Modelli e piattaforme di IA
Google apre la generazione di mondi di Genie 4 agli sviluppatori della Gemini API

Punti chiaveGenie limita le sessioni a 4 con un massimo di 120 secondi perché il modello esegue il…
Vedi di più
- Genie limita le sessioni a 4 con un massimo di 120 secondi perché il modello esegue il rendering su una finestra scorrevole senza una scena 3D persistente.
- Gli sviluppatori devono chiamare esplicitamente complete() o cancel() poiché la chiusura di una scheda del browser non interrompe la generazione sul server né la fatturazione.
- L'API è pensata per brevi simulazioni controllate anziché per mondi ospitati che le applicazioni possono conservare e rivisitare tra sessioni.
Il 19 novembre 2026, Google ha reso disponibile Genie 4 tramite Gemini API e Google AI Studio, offrendo agli sviluppatori l’accesso a mondi interattivi che rispondono ai comandi da tastiera e ai prompt di testo in tempo reale. Il modello genera video continui a 720p e 24 fotogrammi al secondo, con audio nativo sincronizzato.
La versione per sviluppatori utilizza models/genie-4 su v1beta API Interactions. È possibile creare un mondo partendo da testo, da una singola immagine di riferimento o da entrambi; i tasti WASD e le frecce controllano il movimento e l’orientamento della telecamera, mentre gli eventi di testo modificano la scena o forniscono i dialoghi dei personaggi. La documentazione dell’API distingue il rendering reattivo dei fotogrammi dalla generazione offline di un filmato fisso.
Google indica tra i possibili utilizzi la prototipazione di esperienze interattive, la visualizzazione di concetti spaziali e l’addestramento di robot e agenti di IA; afferma inoltre che ogni output include una filigrana SynthID impercettibile.
L’annuncio dell’API arriva dopo l’aggiornamento di Project Genie del 18 novembre 2026, che ha offerto ai primi abbonati idonei a Google AI Ultra l’accesso a Genie 4 e ha permesso agli abbonati a Google AI Pro di iscriversi a una lista d’attesa. Quella versione per gli abbonati metteva in risalto la creazione tramite browser, un agente di Project Genie e una galleria della community; l’API aggiunge invece sessioni per sviluppatori, documentazione, tariffe per i piani a pagamento e quote di utilizzo.
Sessioni a pagamento e fatturazione
Genie 4 richiede una chiave Gemini API associata a un piano a pagamento e non è disponibile nel piano gratuito. Le tariffe standard sono di 1,50 $ per milione di token per gli input di testo o di immagini di riferimento, 9 $ per milione per gli output di testo e 17,50 $ per milione per gli output video, con audio stereo incluso. Con 240 token di output video per fotogramma, ovvero 5.760 token al secondo, le tariffe effettive indicate sono di circa 0,10 $ al secondo e 6,05 $ al minuto. Batch API, Flex inference e Priority inference non sono supportati.
Per avviare una sessione, gli sviluppatori creano un’interazione, si connettono tramite WebRTC o WebSocket e inviano un world_setup evento prima di impartire comandi con user_action o eventi di input testuale. Le applicazioni per browser possono utilizzare un token effimero limitato a una singola interazione, mantenendo la chiave API di lunga durata sul backend. WebRTC è consigliato per le applicazioni interattive per browser, mentre WebSocket supporta i flussi di lavoro in Python e Node.js, l’acquisizione di fotogrammi e le pipeline personalizzate.
Chiudere una scheda del browser o scollegare il trasporto locale non interrompe immediatamente la generazione sul server. Chiamare complete() termina la generazione e la fatturazione, mentre cancel() interrompe la generazione lato server, rendendo l’arresto esplicito parte del controllo dei costi.
Limiti delle sessioni e latenza
Nella documentazione del modello e nella guida all’implementazione, Google limita le sessioni a 120 secondi, indica i primi 45-90 secondi come il periodo di maggiore coerenza visiva e persistenza degli oggetti e avverte che la stabilità visiva può peggiorare dopo 60-90 secondi.
La guida descrive una generazione che procede su una finestra temporale mobile, senza una scena 3D permanente. Se si distoglie lo sguardo da un oggetto per almeno otto secondi o si compie una rotazione di 360 gradi, punti di riferimento, porte e pulsanti possono spostarsi o ripristinare la posizione iniziale. Di conseguenza, negli esperimenti di robotica o con agenti non si può presumere che l’ambiente generato fornisca una mappa stabile nel lungo periodo.
L’output ha un rapporto d’aspetto fisso di 16:9, senza modalità verticale né frequenza dei fotogrammi configurabile, e le sessioni sono erogate esclusivamente da centri dati negli Stati Uniti. La guida all’implementazione di Google riporta una risposta visiva di circa 0,2-0,5 secondi per le azioni da tastiera native con bassa latenza di rete, rispetto a circa uno-due secondi per le modifiche testuali durante una sessione. Una latenza di rete di andata e ritorno superiore a 150 millisecondi ritarda sensibilmente il controllo tramite tastiera.
Genie 4 non accetta flussi in diretta da microfono o webcam. Inoltre, non dispone di chiamate a funzioni, grounding con Google Search, output strutturati né della possibilità di riprendere un’interazione completata.
Quote di utilizzo
I limiti di frequenza di Genie 4 variano in base al livello di utilizzo del progetto a pagamento:
| Livello di utilizzo | Sessioni attive simultanee | Richieste al giorno |
|---|---|---|
| Livello 1 | 2 | 50 |
| Livello 2 | 5 | 250 |
| Livello 3 | 10 | 1,000 |
I messaggi di controllo in tempo reale all’interno di una sessione non consumano quote di richieste separate al minuto o al giorno.
L’API trasforma Genie 4 in un ambiente programmabile per simulazioni brevi e controllate, anziché in un mondo persistente ospitato. Il limite principale riguarda la continuità: le applicazioni possono generare scene reattive su richiesta, ma l’attuale configurazione non offre un mondo che possano conservare e visitare di nuovo una volta terminate le sessioni.












