Modelos e plataformas de IA
Google disponibiliza a geração de mundos do Genie 4 para desenvolvedores da API Gemini

Pontos-chaveO Genie limita 4 sessões a 120 segundos porque o modelo renderiza sobre uma janela…
Ver mais
- O Genie limita 4 sessões a 120 segundos porque o modelo renderiza sobre uma janela deslizante sem uma cena 3D persistente.
- Os desenvolvedores devem chamar complete() ou cancel() explicitamente, pois fechar uma aba do navegador não interrompe a geração no servidor nem a cobrança.
- A API destina-se a simulações breves e controladas, e não a mundos hospedados que as aplicações possam reter e revisitar entre sessões.
Em 19 de novembro de 2026, o Google disponibilizou o Genie 4 por meio da API Gemini e do Google AI Studio, dando aos desenvolvedores acesso a mundos interativos que respondem a comandos do teclado e a instruções de texto em tempo real. O modelo gera vídeo contínuo em 720p a 24 quadros por segundo, com áudio nativo sincronizado.
A versão para desenvolvedores usa models/genie-4 na v1beta API de Interações. É possível iniciar um mundo com texto, uma única imagem de referência ou ambos; as teclas WASD e as setas controlam o movimento e a orientação da câmera, enquanto eventos de texto modificam a cena ou fornecem falas dos personagens. A documentação da API diferencia essa renderização responsiva de quadros da geração offline de um clipe de vídeo fixo.
O Google aponta a criação de protótipos de experiências interativas, a visualização de conceitos espaciais e o treinamento de robôs e agentes de IA como possíveis usos, e afirma que todas as saídas incluem uma marca d’água SynthID imperceptível.
O anúncio da API vem após a atualização do Project Genie em 18 de novembro de 2026, que deu aos assinantes elegíveis do Google AI Ultra o primeiro acesso ao Genie 4 e permitiu que os membros do Google AI Pro entrassem em uma lista de espera. Essa versão para assinantes destacou a criação no navegador, um agente do Project Genie e uma galeria da comunidade; a API, por sua vez, acrescenta sessões para desenvolvedores, documentação, preços para planos pagos e cotas de uso.
Sessões pagas e faturamento
O Genie 4 exige uma chave da API Gemini vinculada a um plano pago e não está disponível no plano gratuito. Seu preço padrão é de US$ 1,50 por milhão de tokens para entradas de texto ou de imagem de referência, US$ 9 por milhão para saídas de texto e US$ 17,50 por milhão para saídas de vídeo, com áudio estéreo incluído. Considerando 240 tokens de saída de vídeo por quadro, ou 5.760 tokens por segundo, as tarifas efetivas indicadas são de aproximadamente US$ 0,10 por segundo e US$ 6,05 por minuto. A API em lote, a inferência Flex e a inferência Prioritária não são compatíveis.
Para criar uma sessão, os desenvolvedores iniciam uma interação, conectam-se por WebRTC ou WebSocket e enviam um world_setup evento antes de controlar com user_action ou eventos de entrada de texto. Aplicativos para navegador podem usar um token efêmero, restrito a uma única interação, mantendo a chave de API de longa duração no back-end. O WebRTC é recomendado para aplicativos interativos no navegador, enquanto o WebSocket oferece suporte a fluxos de trabalho em Python e Node.js, à captura de quadros e a pipelines personalizados.
Fechar uma aba do navegador ou desconectar o transporte local não interrompe imediatamente a geração no servidor. Chamar complete() encerra a geração e o faturamento, enquanto cancel() aborta a geração no servidor, tornando o encerramento explícito parte do controle de custos.
Limites e latência das sessões
Na documentação do modelo e no guia de implementação, o Google limita as sessões a 120 segundos, identifica os primeiros 45 a 90 segundos como o período de maior coerência visual e permanência dos objetos e alerta que a estabilidade visual pode se deteriorar após 60 a 90 segundos.
O guia descreve uma geração feita em uma janela temporal contínua, sem uma cena 3D permanente. Se o usuário desviar o olhar de um objeto por oito segundos ou mais, ou girar 360 graus, pontos de referência, portas e botões podem se mover ou ser redefinidos. Portanto, em experimentos com robótica ou agentes, não se deve presumir que o ambiente gerado forneça um mapa estável de longo prazo.
A saída tem proporção fixa de 16:9, sem modo retrato nem taxa de quadros configurável, e as sessões são atendidas exclusivamente por centros de dados nos EUA. O guia de implementação do Google informa que, com baixa latência de rede, a resposta visual a comandos nativos do teclado leva cerca de 0,2 a 0,5 segundo, em comparação com aproximadamente um a dois segundos para alterações de texto durante uma sessão. Uma latência de ida e volta da rede superior a 150 milissegundos atrasa perceptivelmente o controle pelo teclado.
O Genie 4 não aceita transmissões ao vivo de microfone ou webcam. Também não oferece chamadas de função, integração com a Pesquisa Google, saídas estruturadas nem a possibilidade de retomar uma interação concluída.
Cotas de uso
Os limites de requisições do Genie 4 variam conforme o nível de uso do projeto pago:
| Nível de uso | Sessões ativas simultâneas | Requisições por dia |
|---|---|---|
| Nível 1 | 2 | 50 |
| Nível 2 | 5 | 250 |
| Nível 3 | 10 | 1,000 |
As mensagens de controle em tempo real dentro de uma sessão não consomem cotas separadas de requisições por minuto ou por dia.
A API transforma o Genie 4 em um ambiente programável para simulações breves e controladas, e não em um mundo persistente hospedado. Sua principal limitação é a continuidade: os aplicativos podem gerar cenas responsivas sob demanda, mas o design atual não oferece um mundo que possa ser mantido e revisitado após o término das sessões.












