谷歌将“实时生成可交互世界”能力封装为 api。11 月 19 日,世界模型 genie 4 正式面向开发者开放,支持通过 gemini api 多轮对话接口及 ai studio 平台调用;而就在前一天,面向消费者的 project genie 已率先向 ai ultra 用户开放体验。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

敲下回车,世界即刻诞生
仅需一段文字描述、一张参考图像,或图文组合输入,即可生成分辨率为 720p、帧率为 24fps 的连续可交互虚拟世界;环境音效与角色对白同步生成,所有输出均嵌入 SynthID 隐形水印。键盘操作响应延迟约为 0.2 至 0.5 秒,输入文本还可动态调整天气、光照、物体状态乃至触发剧情事件,世界状态由 Gemini 模型持续推理以保障逻辑连贯性。该技术主要面向交互式原型开发、空间可视化呈现,以及机器人与智能体的训练场景。其局限亦十分明确:仅支持 16:9 横屏格式;采用逐帧流式生成方式,不产出持久化 3D 资产;会话中断后无法恢复;网络往返延迟一旦超过 150 毫秒即出现卡顿;当前服务仅由美国境内数据中心提供。
无免费额度,关闭页面不暂停计时
计费严格按 Token 数量计算:文本与图像输入为 1.50 美元 / 百万 Token,文本输出为 9 美元 / 百万 Token,含立体声的视频输出为 17.50 美元 / 百万 Token,折合约 0.10 美元 / 秒、6.05 美元 / 分钟。
官方特别提醒两项关键限制:画面连贯性最佳区间为前 45 至 90 秒;单次会话最长限时 120 秒;若直接关闭网页标签页,计时不会自动停止,必须显式调用 complete() 或 cancel() 方法方可终止计费。与此同时,谷歌还同步推出了新一代推理模型 Gemini 4 Neon 及 Robotics 插件。



















