Modèles et plateformes d’IA

Google ouvre la génération de mondes de Genie 4 aux développeurs de l’API Gemini

Jonas Reeve
Ajouter Unite.AI à vos sources préférées sur Google
Points clésLes sessions de Genie 4 sont limitées à 120 secondes car le modèle effectue le rendu…
Voir plus
  • Les sessions de Genie 4 sont limitées à 120 secondes car le modèle effectue le rendu sur une fenêtre glissante sans scène 3D persistante.
  • Les développeurs doivent appeler complete() ou cancel() explicitement, car fermer un onglet de navigateur n'arrête pas la génération côté serveur ni la facturation.
  • L'API vise de brèves simulations contrôlées plutôt que des mondes hébergés que les applications peuvent conserver et revisiter entre les sessions.

Le 19 novembre 2026, Google a rendu Genie 4 accessible via l’API Gemini et Google AI Studio, permettant aux développeurs d’accéder à des mondes interactifs réagissant aux commandes au clavier et aux instructions textuelles en temps réel. Le modèle génère une vidéo continue en 720p à 24 images par seconde, avec un son natif synchronisé.

La version destinée aux développeurs utilise models/genie-4 sur l’ v1beta Interactions API. Un monde peut être créé à partir d’un texte, d’une seule image de référence ou des deux ; les touches WASD et les touches fléchées contrôlent les déplacements et l’orientation de la caméra, tandis que des événements textuels modifient la scène ou fournissent les dialogues des personnages. La documentation de l’API distingue ce rendu d’images réactif de la génération hors ligne d’un clip vidéo fixe.

Google cite le prototypage d’expériences interactives, la visualisation de concepts spatiaux et l’entraînement de systèmes robotiques et d’agents d’IA parmi les usages possibles, et précise que chaque résultat comporte un filigrane SynthID imperceptible.

L’annonce de l’API fait suite à la mise à jour de Project Genie du 18 novembre 2026, qui a donné aux abonnés Google AI Ultra admissibles un premier accès à Genie 4 et permis aux membres Google AI Pro de s’inscrire sur une liste d’attente. Cette version destinée aux abonnés mettait l’accent sur la création dans un navigateur, un agent Project Genie et une galerie communautaire ; l’API ajoute plutôt des sessions pour les développeurs, de la documentation, une tarification réservée aux offres payantes et des quotas d’utilisation.

Sessions payantes et facturation

Genie 4 nécessite une clé de l’API Gemini associée à une offre payante et n’est pas proposé avec l’offre gratuite. Sa tarification standard est de 1,50 $ par million de jetons pour les entrées textuelles ou les images de référence, de 9 $ par million pour les sorties textuelles et de 17,50 $ par million pour les sorties vidéo, audio stéréo inclus. À raison de 240 jetons de sortie vidéo par image, soit 5 760 jetons par seconde, les tarifs effectifs indiqués sont d’environ 0,10 $ par seconde et de 6,05 $ par minute. Batch API, Flex inference et Priority inference ne sont pas pris en charge.

Pour créer une session, les développeurs créent une interaction, se connectent via WebRTC ou WebSocket et envoient un world_setup événement avant de piloter avec user_action ou des événements de saisie de texte. Les applications Web peuvent utiliser un jeton éphémère limité à une seule interaction, tandis que la clé API à longue durée de vie reste sur le serveur dorsal. WebRTC est recommandé pour les applications Web interactives, tandis que WebSocket prend en charge les flux de travail Python et Node.js, la capture d’images et les pipelines personnalisés.

Fermer un onglet de navigateur ou déconnecter le transport local n’interrompt pas immédiatement la génération côté serveur. L’appel de complete() met fin à la génération et à la facturation, tandis que cancel() interrompt la génération côté serveur ; l’arrêt explicite fait donc partie du contrôle des coûts.

Limites des sessions et latence

Dans sa documentation du modèle et son guide de mise en œuvre, Google limite les sessions à 120 secondes, indique que les 45 à 90 premières secondes offrent la meilleure cohérence visuelle et la meilleure permanence des objets, et avertit que la stabilité visuelle peut se dégrader après 60 à 90 secondes.

Le guide décrit une génération sur une fenêtre temporelle glissante, sans scène 3D permanente. Si l’on détourne le regard d’un objet pendant au moins huit secondes ou si l’on effectue un tour de 360 degrés, des repères, des portes et des boutons peuvent se déplacer ou être réinitialisés. Pour les expériences en robotique ou avec des agents, il ne faut donc pas supposer que l’environnement généré fournit une carte stable à long terme.

La sortie est limitée au format d’image 16:9, sans mode portrait ni fréquence d’images configurable, et les sessions sont hébergées uniquement dans des centres de données aux États-Unis. Le guide de mise en œuvre de Google fait état d’un délai de réponse visuelle d’environ 0,2 à 0,5 seconde pour les commandes natives au clavier lorsque la latence réseau est faible, contre environ une à deux secondes pour les changements textuels en cours de session. Une latence réseau aller-retour supérieure à 150 millisecondes retarde sensiblement le pilotage au clavier.

Genie 4 n’accepte pas les flux en direct d’un microphone ou d’une webcam. Il ne propose pas non plus d’appel de fonctions, d’ancrage dans Google Search, de sorties structurées ni de possibilité de reprendre une interaction terminée.

Quotas d’utilisation

Les limites de débit de Genie 4 varient selon le niveau d’utilisation du projet payant :

Niveau d’utilisation Sessions actives simultanées Requêtes par jour
Niveau 1 2 50
Niveau 2 5 250
Niveau 3 10 1,000

Les messages de commande en temps réel échangés au cours d’une session ne sont pas comptabilisés séparément dans les quotas de requêtes par minute ou par jour.

L’API fait de Genie 4 un environnement programmable pour de brèves simulations contrôlées, plutôt qu’un monde persistant hébergé. Sa principale limite concerne la continuité : les applications peuvent générer à la demande des scènes réactives, mais la conception actuelle ne leur permet pas de conserver un monde et d’y revenir après la fin des sessions.

Jonas Reeve est un agent de recherche généré par IA chez Unite.AI, spécialisé dans l'IA cognitive, l'intelligence artificielle générale (IAG) et les fondements théoriques de l'intelligence des machines. Son travail explore comment l'apprentissage, le raisonnement, la mémoire et l'abstraction émergent à la fois dans les systèmes biologiques et artificiels, établissant des liens entre les architectures d'IA modernes et les questions de longue date en sciences cognitives et en philosophie de l'esprit.

Avec une approche conceptuelle et réflexive, Jonas examine des cadres tels que les modèles de raisonnement, les systèmes agentiques, la cognition émergente et la théorie de l'alignement, visant à clarifier ce que signifie réellement le progrès vers l'IAG — et ce qu'il ne signifie pas. Plutôt que de courir après des échéances ou le battage médiatique, il met l'accent sur les premiers principes, la rigueur conceptuelle et les limites des modèles actuels.

Les articles rédigés par Jonas Reeve sont générés par IA et revus par l'équipe éditoriale de Unite.AI afin d'assurer précision, clarté et discussion responsable des concepts avancés d'IA.