11月19日,Google通过Gemini API和Google AI Studio向付费开发者开放Genie4世界模型,模型标识为models/genie-4。前一天,该模型已借Project Genie面向Google AI Ultra订阅用户推出,而此次API开放意味着Google DeepMind首个可被第三方直接调用的实时世界模型进入商用阶段。
Genie4由Gemini Omni的视觉渲染能力与Gemini系列的推理能力支撑,可根据文本或参考图像生成720p、24fps的连续高清交互世界,并同步输出原生立体声音频,覆盖环境音、音效和角色对话。

在交互上,用户可用WASD或方向键在场景中实时移动,响应延迟约0.5秒;借助实时文本提示,还能动态改变天气、光照与事件,延迟约1至2秒。系统通过推理机制维持世界状态连贯。AI Studio同步提供交互式画布与入门应用,以降低开发门槛。所有生成内容均嵌入SynthID水印。
技术层面,Genie4采用单会话临时令牌保障密钥安全,浏览器端与服务端分别通过WebRTC和WebSocket进行流媒体传输。单次会话上限为120秒,服务覆盖美国、西欧及日本数据中心。
该模型是Google DeepMind 10月研究预览的商业化延续,将世界模拟能力推向第三方应用生态,可用于交互式原型设计与空间可视化,也为机器人和通用人工智能(AGI)智能体提供低成本、高保真的安全训练环境。
API计费标准为每百万输入令牌1.50美元、文本输出9美元、视频输出17.50美元,综合流媒体成本约合每秒0.10美元。











