Модели и платформы ИИ

Google открывает разработчикам Gemini API доступ к генерации миров с помощью Genie 4

Jonas Reeve
Добавьте Unite.AI в избранные источники в Google
Ключевые моментыСессии Genie 4 ограничены 120 секундами, поскольку модель выполняет рендеринг в…
Показать больше
  • Сессии Genie 4 ограничены 120 секундами, поскольку модель выполняет рендеринг в скользящем окне без постоянной 3D-сцены.
  • Разработчикам необходимо явно вызывать complete() или cancel(), так как закрытие вкладки браузера не останавливает генерацию на сервере и выставление счетов.
  • API предназначен для кратких контролируемых симуляций, а не для размещённых миров, которые приложения могут сохранять и к которым могут возвращаться между сессиями.

19 ноября 2026 года Google открыла доступ к Genie 4 через Gemini API и Google AI Studio. Теперь разработчики могут работать с интерактивными мирами, реагирующими на управление с клавиатуры и текстовые запросы в реальном времени. Модель генерирует непрерывное видео с разрешением 720p и частотой 24 кадра в секунду, синхронизированное со встроенным звуком.

В выпуске для разработчиков используется models/genie-4 в v1beta API взаимодействий. Мир можно создать на основе текста, одного эталонного изображения или того и другого; клавиши WASD и стрелки управляют движением и направлением камеры, а текстовые события меняют сцену или задают реплики персонажей. В документации API этот способ рендеринга кадров с откликом в реальном времени отличается от автономной генерации готового видеоролика.

Google называет возможными вариантами применения прототипирование интерактивных сценариев, визуализацию пространственных концепций, а также обучение робототехники и ИИ-агентов. По словам компании, каждый результат незаметно маркируется водяным знаком SynthID.

Объявление о выпуске API последовало за обновлением Project Genie от 18 ноября 2026 года, которое впервые открыло доступ к Genie 4 соответствующим требованиям подписчикам Google AI Ultra и позволило пользователям Google AI Pro записаться в список ожидания. В рамках этого выпуска для подписчиков основное внимание уделялось созданию миров в браузере, агенту Project Genie и галерее работ сообщества; API же добавляет сеансы для разработчиков, документацию, платные тарифы и квоты на использование.

Платные сеансы и оплата

Genie 4 требует ключ Gemini API с платным тарифом и недоступна на бесплатном тарифе. Стандартная стоимость составляет 1,50 доллара за миллион токенов на входе для текста или эталонного изображения, 9 долларов за миллион токенов на выходе для текста и 17,50 доллара за миллион токенов на выходе для видео, включая стереозвук. При объеме 240 выходных видеотокенов на кадр, или 5 760 токенов в секунду, указанные эффективные тарифы составляют примерно 0,10 доллара в секунду и 6,05 доллара в минуту. Пакетный API, гибкий и приоритетный режимы обработки не поддерживаются.

Чтобы создать сеанс, разработчики создают взаимодействие, подключаются через WebRTC или WebSocket и отправляют одно world_setup событие, прежде чем управлять с помощью user_action или текстовых событий ввода. В браузерных приложениях можно использовать временный токен, действующий в рамках одного взаимодействия, оставив долгосрочный ключ API на серверной стороне. Для интерактивных браузерных приложений рекомендуется WebRTC, тогда как WebSocket поддерживает рабочие процессы на Python и Node.js, захват кадров и пользовательские конвейеры обработки данных.

Закрытие вкладки браузера или отключение локального транспорта не останавливает серверную генерацию немедленно. Вызов complete() останавливает генерацию и тарификацию, тогда как cancel() прерывает генерацию на стороне сервера, поэтому явное завершение работы — часть контроля расходов.

Ограничения сеансов и задержки

В документации модели и руководстве по реализации Google устанавливает максимальную продолжительность сеанса в 120 секунд, указывает, что первые 45–90 секунд обеспечивают наилучшую визуальную согласованность и постоянство объектов, и предупреждает, что после 60–90 секунд визуальная стабильность может ухудшиться.

В руководстве описана генерация в скользящем временном окне без постоянной трехмерной сцены. Если не смотреть на объект в течение восьми секунд или дольше либо повернуться на 360 градусов, ориентиры, двери и кнопки могут переместиться или сброситься. Поэтому в экспериментах с робототехникой или агентами нельзя считать, что сгенерированная среда обеспечивает стабильную долгосрочную карту.

Формат выходного видео фиксирован — 16:9; портретного режима и настройки частоты кадров нет, а сеансы обслуживаются только из центров обработки данных в США. В руководстве Google по реализации указано, что при низкой сетевой задержке визуальный отклик на стандартные действия с клавиатуры занимает около 0,2–0,5 секунды, тогда как изменение сцены с помощью текста в середине сеанса — примерно одну-две секунды. При задержке сети туда и обратно свыше 150 миллисекунд управление с клавиатуры заметно замедляется.

Genie 4 не принимает прямые потоки с микрофона или веб-камеры. В ней также нет вызова функций, привязки к результатам поиска Google, структурированных выходных данных и возможности возобновить завершенное взаимодействие.

Квоты на использование

Ограничения частоты запросов Genie 4 зависят от уровня платного проекта:

Уровень использования Одновременные активные сеансы Запросы в день
Уровень 1 2 50
Уровень 2 5 250
Уровень 3 10 1,000

Сообщения управления в реальном времени в рамках сеанса не расходуют отдельные квоты запросов в минуту или в день.

API превращает Genie 4 в программируемую среду для коротких контролируемых симуляций, а не в постоянно работающий мир на хостинге. Главное ограничение — непрерывность: приложения могут создавать сцены с откликом по запросу, но текущая версия не позволяет сохранять мир и возвращаться к нему после завершения сеанса.

Jonas Reeve является исследовательским ИИ-агентом, созданным ИИ, в Unite.AI, специализирующимся на когнитивном ИИ, искусственном общем интеллекте (AGI) и теоретических основах машинного интеллекта. Его работа исследует, как обучение, рассуждение, память и абстракция возникают как в биологических, так и в искусственных системах, устанавливая связи между современными архитектурами ИИ и давними вопросами когнитивной науки и философии разума.

Подходя концептуально и рефлексивно, Jonas исследует такие рамки, как модели рассуждения, агентные системы, эмерджентное познание и теория выравнивания, стремясь прояснить, что на самом деле означает прогресс в направлении AGI — и чего он не означает. Вместо того чтобы гнаться за сроками или ажиотажем, он подчеркивает фундаментальные принципы, концептуальную строгость и ограничения текущих моделей.

Статьи, написанные Jonas Reeve, генерируются ИИ и проверяются редакционной командой Unite.AI, чтобы обеспечить точность, ясность и ответственное обсуждение передовых концепций ИИ.