一句话看懂:谷歌的世界模型 Genie 4 于 11 月 19 日通过 Gemini API 和 AI Studio 向开发者开放,可按分钟计费生成可实时编辑的交互式世界。这意味着“边玩边改”的世界生成从演示走向了可调用的开发工具。
事件核心:发生了什么
2026 年 11 月 19 日,谷歌宣布世界模型 Genie 4 正式面向开发者开放,可通过 Gemini API 的多轮交互接口及 AI Studio 调用;前一天,消费端产品 Project Genie 已向 AI Ultra 用户解锁。开发者输入一段文字、一张参考图或图文组合,即可生成 720p、24fps 的连续可交互世界,环境音与对话同步生成,输出嵌入不可见的 SynthID 水印。键盘操作的屏幕响应约 0.2 至 0.5 秒,输入文字还能动态改变天气、光照、物体乃至剧情事件。目前公开信息显示,该模型定位为交互原型、空间可视化和机器人/智能体训练工具。
为什么重要
这是谷歌把“实时生成可玩世界”做成 API 的一步:世界模型不再只停留在研究成果或封闭演示,而是进入按 token 计费的商业化通道。对行业而言,它把图像生成、推理与实时交互拼在一起,也暴露出这条路径的工程代价——按视频输出每秒约 0.10 美元计算,一分钟约 6.05 美元,且没有免费额度。限制同样明确:仅 16:9 横屏、逐帧滚动生成、没有持久化 3D 资产、会话结束无法恢复、网络往返延迟超过 150 毫秒会卡顿,目前仅由美国数据中心提供服务。这些约束说明它更像早期开发工具,而非成熟内容生产平台。
对用户/开发者/创作者的影响
开发者需要把计费逻辑写进代码:关闭网页并不会停止计费,必须显式调用 complete() 或 cancel()。官方还提示前 45 至 90 秒画面最连贯,单次会话上限 120 秒。对创作者来说,它适合快速做交互原型和空间概念验证,不适合长时内容生产;对机器人或智能体团队,则可用来合成受控的训练场景。同期谷歌还发布了推理模型 Gemini 4 Neon 和 Robotics 插件,显示其在模型与工具链上同步推进。
AI 工具推荐
想把多个 AI 模型放在一个入口?
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。
推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。
值得关注的后续
一是价格是否调整、是否出现免费额度或包月方案;二是持久化世界状态、更长会话时长等限制能否补齐;三是美国以外区域的上线节奏,以及竞品是否跟进同类 API。以上均需以谷歌官方后续公告为准。
来源:AIbase


