Google 在 Gemini API 更新日志中宣布,11 月 19 日起世界模型 Genie 4(models/genie-4)在 Interactions API(v1beta)上正式可用(GA)。它实时生成 16:9、24 fps 的可操控视频世界,并同步输出 48 kHz 立体声,通过 WebRTC 或 WebSocket 传输;可用文字、16:9 参考图或两者一起建世界,再用 WASD/方向键和会话中的文字指令操控。仅限付费层,视频输出 17.50 美元/百万 token,约合 0.10 美元/秒。此前一天 Genie 4 刚向 AI Ultra 订阅用户开放。

核心要点速览

  • ✓官方:Gemini API 更新日志 11 月 19 日条目宣布 Genie 4 GA,模型 ID 为 models/genie-4,走 Interactions API v1beta
  • ✓输出:实时生成 16:9、24 fps 视频与 48 kHz 立体声;键盘移动约 0.2–0.5 秒生效,文字指令约 1–2 秒
  • ✓价格:仅付费层;输入 1.50 美元/百万 token,文本输出 9 美元,视频输出 17.50 美元(每帧 240 token,约 0.10 美元/秒,含音频)
  • ✓限制:免费层不支持;Tier 1/2/3 并发会话 2/5/10、每日请求 50/250/1000;单次会话上限 120 秒,目前只在美国数据中心提供服务
  • ✓用法:服务端创建会话并签发一次性令牌,浏览器用 WebRTC 连接;结束时必须调用 complete() 才停止计费
⚡

关键决策指标一览

一眼结论
🏆 权威跑分段位榜单
本文不涉及具体模型跑分 · 去天梯榜看当前排名
查看天梯总榜→
🛠️ 开发与接入生态规则
Genie 4 · 世界模型 · Gemini API
配置 IDE 专属规则↗
🧭

把技术选型换算成你的开发预算

40 款主流编程套餐横向比价,支持输入/输出 Token 真实账单模拟

🔬

深度技术解析与实战评估

核心背景与行业痛点

视频生成模型大多是离线出片:写好提示,等几十秒拿到一段固定视频。世界模型想解决的是实时交互,让画面跟着玩家的操作即时生成。Genie 4 是 Google DeepMind 的交互式世界模型,11 月 18 日先向 AI Ultra 订阅用户开放,11 月 19 日起开发者也能通过 Gemini API 调用。

架构亮点与底层机制

Genie 4 跑在 Interactions API 上,是双向实时连接。流程分四步:服务端创建会话,浏览器端用一次性令牌通过 WebRTC 或 WebSocket 连接,发送 world_setup 事件建世界,再发送键盘事件或文字指令操控。键盘移动约 0.2–0.5 秒生效,文字指令要经过规划,约 1–2 秒。

权威 Benchmark 与实测跑分对比

官方文档没有给出跑分,只写明了规格与限制:16:9、24 fps,48 kHz 立体声;视线离开物体 8 秒以上或原地转一圈,地标可能变化;60–90 秒后画面稳定性可能下降,单次会话上限 120 秒。价格按每帧 240 个视频 token 计,约 0.10 美元/秒。

开发者实战落地与开箱指南

先在 Google AI Studio 的 Live 页面试玩,再用最新版 @google/genai 或 google-genai SDK 接入。注意三点:免费层不能用;服务只在美国,网络往返超过 150 毫秒操控会明显变慢;关掉页面不会自动停止生成,必须调用 complete() 结束计费。

实战指南准备好将技术转化为生产力?

即刻查看该技术对应模型与主流工具的实测差异,或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。

接着读World Labs 向所有人开放世界模型 Atlas:上线 Viewfinder、Chisel 两款网页应用和开发者 API,照片可重建成能漫游的 3D 世界,并导出 3D 高斯泼溅或网格进 Blender
立即阅读→