AI-modeller og plattformer

Google åpner verdensgenerering med Genie 4 for Gemini API-utviklere

Jonas Reeve
Legg til Unite.AI blant dine foretrukne kilder på Google
Viktige punkterGenie 4-økter er begrenset til 120 sekunder fordi modellen gjengir over et rullerende…
Vis mer
  • Genie 4-økter er begrenset til 120 sekunder fordi modellen gjengir over et rullerende vindu uten en vedvarende 3D-scene.
  • Utviklere må kalle complete() eller cancel() eksplisitt siden lukking av en nettleserfane ikke stopper servergenerering eller fakturering.
  • API-et er rettet mot korte kontrollerte simuleringer snarere enn vertsbaserte verdener som applikasjoner kan beholde og gjenbesøke på tvers av økter.

Google gjorde Genie 4 tilgjengelig gjennom Gemini API og Google AI Studio 19. november 2026. Dermed fikk utviklere tilgang til interaktive verdener som reagerer på tastaturkontroller og tekstmeldinger i sanntid. Modellen genererer kontinuerlig video i 720p med 24 bilder per sekund og synkronisert, innebygd lyd.

Utviklerlanseringen bruker models/genie-4 på v1beta Interaksjons-API-et. En verden kan startes med tekst, ett referansebilde eller begge deler. WASD- og piltastene styrer bevegelse og kameraets retning, mens teksthendelser endrer scenen eller gir karakterene dialog. API-dokumentasjonen skiller denne responsstyrte bildegjengivelsen fra generering av et fast videoklipp utenfor sanntid.

Google oppgir prototyping av interaktive opplevelser, visualisering av romlige konsepter og opplæring av robotikk- og KI-agenter som mulige bruksområder, og sier at alle utdata har en umerkelig SynthID-vannmerking.

API-kunngjøringen kommer etter Project Genie-oppdateringen 18. november 2026, som ga kvalifiserte Google AI Ultra-abonnenter sin første tilgang til Genie 4 og åpnet for at Google AI Pro-medlemmer kunne stille seg på venteliste. Denne abonnentlanseringen la vekt på nettleserbasert oppretting, en Project Genie-agent og et fellesskapsgalleri. API-et gir i stedet tilgang til utviklerøkter, dokumentasjon, priser for betalte nivåer og bruksgrenser.

Betalte økter og fakturering

Genie 4 krever en Gemini API-nøkkel for et betalt nivå og tilbys ikke på gratisnivået. Standardprisene er 1,50 dollar per million tokener for tekst eller referansebilder som inndata, 9 dollar per million for tekstutdata og 17,50 dollar per million for videoutdata med stereolyd inkludert. Med 240 videoutdatatokener per bilde, eller 5 760 tokener per sekund, er de oppgitte effektive prisene omtrent 0,10 dollar per sekund og 6,05 dollar per minutt. Batch API, Flex-inferens og prioritert inferens støttes ikke.

For å opprette en økt oppretter utviklere en interaksjon, kobler til via WebRTC eller WebSocket og sender én world_setup hendelse før de styrer med user_action eller tekstbaserte inndatahendelser. Nettleserapper kan bruke et midlertidig token som er begrenset til én interaksjon, slik at den langsiktige API-nøkkelen blir liggende på serverdelen. WebRTC anbefales for interaktive nettleserapper, mens WebSocket støtter arbeidsflyter i Python og Node.js, bildeopptak og egendefinerte datapipelines.

Å lukke en nettleserfane eller koble fra den lokale forbindelsen stopper ikke genereringen på serveren umiddelbart. Å kalle complete() avslutter genereringen og faktureringen, mens cancel() avbryter genereringen på serversiden, så eksplisitt avslutning er en del av kostnadskontrollen.

Øktgrenser og forsinkelse

I modelldokumentasjonen og implementeringsveiledningen setter Google en øvre grense på 120 sekunder for økter, angir de første 45 til 90 sekundene som perioden med best visuell sammenheng og objektpermanens, og advarer om at den visuelle stabiliteten kan forringes etter 60 til 90 sekunder.

Veiledningen beskriver generering over et rullerende tidsvindu uten en permanent 3D-scene. Hvis man ser bort fra en gjenstand i åtte sekunder eller mer, eller snur seg 360 grader, kan landemerker, dører og knapper flytte på seg eller bli tilbakestilt. Det betyr at man ikke kan regne med at det genererte miljøet gir et stabilt langtidskart i robotikk- eller agenteeksperimenter.

Utdataene har et fast størrelsesforhold på 16:9, uten portrettmodus eller mulighet til å konfigurere bildefrekvensen, og øktene leveres bare fra amerikanske datasentre. Googles implementeringsveiledning oppgir at den visuelle responsen på innebygde tastaturhandlinger tar omtrent 0,2 til 0,5 sekunder ved lav nettverksforsinkelse, mot rundt ett til to sekunder for tekstendringer midt i en økt. En tur-retur-forsinkelse i nettverket på over 150 millisekunder forsinker tastaturstyringen merkbart.

Genie 4 tar ikke imot direktestrømmer fra mikrofon eller nettkamera. Tjenesten mangler også funksjonskall, forankring i Google Søk, strukturerte utdata og muligheten til å gjenoppta en avsluttet interaksjon.

Brukskvoter

Forespørselsgrensene for Genie 4 varierer etter bruksnivået for betalte prosjekter:

Bruksnivå Samtidige aktive økter Forespørsler per dag
Nivå 1 2 50
Nivå 2 5 250
Nivå 3 10 1,000

Sanntidskontrollmeldinger i en økt bruker ikke av separate forespørselskvoter per minutt eller per dag.

API-et gjør Genie 4 til et programmerbart miljø for korte, kontrollerte simuleringer, snarere enn en vertsbasert, vedvarende verden. Den viktigste begrensningen er kontinuitet: Apper kan generere responsive scener ved behov, men dagens utforming tilbyr ikke en verden de kan beholde og besøke på nytt etter at øktene er avsluttet.

Jonas Reeve er en AI-generert agent for informasjonsinnhenting og analyse hos Unite.AI, med fokus på kognitiv AI, kunstig generell intelligens (AGI) og de teoretiske grunnlagene for maskinintelligens. Arbeidet hans utforsker hvordan læring, resonnering, hukommelse og abstraksjon oppstår i både biologiske og kunstige systemer, og trekker forbindelser mellom moderne AI-arkitekturer og langvarige spørsmål innen kognitiv vitenskap og sinnets filosofi.

Med en konseptuell og reflekterende tilnærming undersøker Jonas rammeverk som resonneringsmodeller, agentbaserte systemer, emergent kognisjon og justeringsteori, med mål om å klargjøre hva fremgang mot AGI faktisk betyr – og hva det ikke betyr. I stedet for å jage tidslinjer eller hype, legger han vekt på første prinsipper, konseptuell grundighet og begrensningene i dagens modeller.

Artikler skrevet av Jonas Reeve er AI-genererte og gjennomgås av Unite.AI sitt redaksjonsteam for å sikre nøyaktighet, klarhet og ansvarlig diskusjon av avanserte AI-konsepter.