2026年11月18日、Google DeepMind は世界モデル「Genie 4」のモデルカードを公開し、クローズド研究プレビューを終了して対象地域の Google AI Ultra 加入者向けに Project Genie を開放した(Google AI Pro 会員向けにはウェイトリストを開始)。続いて11月19日には Google AI Studio のリリースノートにて、Gemini Interactions API(v1beta)の有料ティア向けに models/genie-4 の一般提供(GA)が発表された。
24 fps リアルタイム映像と 48 kHz ステレオ音声の同時生成
Gemini Omni Flash と推論モデルの統合:Genie 4 は Gemini Omni Flash を土台に現実世界の視覚・物理表現を再現しつつ、Gemini の推論能力でリアルタイム操作時の一貫性を維持する。テキストや 16:9 参照画像から世界を生成し、WASD/矢印キーによる移動やセッション途中の自然言語プロンプトで天候・地形・キャラクターを即座に変更でき、WebRTC/WebSockets 経由で 720p・最大 24 fps の 16:9 映像と同期 48 kHz ステレオ音声(音楽・環境音・対話音声)を配信する。

画像の出典:Google DeepMind モデルカードおよび AI Studio リリースノートをもとに DigIntoAI が作成。
公式 API 料金とモデルカード記載の技術的限界
映像出力約 $0.10/秒の料金体系と長期一貫性の課題:Interactions API 有料ティアでの価格は入力 $1.50/テキスト出力 $9.00/映像出力 $17.50(100万トークンあたり、ステレオ音声込みで約 $0.10/秒)。なおモデルカードでは、短時間セッションでは高い一貫性を示す一方、長時間実行や複雑な連続編集を行うと細部や物体恒常性が変化する場合があるほか、複雑な物理挙動や判読可能な文字描画は継続研究課題である点が明記されている(出力には SynthID 透かしを適用)。
