2026 年 11 月 18 日,Google DeepMind 刊出 Genie 4 官方模型卡並宣布結束此前的封閉研究預覽,將新一代可互動世界模型 Genie 4 正式接入 Project Genie 體驗面向符合條件的 Google AI Ultra 訂閱用戶開放(同時向 Google AI Pro 訂閱用戶開放候補名單);緊接著在 11 月 19 日,Google AI Studio 官方更新日誌宣布 Genie 4(API 標識符:models/genie-4)在 Gemini Interactions API(v1beta)付費開發者層級全面上線(GA)。

融合 Gemini Omni Flash 與推理能力,即時輸出 24 fps 視聽互動世界

圖文生成可漫遊場景,原生同步 48 kHz 立體聲與動態對話:根據 Google DeepMind 模型卡披露,Genie 4 基於 Gemini Omni Flash 錨定真實世界視覺外觀與物理規律,並融合 Gemini 推理模型以維持長程場景連貫性。開發者與用戶可透過純文本提示詞、16:9 參考圖像或圖文組合生成可互動世界,透過鍵盤 WASD 或方向鍵控制視角移動,並在會話中途隨時輸入自然語言指令修改地貌、調整天氣或加入新角色。在串流規格上,models/genie-4 經由 WebRTC 與 WebSockets 即時傳輸 720p 解像度、最高 24 fps 的 16:9 互動畫面,並原生同步生成 48 kHz 立體聲音訊(涵蓋背景音樂、環境音效以及隨場景變化自適應的互動對話),較前代 Genie 3 在照片級真實感與即時轉向響應上實現顯著躍升。

圖 1 Google DeepMind 世界模型 Genie 4 雙渠道開放範圍、串流規格與 API 定價對照
圖 1 Google DeepMind 世界模型 Genie 4 雙渠道開放範圍、串流規格與 API 定價對照

圖片來源:DigIntoAI 根據 Google DeepMind 模型卡及 Google AI Studio 更新日誌整理製作。

Gemini API 定價明細與模型卡已知研究局限

按百萬 tokens 計費(影片輸出約 $0.10/秒)及長程一致性邊界:在 Gemini Interactions API 付費層級中,models/genie-4 的官方定價為輸入 $1.50 / 百萬 tokens、文本輸出 $9.00 / 百萬 tokens、影片輸出 $17.50 / 百萬 tokens(官方換算約為每秒 $0.10,已包含同步立體聲音訊)。同時,DeepMind 模型卡也客觀說明了當前研究階段的技術邊界:雖然 Genie 4 在短時會話內能保持良好的環境連貫性,但隨著單次模擬運行時間延長、經歷多次複雜提示詞修改或大範圍場景穿行,畫面細節與物體恆常性(object permanence)仍可能出現偏移;複雜物理互動、即時音訊精準度、清晰可讀文字渲染與長程空間一致性仍是持續攻關的研究方向。在安全防護方面,Genie 4 沿用 Gemini 3 系列前沿安全評估基線(對照 Gemini 3.1 Pro 與 3.7 Flash),並預設對生成內容嵌入 SynthID 數碼浮水印。