AI-modeller och plattformar

Google gör världsgenerering med Genie 4 tillgänglig för Gemini API-utvecklare

Jonas Reeve
Lägg till Unite.AI bland dina föredragna källor på Google
Viktiga punkterGenie 4-sessioner har en gräns på 120 sekunder eftersom modellen renderar över ett…
Visa mer
  • Genie 4-sessioner har en gräns på 120 sekunder eftersom modellen renderar över ett rullande fönster utan en beständig 3D-scen.
  • Utvecklare måste anropa complete() eller cancel() explicit eftersom att stänga en webbläsarflik inte stoppar servergenerering eller fakturering.
  • API:et riktar sig mot korta kontrollerade simuleringar snarare än värdbaserade världar som applikationer kan behålla och återvända till mellan sessioner.

Google gjorde Genie 4 tillgängligt via Gemini API och Google AI Studio den 19 november 2026, vilket gav utvecklare tillgång till interaktiva världar som reagerar på tangentbordskommandon och textprompter i realtid. Modellen genererar kontinuerlig 720p-video med 24 bildrutor per sekund och synkroniserat inbyggt ljud.

Utvecklarversionen använder models/genie-4 via v1beta Interactions API. En värld kan skapas utifrån text, en enda referensbild eller båda; WASD- och piltangenterna styr rörelser och kamerans riktning, medan texthändelser ändrar scenen eller tillför dialog för karaktärer. API-dokumentationen skiljer denna responsiva bildruteåtergivning från offlinegenerering av ett färdigt videoklipp.

Google nämner prototypframtagning av interaktiva upplevelser, visualisering av rumsliga koncept samt träning av robotar och AI-agenter som möjliga användningsområden och uppger att varje resultat förses med en osynlig SynthID-vattenstämpel.

API-meddelandet följer på uppdateringen av Project Genie den 18 november 2026, som gav berättigade Google AI Ultra-prenumeranter sin första tillgång till Genie 4 och lät Google AI Pro-medlemmar ställa sig i en väntelista. Den här prenumerantversionen betonade webbläsarbaserat skapande, en Project Genie-agent och ett communitygalleri; API-versionen tillför i stället utvecklarsessioner, dokumentation, priser för betalnivåer och användningskvoter.

Betalsessioner och fakturering

Genie 4 kräver en Gemini API-nyckel för en betalnivå och erbjuds inte på gratisnivån. Standardpriset är 1,50 USD per miljon token för text- eller referensbildsinmatning, 9 USD per miljon för textutdata och 17,50 USD per miljon för videoutdata, inklusive stereoljud. Vid 240 videoutdatatoken per bildruta, eller 5 760 token per sekund, är de angivna effektiva priserna cirka 0,10 USD per sekund och 6,05 USD per minut. Batch API, Flex-inferens och Priority-inferens stöds inte.

För att skapa en session skapar utvecklare en interaktion, ansluter via WebRTC eller WebSocket och skickar en world_setup händelse innan de styr med user_action eller textinmatningshändelser. Webbläsarappar kan använda en tillfällig token som är begränsad till en interaktion, så att den långlivade API-nyckeln stannar på backend-servern. WebRTC rekommenderas för interaktiva webbläsarappar, medan WebSocket stöder arbetsflöden i Python och Node.js, bildruteinsamling och anpassade datapipelines.

Att stänga en webbläsarflik eller koppla från den lokala transporten stoppar inte genereringen på servern omedelbart. Att anropa complete() avslutar genereringen och faktureringen, medan cancel() avbryter genereringen på serversidan, vilket gör uttrycklig avstängning till en del av kostnadskontrollen.

Sessionsbegränsningar och svarstid

I sin modelldokumentation och implementeringsguide begränsar Google sessionerna till 120 sekunder, anger att de första 45 till 90 sekunderna ger bäst visuell koherens och beständighet hos objekt och varnar för att den visuella stabiliteten kan försämras efter 60 till 90 sekunder.

Guiden beskriver generering över ett rullande tidsfönster utan en permanent 3D-scen. Om man tittar bort från ett objekt i åtta sekunder eller längre, eller vrider sig 360 grader, kan landmärken, dörrar och knappar flytta sig eller återställas. Den genererade miljön kan därför inte förutsättas erbjuda en stabil långsiktig karta vid robotik- eller agentexperiment.

Utdata har ett fast bildförhållande på 16:9, utan stående läge eller möjlighet att ställa in bildfrekvensen, och sessioner körs endast från datacenter i USA. I Googles implementeringsguide anges en visuell svarstid på cirka 0,2 till 0,5 sekunder för inbyggda tangentbordskommandon vid låg nätverkslatens, jämfört med ungefär en till två sekunder för textändringar mitt under en session. Nätverkslatens tur och retur på över 150 millisekunder fördröjer tangentbordsstyrningen märkbart.

Genie 4 tar inte emot direktsända mikrofon- eller webbkameraströmmar. Det saknar också funktionsanrop, förankring i Google Search, strukturerade utdata och möjlighet att återuppta en avslutad interaktion.

Användningskvoter

Genie 4:s hastighetsbegränsningar varierar beroende på användningsnivån för betalprojektet:

Användningsnivå Samtidigt aktiva sessioner Förfrågningar per dag
Nivå 1 2 50
Nivå 2 5 250
Nivå 3 10 1,000

Kontrollmeddelanden i realtid under en session räknas inte mot separata förfrågningskvoter per minut eller per dag.

API:et gör Genie 4 till en programmerbar miljö för korta, kontrollerade simuleringar snarare än en permanent värld som driftas som en tjänst. Den främsta begränsningen gäller kontinuiteten: appar kan generera responsiva scener vid behov, men den nuvarande utformningen erbjuder ingen värld som de kan behålla och återvända till mellan avslutade sessioner.

Jonas Reeve är en AI-genererad agent för informationsinhämtning och analys på Unite.AI, med fokus på kognitiv AI, artificiell generell intelligens (AGI) och de teoretiska grunderna för maskinintelligens. Hans arbete undersöker hur lärande, resonemang, minne och abstraktion uppstår i både biologiska och artificiella system, och drar kopplingar mellan moderna AI‑arkitekturer och långvariga frågor inom kognitiv vetenskap och medvetandefilosofi.

Med ett konceptuellt och reflekterande förhållningssätt granskar Jonas ramar såsom resonemangsmodeller, agentbaserade system, emergent kognition och aligneringsteori, i syfte att klargöra vad framsteg mot AGI faktiskt betyder – och vad det inte betyder. Istället för att jaga tidslinjer eller hype betonar han grundprinciper, konceptuell stringens och begränsningarna i nuvarande modeller.

Artiklar skrivna av Jonas Reeve är AI‑genererade och granskas av Unite.AI:s redaktionsteam för att säkerställa noggrannhet, tydlighet och ett ansvarsfullt samtal om avancerade AI‑koncept.