谷歌向开发者开放世界模型Genie 4 API调用
IT时代网11月21日消息,谷歌正式向开发者开放世界模型Genie 4,可通过Gemini API的Interactions API多轮交互接口及Google AI Studio接入调用。前一日谷歌已在消费端应用Project Genie中向AI Ultra订阅用户开放该模型,并同步升级Genie 3。
Genie 4支持从文本提示、参考图像或图文结合出发,生成720p分辨率、24fps的连续可交互世界,并同步生成环境音、音效与角色对白等原生立体声音频,所有输出均嵌入SynthID隐形水印。开发者可在键盘实时操控的同时,用文字指令动态修改天气、光照、物体及场景事件,世界状态由Gemini推理保持连贯。
谷歌将其适用方向定位为交互体验原型、空间概念可视化,以及机器人与AI智能体训练。模型输出目前锁定16:9横屏比例,基于滚动窗口逐帧生成而非构建持久化3D资产,会话结束无法恢复重进。
性能与配额方面,低延迟网络下键盘原生操控的画面响应约0.2至0.5秒,中途输入文字修改场景响应约1至2秒;往返延迟超过150毫秒会出现明显卡顿,目前仅由美国数据中心提供服务。模型不设免费层,付费三个层级分别对应2、5、10个并发活跃会话。
计费按Token结算:文本及图像输入1.50美元/百万Token,文本输出9美元/百万Token,含立体声音频的视频输出17.50美元/百万Token,折算视频生成成本约每秒0.10美元。官方提示模型前45至90秒视觉连贯性最佳,单次会话上限120秒,开发者须显式调用终止接口,否则关闭网页不会停止后台生成与扣费。

编辑:林一舟