Моделі та платформи ШІ
Google відкриває для розробників Gemini API доступ до генерації світів за допомогою Genie 4

Ключові моментиСесії Genie 4 обмежені 120 секундами, оскільки модель рендерить у ковзному вікні без…
Показати більше
- Сесії Genie 4 обмежені 120 секундами, оскільки модель рендерить у ковзному вікні без постійної 3D-сцени.
- Розробники повинні явно викликати complete() або cancel(), оскільки закриття вкладки браузера не зупиняє генерацію на сервері чи білінг.
- API призначений для коротких контрольованих симуляцій, а не для розміщених світів, які застосунки можуть зберігати та відвідувати повторно між сесіями.
19 листопада 2026 року Google відкрила доступ до Genie 4 через Gemini API та Google AI Studio, надавши розробникам можливість працювати з інтерактивними світами, які реагують на керування клавіатурою та текстові підказки в реальному часі. Модель генерує безперервне відео з роздільною здатністю 720p і частотою 24 кадри на секунду із синхронізованим вбудованим аудіо.
Версія для розробників використовує models/genie-4 на v1beta API взаємодії. Світ можна створити на основі тексту, одного референсного зображення або обох джерел; клавіші WASD і стрілки керують рухом та орієнтацією камери, а текстові події змінюють сцену або задають репліки персонажів. У документації API цей рендеринг кадрів із реакцією в реальному часі відрізняється від офлайнової генерації відеокліпу фіксованої тривалості.
Google називає серед можливих застосувань створення прототипів інтерактивних середовищ, візуалізацію просторових концепцій і навчання роботів та агентів штучного інтелекту. Компанія також зазначає, що кожен результат містить непомітне водяне маркування SynthID.
Анонс API відбувся після оновлення Project Genie від 18 листопада 2026 року, яке надало передплатникам Google AI Ultra, що відповідали вимогам, перший доступ до Genie 4, а учасникам Google AI Pro — можливість записатися до списку очікування. У межах цієї пропозиції для передплатників наголос зробили на створенні контенту в браузері, агенті Project Genie та спільнотній галереї; API натомість додає сеанси для розробників, документацію, платні тарифи й квоти використання.
Платні сеанси й тарифікація
Genie 4 потребує ключа Gemini API для платного тарифу й недоступна на безкоштовному рівні. Стандартні ціни становлять $1.50 за мільйон токенів для текстового введення або введення референсного зображення, $9 за мільйон токенів для текстового виведення та $17.50 за мільйон токенів для відеовиведення зі стереозвуком. За обсягу відеовиведення 240 токенів на кадр, або 5,760 токенів на секунду, зазначені ефективні тарифи становлять приблизно $0.10 за секунду та $6.05 за хвилину. Batch API, Flex inference і Priority inference не підтримуються.
Щоб створити сеанс, розробники створюють взаємодію, підключаються через WebRTC або WebSocket і надсилають одну world_setup подію, перш ніж керувати за допомогою user_action або текстових подій введення. Браузерні застосунки можуть використовувати тимчасовий токен, обмежений однією взаємодією, зберігаючи довгостроковий ключ API на серверній частині. Для інтерактивних браузерних застосунків рекомендовано WebRTC, тоді як WebSocket підтримує робочі процеси на Python і Node.js, захоплення кадрів і власні конвеєри обробки.
Закриття вкладки браузера або від’єднання локального транспорту не зупиняє генерацію на сервері негайно. Виклик complete() завершує генерацію й тарифікацію, тоді як cancel() перериває генерацію на сервері, тому явне завершення роботи є частиною контролю витрат.
Обмеження сеансів і затримка
У документації моделі та посібнику з упровадження Google обмежує тривалість сеансів 120 секундами, визначає перші 45–90 секунд як період найкращої візуальної узгодженості й сталості об’єктів та попереджає, що після 60–90 секунд візуальна стабільність може погіршитися.
У посібнику описано генерацію в межах рухомого часового вікна без постійної 3D-сцени. Якщо не дивитися на об’єкт протягом восьми секунд або довше чи повернутися на 360 градусів, орієнтири, двері й кнопки можуть переміститися або скинутися. Тому в робототехнічних експериментах або експериментах з агентами не можна вважати, що згенероване середовище забезпечує стабільну довгострокову карту.
Формат виведення фіксований — 16:9; портретного режиму й налаштування частоти кадрів немає, а сеанси обслуговуються лише з центрів обробки даних у США. У посібнику Google з упровадження зазначено, що за низької затримки мережі візуальна реакція на дії з клавіатури становить приблизно 0.2–0.5 секунди, тоді як зміни тексту в середині сеансу займають приблизно одну-дві секунди. Якщо затримка мережі в обидва боки перевищує 150 мілісекунд, керування з клавіатури помітно сповільнюється.
Genie 4 не приймає потокове передавання з мікрофона чи вебкамери в реальному часі. Також немає виклику функцій, заземлення на пошуку Google, структурованих вихідних даних і можливості відновити завершену взаємодію.
Квоти використання
Обмеження швидкості Genie 4 залежать від тарифного рівня використання платного проєкту:
| Рівень використання | Кількість одночасних активних сеансів | Запитів на день |
|---|---|---|
| Рівень 1 | 2 | 50 |
| Рівень 2 | 5 | 250 |
| Рівень 3 | 10 | 1,000 |
Повідомлення керування в реальному часі під час сеансу не враховуються в окремих хвилинних або денних квотах запитів.
API перетворює Genie 4 на програмоване середовище для коротких контрольованих симуляцій, а не на постійний світ, розміщений на хостингу. Головне обмеження — безперервність: застосунки можуть генерувати сцени з реакцією на запит, але поточна версія не дає змоги зберегти світ і повертатися до нього після завершення сеансів.












