模型发布 #Google 2026-11-20 · 原文发布 11-19

Genie 4 世界模型开放 Gemini API:从文字或参考图生成 720p、24fps、带同步原生音频的可交互世界

11-18 Genie 4 先向 Google AI Ultra 订阅用户开放,一天后开发者也能通过 API 调用。这一条讲 API 能做什么,适合做互动内容、空间设计或智能体训练环境的团队。

图片来源:Google
一手来源 Google · blog.google 读原文 ↗

// 要点

  • 开发者可通过 Gemini API(Interactions API)和 Google AI Studio 使用 Genie 4,从文字提示、参考图或两者一起生成连续的 720p、24fps 世界,并带同步原生音频(环境音、音效到角色对白)。
  • 可以用键盘实时导航,同时用文字提示随时改变天气、光照、物体或事件,由 Gemini 推理保持世界状态一致。
  • 每个输出都带不可感知的水印;AI Studio 提供交互画布和起步应用。
  • 11-18 的 Project Genie 更新里,Genie 3 单次可探索时长从 60 秒增加到 3 分钟。

开发者视角世界模型第一次以 API 形式开放给普通开发者,但我会把它当原型工具而不是生产组件:公告里没写价格和时长上限,先在 AI Studio 里试。真正值得关注的是「智能体训练环境」这个用途,做电脑操作或机器人类智能体的团队,可以拿它低成本造一些评测场景。

// 来龙去脉 · 来自 #Google 专题

看完整时间线 →
  1. 11-20 Gemini API 推出 Tool Retrieval 预览:工具的参数 schema 按需加载,不再每次请求都塞进整套工具库
  2. 11-20 Gemini Mac 应用上线电脑操作:在隔离的后台窗口里跨本地文件、桌面应用和网页完成多步任务,关键操作需用户批准
  3. 11-19 Google 发布 Gemini 4 Neon:每百万 token 输入 3 美元、输出 15 美元,默认 high 档的单任务成本比 Carbon 低 32%

每周一,一封邮件看完 AI 大事

每周一早上,把过去 7 天最值得关注的 6 件 AI 大事和我的解读发到你邮箱。

邮箱只用于发送周报,不会提供给任何第三方;每封邮件底部都可以一键退订。 看看最近一期 →