|

Genie 4 有多强:看画面、声音和大约能玩一分钟

Genie 4 有多强:看画面、声音和大约能玩一分钟

作者注:按官方模型卡、11 月 18 日产品公告和 11 月 19 日产品页,梳理 Genie 4 的 720p、最高 24 帧和同步音频规格,说明评测没有公开分数、连续互动大约一分钟,以及它和 Genie 3 怎么按任务分开用。

Google DeepMind 在 2026 年 11 月 18 日发布了 Genie 4 的模型卡,同日在 Project Genie 里开放使用,提供 实时 720p、最高 24 帧每秒、同步音频 的可互动世界。很多人看完演示的第一反应是“很强”,但具体强在哪一项、哪一项官方没给数字、自己该拿它做什么,演示视频本身回答不了。

这篇不是演示视频的复述,也不是我们的上手实测。 下文只整理官方文件写明的内容:模型卡给了哪些规格和评测维度、产品公告怎么划分 Genie 4 和 Genie 3、产品页列了哪六条限制。凡是官方没公布的分数、胜率和价格,文中都直接说“没有”,不做推测。

核心价值:读完你会知道 Genie 4 的硬规格是什么,评测结论能当什么用、不能当什么用,以及什么时候该在选择器里切到 Genie 3。

genie-4-review-visuals-audio-one-minute-image-0


Genie 4 核心功能:官方规格到底写了什么

先把模型卡里能直接核对的硬信息列出来。这些是判断 Genie 4 “有多强”的唯一可靠依据,其他说法都需要回到这里对照。

项目 Genie 4 官方写法 来源
输出画面 实时 720p,最高 24 帧每秒 模型卡(11 月 18 日)
声音 同步音频,并有会当场适应的对话 模型卡(11 月 18 日)
输入方式 文字、图像、键盘鼠标 模型卡(11 月 18 日)
底层模型 建在 Gemini Omni Flash 上,推理和实时转向由 Gemini 负责 模型卡(11 月 18 日)
连续互动时长 目前大约一分钟,不是长会话 产品页(11 月 19 日打开)
使用入口 Project Genie,从符合条件的 Google AI Ultra 开始 产品页(11 月 19 日打开)
内容标识 画面和声音都带 SynthID 产品公告(11 月 18 日)

Genie 4 画面与声音规格详解

画面这一项要看清楚三个词:实时、720p、最高 24 帧。“实时”意味着画面跟着你的键鼠操作即时生成,而不是先渲染好一段视频再播放;“最高 24 帧”是上限,不代表每一刻都稳定在 24 帧。如果你拿它和离线生成的视频比清晰度,会觉得 720p 不算高,但它比的是可以边走边改的互动世界,这两类东西本来就不在一个维度上。

声音是 Genie 4 和 Genie 3 最直观的差别。按 11 月 18 日的产品公告,Genie 4 第一次配上了实时原生音频和对话,模型卡把它描述为“引入原生音频和会当场适应的对话”。不过产品页的限制里也写着“实时音频精度仍在改进”,所以声音能跟上画面是事实,但细节是否完全对得上,官方自己也没有打包票。

Genie 4 背后的三个 Gemini 角色

参考资料里出现了好几个 Gemini 名字,它们分属不同文件、扮演不同角色,不能合成一个模型来理解:

  • Gemini Omni Flash:模型卡写明 Genie 4 建在它上面,属于底层基础。
  • Gemini 3.8 Flash:出现在 10 月 27 日的研究博文里,作为引导代理(agent)使用,那是研究预览阶段的写法。
  • Gemini 4 Argon:同样出自研究博文的机器人例子,由它拆解步骤,再由 Genie 4 渲染 Apollo 下跳棋的画面。官方称之为实验,并不是公开的基准分数。

另外,模型卡的安全评估章节还提到 Gemini 3.1 Pro 和 Gemini 3.7 Flash,它们是前沿安全框架评估中的对照对象,和 Genie 4 的创作能力无关,后文会单独解释。

genie-4-review-visuals-audio-one-minute-image-1


Genie 4 实测数据:官方评测说了什么,没说什么

这一节标题叫“实测数据”,但要先说明:下面的结果全部来自模型卡原文,不是我们的测试。官方用人工评测加自动评测的方式,把 Genie 4 和更早的世界模型(包括 Genie 3)放在一起比较。

Genie 4 官方评测维度

评测维度 衡量的是什么 是否公开分数
画面质量与美感 画面清晰度、构图和观感 没有
环境真实度 场景、物体和物理表现像不像真的 没有
音频质量与同步 声音本身的质量,以及和画面是否对得上 没有
实时操控与文字转向的响应 键鼠操作和文字提示能否及时改变世界 没有

模型卡给出的结论原文是:相对 Genie 3,在照片真实感、动作流畅、实时转向上显著提升,并引入原生音频和会当场适应的对话。这句话可以支撑“Genie 4 在这几个方向上比 Genie 3 进步明显”,但它没有附带分数、胜率、样本数,也没写测试集名称。

所以读这份评测时要守住一个边界:它说明了方向,没有给出幅度。 “显著提升”到底是多少,外部无法核对。截至 11 月 19 日,也没有任何公开榜单给出 Genie 4 的分数,网上看到的演示片段同样不能当作排名依据,演示通常挑的是表现最好的片段。

Genie 4 安全评估结论怎么读

模型卡里有一段容易被误读的内容。官方依据 Gemini 3.1 Pro 与 Gemini 3.7 Flash 的前沿安全框架评估,这两款模型没有达到受跟踪或临界能力等级;官方认为 Genie 4 相对它们没有有意义的新能力或实质性性能提升,因此也不大可能达到那些等级。

这是一份安全等级结论,针对的是前沿风险能力,不是画质或互动体验的排名。把“没有新的临界能力”理解成“Genie 4 创作能力不行”,是把两件不相干的事混在了一起。

Genie 4 时长数字:一分钟和两分钟哪个对

网上关于时长有两种说法,需要分清来源:

说法 出处 日期 本文是否采用
连续互动大约一分钟 DeepMind 产品页限制条目 2026-11-19 打开 采用
大约两分钟、约是前代两倍 TechCrunch 等媒体简报转述 2026-10-27 不采用(过期简报)
研究博文的限制段落 DeepMind 研究博文 2026-10-27 未写一分钟或两分钟

10 月 27 日的研究博文本身是研究预览,没有写具体时长;“两分钟”来自同日的媒体转述,和 11 月 19 日产品页的“大约一分钟”对不上。按终态页面为准的原则,本文的结论只用产品页的大约一分钟。


Genie 4 对比 Genie 3:按任务分开用

11 月 18 日的产品公告把两代的分工写得很清楚:Genie 4 提供目前最高的画面、物理和原生音频;Genie 3 继续留在选择器里,给想要更长单次时长、或想用全景图起步的人。也就是说,官方并不是用 Genie 4 替换 Genie 3,而是让两者各管一类任务。

genie-4-review-visuals-audio-one-minute-image-2

你要做的事 更合适的选择 依据
画面更真实、动作更流畅 Genie 4 模型卡评测结论
需要实时声音和当场对话 Genie 4 产品公告:首次配实时原生音频
互动中途改环境 Genie 4 产品公告:会话中改环境是新能力
单次走得更久(几分钟级) Genie 3 产品公告:单次最多 3 分钟,此前 60 秒
用 360 度全景图当起点 Genie 3 产品公告:Genie 3 当日更新
把多个世界串起来 Genie 3 产品公告:Genie 3 当日更新
通过 API 调用 暂无可用渠道 API易 apiyi.com 型号列表未收录

Genie 4 与 Genie 3 对标解读

Genie 3 对标分析:Genie 3 在单次时长上保持领先,11 月 18 日的更新把单次上限从 60 秒提高到最多 3 分钟,还支持多世界串联和全景图起步。但它没有实时原生音频,画面真实感和实时转向也在 Genie 4 之后。相比之下,Genie 4 更适合需要画面、物理和声音一起到位的短场景。

Genie 4 的取舍:Genie 4 把画面和声音做得更完整,代价是连续互动目前大约一分钟。官方正在处理的问题包括镜头延迟、复杂物理互动、实时音频精度和场景长期保持,这几项也是你实际使用时最可能碰到的地方。

Genie 4 型号与价格:API易的情况

说到 API 和价格,需要直接交代现状:截至 2026-11-19,Genie 4 不在 API易的型号总表和价目接口里,Gemini Omni Flash 同样没有收录。暂未上架,我们会尽快上架这个模型;型号与价格以平台型号列表为准,可在 API易 apiyi.com 查看最新收录情况。

目前官方唯一的使用入口是 Project Genie,从符合条件的 Google AI Ultra 开始开放。我们也不会拿别的视频生成模型充当 Genie 的平替,可互动的世界模型和离线视频生成解决的是不同问题。


Genie 4 快速上手:三步自查是否适合你

Genie 4 不是靠写代码调用的产品,所以这里给出的“快速上手”是一份自查顺序。拿到会话之后,按下面三步走,可以很快判断它能不能用在你的项目上。

第一步:核对 Genie 4 的输出规格

先确认你看到的输出和官方规格一致:

  1. 分辨率:是否为 720p。如果你的交付要求是更高分辨率的成片,就需要预留后期处理空间。
  2. 帧率:最高 24 帧每秒。快速转镜头时留意是否有卡顿,官方也把镜头延迟列为正在处理的问题。
  3. 声音同步:脚步、碰撞、对话是否和画面对得上。产品页写着实时音频精度仍在改进,细节错位属于已知情况。

第二步:判断 Genie 4 适合改场景还是走更久

接下来问自己一个问题:你要的是“在一个场景里改来改去、要声音”,还是“在一个世界里走得更久”?前者属于 Genie 4 的强项,后者应该在模型选择器里切到 Genie 3,利用它最多 3 分钟的单次时长和多世界串联能力。

第三步:用六条限制排除 Genie 4 不适合的活

产品页限制(11 月 19 日) 实际含义 不适合交给它的活
视觉细节和物体恒存会随时间漂 玩久了物体可能变样或消失 要求道具全程一致的连续镜头
多用户、多独立角色、共享环境的复杂互动仍是研究难题 多人同场互动不稳 多人协作或多角色对戏
目前不能完美模拟真实地点 复刻现实场所会走样 要求还原真实街道、建筑
清晰文字往往只有写进开场世界描述才会出现 中途临时加字很难清晰 画面里临时出现清晰招牌
连续互动目前大约一分钟 不是长会话 一次连续玩很多分钟
实时音频精度仍在改进 声音细节可能对不准 需要精确对口型或音效卡点

其中“清晰文字要写进开场世界描述”这一条,其实提示了一个实用做法:把招牌、标语这类文字在开场描述里一次写清楚。开场描述可以先用文本大模型帮你起草和润色,比如通过 OpenAI 兼容接口调用 Gemini 或 Claude,把 base_url 设为 https://api.apiyi.com/v1 即可,一个 Key 就能切换不同模型对比写法。

🚀 快速上手建议:Genie 4 本身只能在 Project Genie 里使用。如果你想先把开场世界描述打磨好,可以在 API易 apiyi.com 用新用户的免费测试额度,让几个主流文本模型分别起草,再挑一版贴进 Genie。

genie-4-review-visuals-audio-one-minute-image-3


Genie 4 优缺点分析

Genie 4 的优势

  • 画面和动作:模型卡结论写明照片真实感和动作流畅相对 Genie 3 显著提升,研究博文举了空气动力和碰撞的例子。
  • 实时原生音频与对话:这是 Genie 系列第一次配上实时声音,对需要氛围和对白的短场景帮助最大。
  • 会话中改环境:边玩边用文字或操作转向,实时转向也是模型卡点名提升的方向。
  • 可追溯标识:画面和声音都带 SynthID,便于识别生成内容。

Genie 4 的局限

  • 时长短:连续互动大约一分钟。需要更长单次时,切到 Genie 3。
  • 长期一致性:视觉细节和物体恒存会漂,玩得越久、改得越多、走得越远越明显。解决办法是把一个场景拆成多段短会话。
  • 评测不透明:没有公开分数、胜率和样本数,无法和其他模型做量化比较。做选型时只能以官方定性结论加上你自己的使用感受为准。
  • 获取门槛:目前从符合条件的 Google AI Ultra 开放,API 渠道暂时没有。

常见问题 FAQ

Q1:Genie 4 是什么?

Genie 4 是 Google DeepMind 的世界模型,可以根据文字、图像和键鼠输入实时生成可互动的世界,输出 720p、最高 24 帧每秒,并带同步音频。它建在 Gemini Omni Flash 上,2026 年 11 月 18 日发布模型卡并在 Project Genie 开放。

Q2:Genie 4 和 Genie 3 有什么区别?

Genie 4 在画面、物理和实时原生音频上更强,适合短而精的场景;Genie 3 在 11 月 18 日更新后单次最多 3 分钟,支持多世界串联和 360 度全景图起步,适合想走得更久的人。官方让两者同时留在选择器里,按任务挑选即可。

Q3:Genie 4 能连续玩多久?不是说两分钟吗?

按 2026 年 11 月 19 日打开的产品页,连续互动目前大约一分钟。“两分钟”出自 10 月 27 日的媒体简报转述,与现行产品页对不上,属于过期信息,本文不采用。

Q4:Genie 4 有公开的评测分数吗?

没有。模型卡描述了人工和自动评测的维度,也给出相对 Genie 3 显著提升的定性结论,但没有公布分数、胜率、样本数或测试集名称。演示视频同样不能当作排名。

Q5:可以通过 API 调用 Genie 4 吗?

目前官方入口只有 Project Genie。截至 11 月 19 日,API易 apiyi.com 的型号列表和价目接口都没有 Genie 4,暂未上架,我们会尽快上架这个模型;型号与价格以平台型号列表为准。上架之前,你可以先用平台上的文本模型准备开场世界描述,接口与 OpenAI 兼容,接入成本很低。

Q6:模型卡说“没有新的临界能力”,是不是说明 Genie 4 能力一般?

不是。这句话属于前沿安全框架的评估结论,意思是 Genie 4 相对 Gemini 3.1 Pro 和 Gemini 3.7 Flash 没有带来需要额外跟踪的风险能力,和画质、互动体验的好坏无关。

Q7:Genie 4 最适合哪些场景?

适合一分钟以内、对画面真实感和声音有要求的场景,例如游戏概念的氛围小样、带对白的互动片段、需要中途改环境的创意尝试。要求复刻真实地点、多人同场互动或长时间连续体验的项目,目前不适合。

Q8:想在画面里放清晰的文字怎么办?

产品页写明,清晰文字往往只有写进开场世界描述才会出现。建议在开场描述里一次写清所有招牌和标语,这部分描述可以借助 API易 apiyi.com 上的多个文本模型对比起草。


Genie 4 核心要点 Key Takeaways

  • Genie 4 硬规格:实时 720p、最高 24 帧每秒、同步音频,输入支持文字、图像和键鼠。
  • 评测只有方向没有分数:模型卡给出相对 Genie 3 显著提升的结论,但没有公开分数和胜率。
  • 时长按产品页:连续互动大约一分钟,10 月媒体简报的两分钟属于过期信息。
  • Genie 4 与 Genie 3 按任务分:要画面、物理和声音选 Genie 4,要单次走更久选 Genie 3。
  • 安全结论不等于能力评价:“没有新的临界能力”是安全等级判断,不是创作排名。
  • API 现状:Genie 4 暂未在 API易 apiyi.com 上架,型号与价格以平台列表为准。

总结

Genie 4 到底有多强,可以归结为三点:

  1. 强在画面和声音:720p、最高 24 帧的实时画面,加上 Genie 系列第一次出现的实时原生音频与对话。
  2. 弱在时长和一致性:连续互动大约一分钟,玩得越久,细节和物体恒存越容易漂移。
  3. 没有公开分数:官方评测只给出方向,不要把演示片段当作排名依据。

实际使用时,先按三步自查核对规格,再判断自己要的是改场景还是走更久,最后用六条限制排除不合适的任务。需要单次更久,就在选择器里切回 Genie 3。

Genie 4 上架之前,可以先在 API易 apiyi.com 用统一接口调用文本模型,把开场世界描述打磨好,等模型可用时就能直接投入使用。


📚 参考资料

  1. Genie 4 模型卡:输出规格、评测维度、已知限制与前沿安全评估

    • 链接:deepmind.google/models/model-cards/genie-4/
    • 说明:2026 年 11 月 18 日发布,本文的规格和评测结论均以此为准
  2. Genie 产品页:六条限制与使用入口

    • 链接:deepmind.google/models/genie/
    • 说明:2026 年 11 月 19 日打开,“大约一分钟”出自此页
  3. Google 博客:Genie 4 在 Project Genie 上线:Genie 4 与 Genie 3 的官方分工

    • 链接:blog.google/innovation-and-ai/models-and-research/google-deepmind/genie-4-now-available-project-genie
    • 说明:2026 年 11 月 18 日产品公告,包含 Genie 3 当日更新内容
  4. DeepMind 研究博文:Genie 4 新一代世界模拟:研究预览阶段的能力介绍

    • 链接:deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/
    • 说明:2026 年 10 月 27 日发布,属于研究预览,不代表产品规格
  5. API易 型号列表:平台当前收录的模型与价格

    • 链接:docs.apiyi.com/models
    • 说明:Genie 4 上架情况以此为准

作者:APIYI 技术团队
技术交流:欢迎在 API易 网站首页联系我们,更多资料可访问 docs.apiyi.com 文档中心

类似文章