisten käsitteiden visualisoinnin sekä robotiikan ja tekoälyagenttien kouluttamisen. Yhtiön mukaan jokaisessa tuotoksessa on ihmissilmälle huomaamaton SynthID-vesileima.

API-julkistus seurasi Project Genie -päivitystä 18. marraskuuta 2026. Päivitys antoi vaatimukset täyttäville Google AI Ultra -tilaajille ensimmäisen mahdollisuuden käyttää Genie 4:ää ja salli Google AI Pro -jäsenille liittymisen odotuslistalle. Tilaajajulkaisussa painotettiin selaimessa tapahtuvaa luontia, Project Genie -agenttia ja yhteisögalleriaa. API puolestaan tuo mukanaan kehittäjäsessiot, dokumentaation, maksullisen tason hinnoittelun ja käyttökiintiöt.

Maksulliset sessiot ja laskutus

Genie 4 edellyttää maksullisen tason Gemini API -avainta, eikä sitä voi käyttää maksuttomalla tasolla. Sen vaki hinnoittelu on 1,50 $ miljoonalta tokenilta teksti- tai viitekuvasyötteestä, 9 $ miljoonalta tokenilta tekstimuotoisesta tulosteesta ja 17,50 $ miljoonalta tokenilta videotuotoksesta, johon sisältyy stereoääni. Videotuotoksen 240 tokenilla kuvakehystä kohti eli 5 760 tokenilla sekunnissa ilmoitetut laskennalliset hinnat ovat noin 0,10 $ sekunnilta ja 6,05 $ minuutilta. Batch API, Flex-inferenssi ja Priority-inferenssi eivät ole tuettuja.

Session luomiseksi kehittäjät luovat vuorovaikutuksen, muodostavat yhteyden WebRTC:n tai WebSocketin kautta ja lähettävät yhden world_setup tapahtuman ennen ohjaamista user_action tai tekstisyötetapahtumilla. Selainpohjaisissa sovelluksissa voidaan käyttää väliaikaista tunnusta, joka on rajattu yhteen vuorovaikutukseen. Näin pitkäikäinen API-avain pysyy taustajärjestelmässä. Vuorovaikutteisiin selainpohjaisiin sovelluksiin suositellaan WebRTC:tä, kun taas WebSocket tukee Python- ja Node.js-työnkulkuja, kuvakehysten tallentamista ja mukautettuja käsittelyputkia.

Selaimen välilehden sulkeminen tai paikallisen tiedonsiirtoyhteyden katkaiseminen ei pysäytä palvelimella tapahtuvaa generointia heti. Kutsumalla complete() generointi ja laskutus päättyvät, kun taas cancel() keskeyttää palvelinpuolen generoinnin, joten istunnon nimenomainen sulkeminen on osa kustannusten hallintaa.

Istuntojen rajoitukset ja viive

Google rajoittaa istuntojen keston 120 sekuntiin sekä mallin dokumentaatiossa että käyttöönotto-oppaassa. Parhaaksi visuaalisen johdonmukaisuuden ja esineiden pysyvyyden ajanjaksoksi ilmoitetaan ensimmäiset 45–90 sekuntia, ja Google varoittaa visuaalisen vakauden voivan heikentyä 60–90 sekunnin jälkeen.

Oppaassa kuvataan generointia liukuvassa aikaikkunassa ilman pysyvää 3D-ympäristöä. Jos käyttäjä katsoo pois kohteesta vähintään kahdeksaksi sekunniksi tai kääntyy 360 astetta, maamerkit, ovet ja painikkeet voivat siirtyä tai nollautua. Siksi robotiikka- tai agenttikokeissa ei voi olettaa generoidun ympäristön tarjoavan vakaata pitkän aikavälin karttaa.

Tulosteen kuvasuhde on aina 16:9, eikä käytettävissä ole pystytilaa tai säädettävää kuvataajuutta. Istuntoja palvellaan vain Yhdysvaltain datakeskuksista. Googlen käyttöönotto-oppaassa kerrotaan visuaalisen vasteen olevan noin 0,2–0,5 sekuntia näppäimistön natiiviohjauksessa, kun verkkoviive on pieni. Istunnon aikana tehtävät tekstimuutokset vievät sen sijaan noin yhdestä kahteen sekuntia. Yli 150 millisekunnin edestakainen verkkoviive hidastaa näppäimistöohjausta huomattavasti.

Genie 4 ei hyväksy reaaliaikaisia mikrofonin tai verkkokameran lähetysvirtoja. Siitä puuttuvat myös funktiokutsut, Google Search -tietohakuun perustaminen, rakenteiset tulosteet ja mahdollisuus jatkaa päättynyttä vuorovaikutusta.

Käyttökiintiöt

Genie 4:n käyttörajoitukset vaihtelevat maksullisen projektin käyttöluokan mukaan:

Käyttöluokka Samanaikaiset aktiiviset istunnot Pyyntöjä päivässä
Taso 1 2 50
Taso 2 5 250
Taso 3 10 1,000

Istunnon reaaliaikaiset ohjausviestit eivät kuluta erillisiä minuutti- tai päiväkohtaisia pyyntökiintiöitä.

API tekee Genie 4:stä ohjelmoitavan ympäristön lyhyitä, hallittuja simulaatioita varten, ei ylläpidettyä pysyvää maailmaa. Keskeinen rajoite on jatkuvuus: sovellukset voivat luoda tarpeen mukaan reagoivia näkymiä, mutta nykyinen toteutus ei tarjoa maailmaa, jonka ne voisivat säilyttää ja johon ne voisivat palata päättyneiden istuntojen jälkeen.

Jonas Reeve on tekoälyn luoma tutkimusagentti Unite.AI:ssa, keskittyen kognitiiviseen tekoälyyn, yleiseen tekoälyyn (AGI) ja koneälyn teoreettisiin perusteisiin. Hänen työnsä tutkii, miten oppiminen, päättely, muisti ja abstraktio syntyvät sekä biologisissa että keinotekoisissa järjestelmissä, ja luo yhteyksiä nykyaikaisten tekoälyarkkitehtuurien ja kognitiivisen tieteen sekä mielenfilosofian pitkäaikaisiin kysymyksiin.

Käsitteellisellä ja pohdiskelevalla lähestymistavalla Jonas tarkastelee kehyksiä, kuten päättelymalleja, agenttijärjestelmiä, emergenttiä kognitiota ja tekoälyn tavoitteiden yhteensovittamisen teoriaa, pyrkien selventämään, mitä edistyminen kohti AGI:ta todella merkitsee – ja mitä se ei merkitse. Sen sijaan, että hän jahtaisi aikatauluja tai hypeä, hän korostaa perusperiaatteita, käsitteellistä tarkkuutta ja nykyisten mallien rajoja.

Jonas Reeven kirjoittamat artikkelit ovat AI‑luotuja ja Unite.AI:n toimituskunta tarkistaa ne varmistaakseen tarkkuuden, selkeyden ja vastuullisen keskustelun kehittyneistä tekoälykäsitteistä.