谷歌向开发者开放世界模型Genie 4:键盘操控延迟低至0.2秒,视频生成约6.05美元/分钟

业界
2026
11/20
10:06
凤凰网科技
分享
评论

谷歌向开发者开放世界模型Genie 4:键盘操控延迟低至0.2秒,视频生成约6.05美元/分钟

北京时间11月20日消息,据谷歌官方博客及科技媒体The Defiant、Unite.AI报道,当地时间11月19日,谷歌正式向开发者开放世界模型Genie 4,开发者可通过Gemini API(Interactions API多轮交互接口)及Google AI Studio接入调用。此前一日(11月18日),谷歌已在消费端应用Project Genie中向AI Ultra订阅用户开放Genie 4(AI Pro用户可加入候补名单),并同步升级了Genie 3(单次探索时长延至3分钟、支持多世界串联与360度全景图生成)。

据介绍,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、音效及角色对白等原生立体声音频,所有输出内容均嵌入SynthID隐形水印。谷歌同时在AI Studio上线了交互画布与入门示例应用。

交互与技术规格方面,开发者可在键盘实时操控的同时,通过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(Agent)训练。不过,模型输出目前锁定16:9横屏比例(暂不支持竖屏及自定义帧率),底层基于滚动窗口逐帧生成而非构建持久化3D资产,一旦会话结束便无法恢复重进,且暂不支持实时音视频流输入与联网搜索增强。

响应延迟与调用配额方面,Unite.AI援引谷歌实现指南指出,在低延迟网络下,Genie 4键盘原生操控的画面响应约为0.2至0.5秒,会话中途输入文字修改场景的响应时间约为1至2秒;但若往返网络延迟超过150毫秒,操控会出现明显卡顿,因此目前仅由美国数据中心提供服务。配额方面,该模型不设免费层,付费层级Tier 1至Tier 3分别对应2、5、10个并发活跃会话上限(每日请求上限分别为50、250和1000次)。

定价与计费规则方面,Genie 4采用按Token结算模式。官方定价显示,文本及参考图像输入为1.50美元/百万Token,文本输出为9美元/百万Token;含立体声音频的视频输出为17.50美元/百万Token(按每帧240 Token、每秒5760 Token折算,视频生成成本约为0.10美元/秒、6.05美元/分钟)。

此外,谷歌官方文档给出两项关键使用提示:一是模型前45至90秒的视觉连贯性与物体持久性最佳(对应输出成本约4.5至9.1美元),单次会话最高上限为120秒;二是直接关闭网页或断开连接并不会立即停止后台生成与扣费,开发者必须显式调用complete()或cancel()接口以终止服务端运行及计费。另据The Defiant与9to5Google报道,谷歌同期(11月18日至19日)还密集推出了面向复杂推理的Gemini 4 Neon(输入定价3美元/百万Token)及面向Antigravity的Gemini Robotics插件。

【来源:凤凰网科技】

THE END
广告、内容合作请点击这里 寻求合作
谷歌
免责声明:本文系转载,版权归原作者所有;旨在传递信息,不代表砍柴网的观点和立场。

相关热点

11月19日消息,虽然安卓折叠屏早在2019年就已亮相,但应用生态建设一直滞后。
业界
11 月 18 日消息,深层超高温地热发电企业 Quaise Energy 当地时间 17 日宣布,该企业已同 Google(谷歌)签署一项购电协议,计划从 2030 年开始向谷歌位于美国俄勒冈州的数据中心站点交付 50MW 的清洁电...
业界
11 月 18 日消息,谷歌公司今天宣布,Google 钱包应用程序已在美国登陆苹果 iOS 系统,用户可在此一站式管理购物记录、门票和登机牌等。
业界
北京时间11月16日,天风国际证券知名分析师郭明錤周一发文称,在英伟达CEO接班人选存在不确定性的情况下,谷歌的TPU芯片正借助OpenAI、Anthropic的订单开拓业务。
业界
北京时间11月11日,据彭博社报道,Anthropic将发布一套工具,把该公司的AI能力融入更多日常办公工作中。
业界

相关推荐

1
3