Mô hình và nền tảng AI
Google mở quyền tạo thế giới bằng Genie 4 cho nhà phát triển Gemini API

Điểm chínhGenie 4 giới hạn phiên ở 120 giây vì mô hình kết xuất qua một cửa sổ trượt mà không có…
Xem thêm
- Genie 4 giới hạn phiên ở 120 giây vì mô hình kết xuất qua một cửa sổ trượt mà không có cảnh 3D lưu trữ liên tục.
- Các nhà phát triển phải gọi complete() hoặc cancel() một cách rõ ràng vì việc đóng tab trình duyệt không dừng việc tạo trên máy chủ hay tính phí.
- API hướng đến các mô phỏng ngắn có kiểm soát thay vì các thế giới được lưu trữ mà ứng dụng có thể giữ lại và truy cập lại qua các phiên.
Ngày 19 tháng 11 năm 2026, Google đã cung cấp Genie 4 thông qua Gemini API và Google AI Studio, cho phép nhà phát triển tiếp cận những thế giới tương tác có thể phản hồi các thao tác bàn phím và lời nhắc văn bản trực tiếp. Mô hình tạo video liên tục ở độ phân giải 720p, tốc độ 24 khung hình/giây, kèm âm thanh gốc được đồng bộ.
Bản phát hành dành cho nhà phát triển sử dụng models/genie-4 trên v1beta Interactions API. Có thể khởi tạo một thế giới bằng văn bản, một hình ảnh tham chiếu duy nhất hoặc cả hai; phím WASD và các phím mũi tên điều khiển chuyển động và hướng camera, còn các sự kiện văn bản sẽ thay đổi cảnh hoặc cung cấp lời thoại cho nhân vật. Tài liệu API phân biệt cách kết xuất khung hình có khả năng phản hồi này với việc tạo ngoại tuyến một đoạn video cố định.
Google liệt kê việc tạo mẫu trải nghiệm tương tác, trực quan hóa các khái niệm không gian và huấn luyện robot cùng tác nhân AI là những mục đích sử dụng khả thi; đồng thời cho biết mọi đầu ra đều được gắn hình mờ SynthID không thể nhận biết bằng mắt thường.
Thông báo về API được đưa ra sau bản cập nhật Project Genie ngày 18 tháng 11 năm 2026, qua đó những người đăng ký Google AI Ultra đủ điều kiện lần đầu tiên được tiếp cận Genie 4, còn thành viên Google AI Pro có thể tham gia danh sách chờ. Bản phát hành dành cho người đăng ký này nhấn mạnh khả năng tạo nội dung trên trình duyệt, một tác nhân Project Genie và thư viện cộng đồng; trong khi đó, API bổ sung các phiên dành cho nhà phát triển, tài liệu, mức giá dành cho gói trả phí và hạn ngạch sử dụng.
Phiên sử dụng và tính phí dành cho gói trả phí
Genie 4 yêu cầu khóa Gemini API thuộc gói trả phí và không được cung cấp trong gói miễn phí. Mức giá tiêu chuẩn là 1,50 USD cho mỗi triệu token đầu vào dạng văn bản hoặc hình ảnh tham chiếu, 9 USD cho mỗi triệu token đầu ra dạng văn bản và 17,50 USD cho mỗi triệu token đầu ra video, đã bao gồm âm thanh nổi. Với mức 240 token đầu ra video mỗi khung hình, tương đương 5.760 token mỗi giây, mức phí thực tế được công bố vào khoảng 0,10 USD mỗi giây và 6,05 USD mỗi phút. Batch API, suy luận Flex và suy luận Priority không được hỗ trợ.
Để tạo một phiên, nhà phát triển khởi tạo một tương tác, kết nối qua WebRTC hoặc WebSocket, rồi gửi một world_setup sự kiện trước khi điều khiển bằng user_action hoặc các sự kiện nhập văn bản. Ứng dụng trình duyệt có thể sử dụng mã thông báo tạm thời chỉ có hiệu lực cho một tương tác, nhờ đó khóa API có thời hạn dài được giữ ở phần phụ trợ. WebRTC được khuyến nghị cho các ứng dụng trình duyệt tương tác, còn WebSocket hỗ trợ quy trình làm việc với Python và Node.js, ghi lại khung hình và các quy trình xử lý tùy chỉnh.
Đóng tab trình duyệt hoặc ngắt kết nối truyền tải cục bộ không khiến quá trình tạo nội dung trên máy chủ dừng ngay lập tức. Việc gọi complete() sẽ chấm dứt quá trình tạo nội dung và tính phí, trong khi cancel() hủy quá trình tạo nội dung phía máy chủ, vì vậy việc chủ động tắt phiên là một phần trong kiểm soát chi phí.
Giới hạn phiên và độ trễ
Trong tài liệu về mô hình và hướng dẫn triển khai, Google giới hạn mỗi phiên ở mức 120 giây, xác định 45 đến 90 giây đầu tiên là khoảng thời gian duy trì tính nhất quán về hình ảnh và tính ổn định của vật thể tốt nhất, đồng thời cảnh báo độ ổn định hình ảnh có thể suy giảm sau 60 đến 90 giây.
Hướng dẫn mô tả quá trình tạo nội dung diễn ra trong một cửa sổ thời gian trượt, không có cảnh 3D cố định. Nếu người dùng nhìn đi chỗ khác trong ít nhất tám giây hoặc xoay 360 độ, các mốc địa hình, cửa ra vào và nút bấm có thể di chuyển hoặc đặt lại vị trí. Vì vậy, trong các thử nghiệm robot hoặc tác nhân, không thể mặc định rằng môi trường được tạo ra sẽ cung cấp một bản đồ ổn định lâu dài.
Đầu ra luôn có tỷ lệ khung hình 16:9, không có chế độ dọc hay tùy chọn cấu hình tốc độ khung hình; các phiên chỉ được phục vụ từ các trung tâm dữ liệu tại Hoa Kỳ. Hướng dẫn triển khai của Google cho biết độ trễ phản hồi hình ảnh vào khoảng 0,2 đến 0,5 giây đối với thao tác bàn phím gốc khi độ trễ mạng thấp, so với khoảng một đến hai giây đối với các thay đổi văn bản giữa phiên. Độ trễ mạng khứ hồi trên 150 mili giây khiến thao tác điều khiển bằng bàn phím chậm đi đáng kể.
Genie 4 không chấp nhận luồng trực tiếp từ micrô hoặc webcam. Công cụ này cũng không hỗ trợ gọi hàm, kết nối với Google Search để lấy thông tin, đầu ra có cấu trúc hoặc khả năng tiếp tục một tương tác đã hoàn tất.
Hạn ngạch sử dụng
Giới hạn tốc độ của Genie 4 thay đổi tùy theo cấp sử dụng của dự án trả phí:
| Cấp sử dụng | Số phiên hoạt động đồng thời | Số yêu cầu mỗi ngày |
|---|---|---|
| Cấp 1 | 2 | 50 |
| Cấp 2 | 5 | 250 |
| Cấp 3 | 10 | 1,000 |
Các thông điệp điều khiển theo thời gian thực trong một phiên không tính vào hạn ngạch yêu cầu riêng theo phút hoặc theo ngày.
API biến Genie 4 thành một môi trường có thể lập trình để chạy các mô phỏng ngắn, có kiểm soát, thay vì một thế giới lưu trữ lâu dài. Hạn chế cốt lõi nằm ở tính liên tục: ứng dụng có thể tạo các cảnh phản hồi theo yêu cầu, nhưng thiết kế hiện tại không cung cấp một thế giới có thể lưu giữ và truy cập lại sau khi các phiên kết thúc.












