谷歌 Genie 4 开放 API:花 6 美元,先买一分钟可玩世界
如果生成式 AI 从“写一段代码、出一张图”进化到“现场生成一个可以玩的世界”,开发者要付出多少成本?谷歌给出的答案是:大约一分钟 6 美元。
11 月 19 日,谷歌将世界模型 Genie 4 推向开发者侧。现在,开发者可以通过 Gemini API 的多轮交互接口,或 AI Studio 调用 Genie 4。更早一天,面向普通用户的产品 Project Genie 也已经向 AI Ultra 用户开放。相比消费端的体验入口,API 更像是把“实时生成可交互场景”的能力,做成了一个可集成、可编程的云端服务。
从文字或图片,直接进入一个可操控场景
Genie 4 的输入方式很轻量:一句文字描述、一张参考图,或者图文混合内容,都可以成为生成世界的起点。
输出结果不是静态画面,而是一个能够持续交互的场景:分辨率 720p、帧率 24fps,环境音和人物对白可以同步生成。更关键的是,用户不仅能“看”,还能通过键盘实时操控;画面响应延迟大约在 0.2 到 0.5 秒之间。这意味着它离“可玩”这个概念已经非常接近。
除了移动和交互,Genie 4 还支持通过文字输入动态改变世界内容,例如天气、光照、场景中的物体,甚至剧情事件。世界状态的连续性由 Gemini 推理能力维持,避免前后场景完全断裂。
输出内容还嵌入了 SynthID 隐形水印。对于生成式媒体来说,这是一个值得注意的细节:平台正在把内容溯源机制默认写进产品路径里。
它不是完整游戏引擎,但很适合做原型
从官方定位来看,Genie 4 的目标并不是立刻替代传统游戏引擎,而是服务于更早期的探索阶段:交互原型、空间可视化、机器人模拟,以及智能体训练。
它最擅长的可能是“把想法快速跑起来”。
比如开发者想测试一个游戏关卡的氛围、验证机器人任务场景的动线、生成智能体训练所需的动态环境,或者为某个空间可视化概念做一个可点击的 Demo。过去这些工作往往需要美术、程序、关卡设计和大量资产准备;现在,至少可以先用低成本方式生成一个“能动起来的草稿”。
计费很直接:按 Token 走,没有免费层
Genie 4 的商业模式也非常清楚:不设免费额度,所有调用按 Token 计费。
| 计费项目 | 价格 |
|---|---|
| 文本与图像输入 | 1.50 美元 / 百万 Token |
| 文本输出 | 9 美元 / 百万 Token |
| 含立体声的视频输出 | 17.50 美元 / 百万 Token |
按照视频输出折算,成本约为每秒 0.10 美元,一分钟大约 6.05 美元。
这个价格对独立开发者、游戏原型团队或研究人员来说,未必算便宜;但如果它真的能缩短前期测试流程,把几周的美术与关卡搭建压缩成几分钟的场景生成,那么 6 美元可能仍然有吸引力。关键不在于单次生成多惊艳,而在于试错成本是否足够低。
几个必须注意的限制
Genie 4 的能力很新,但短板同样明显。官方信息里至少有四个地方值得开发者提前看清。
第一,画面比例目前只支持 16:9 横屏。无论是做移动端体验还是多端适配,这都会限制使用场景。
第二,场景是逐帧滚动生成的,没有持久化 3D 资产。换句话说,它不是传统意义上可以反复打开、加载、编辑的完整关卡。会话一旦中断,就无法重新进入。
第三,网络延迟要求比较苛刻。如果网络往返延迟超过 150 毫秒,实时交互体验就会明显卡顿。对海外开发者,尤其是依赖美国以外网络环境的用户来说,这可能直接影响可用性。
第四,目前服务仅部署在美国数据中心。这意味着数据合规、跨境传输、区域性能等问题,都需要开发者在接入前额外评估。
最容易踩坑的地方:关网页不等于停止计费
官方还特别提醒了两个“坑”。
一是场景质量并非无限维持。画面最连贯的时间段通常在前 45 到 90 秒,单次会话上限为 120 秒。也就是说,它更适合做短场景、短演示、短测试,而不是长时间连续运行的开放世界。
二是成本止损需要手动处理。直接关闭网页不会自动停止计费,开发者必须显式调用 complete() 或 cancel()。如果没有在代码里设计好异常处理、超时处理和退出逻辑,调用成本可能会意外增加。
这一点对 API 产品尤其重要。生成式视频、交互世界这类服务通常比普通文本模型更昂贵,开发者必须从第一天就把“如何停止调用”当作基础工程要求,而不是上线后才补上。
同批上线的还有推理模型与机器人插件
Genie 4 开放开发者调用的同时,谷歌还上线了推理模型 Gemini 4 Neon 以及 Robotics 插件。这几项更新放在一起看,指向一个更清晰的趋势:模型能力正在从“生成内容”进一步扩展到“理解场景、操作工具、模拟环境”。
如果 Genie 4 负责生成可交互世界,Gemini 负责状态推理,而 Robotics 插件进一步连接具身智能和训练流程,那么这套组合就不再只是创意生成器,而可能成为智能体实验环境的一部分。
结论:它像一台昂贵的“世界快速成型机”
Genie 4 的核心价值不是马上做出完整游戏,而是用接近实时的方式,把文本、图像和交互需求快速折叠成一个可操作场景。
它适合做原型,不适合做持久化关卡;适合验证概念,不适合直接当成正式引擎。6 美元一分钟的价格不低,但如果它确实能把前期探索从“需要团队做”变成“先跑一轮试试”,那么这笔账在特定场景下依然成立。
真正值得开发者关注的,不只是“能生成世界”,而是它是否会改变产品测试、游戏前期设计、机器人仿真和智能体训练的工作方式。