谷歌把“现场生成可玩世界”做成了 API。11 月 19 日,世界模型 Genie 4 正式向开发者开放,经 Gemini API 多轮交互接口及 AI Studio 调用;前一天消费端 Project Genie 已先向 AI Ultra 用户解锁。

键盘一按,世界即时生成
一句文本、一张参考图或图文混合,就能生成 720p、24fps 的连续可交互世界,环境音与对白同步生成,输出均嵌 SynthID 隐形水印。键盘实时操控的画面响应约 0.2 至 0.5 秒,敲文字还能动态改天气、光照、物体乃至剧情事件,世界状态由 Gemini 推理维持连贯。定位是交互原型、空间可视化与机器人、智能体训练。短板也直白:仅 16:9 横屏,逐帧滚动生成、无持久化 3D 资产,会话一断无法重进;网络往返延迟超 150 毫秒就卡,暂只由美国数据中心服务。
不设免费层,关网页不停表
计费按 Token 走:文本与图像输入 1.50 美元 / 百万 Token,文本输出 9 美元,含立体声的视频输出 17.50 美元,折算约 0.10 美元 / 秒、6.05 美元 / 分钟。
官方还提示两个坑:画面最连贯的是前 45 至 90 秒,单次会话上限 120 秒;直接关网页不停表,须显式调用 complete() 或 cancel() 止损。同期谷歌还上线了推理模型 Gemini 4 Neon 与 Robotics 插件。







