|

Genie 4 有多強:看畫面、聲音和大約能玩一分鐘

Genie 4 有多強:看畫面、聲音和大約能玩一分鐘

作者注:按官方模型卡、11 月 18 日產品公告和 11 月 19 日產品頁,梳理 Genie 4 的 720p、最高 24 幀和同步音頻規格,說明評測沒有公開分數、連續互動大約一分鐘,以及它和 Genie 3 怎麼按任務分開用。

Google DeepMind 在 2026 年 11 月 18 日發佈了 Genie 4 的模型卡,同日在 Project Genie 裏開放使用,提供 實時 720p、最高 24 幀每秒、同步音頻 的可互動世界。很多人看完演示的第一反應是“很強”,但具體強在哪一項、哪一項官方沒給數字、自己該拿它做什麼,演示視頻本身回答不了。

這篇不是演示視頻的複述,也不是我們的上手實測。 下文只整理官方文件寫明的內容:模型卡給了哪些規格和評測維度、產品公告怎麼劃分 Genie 4 和 Genie 3、產品頁列了哪六條限制。凡是官方沒公佈的分數、勝率和價格,文中都直接說“沒有”,不做推測。

核心價值:讀完你會知道 Genie 4 的硬規格是什麼,評測結論能當什麼用、不能當什麼用,以及什麼時候該在選擇器裏切到 Genie 3。

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


Genie 4 核心功能:官方規格到底寫了什麼

先把模型卡里能直接覈對的硬信息列出來。這些是判斷 Genie 4 “有多強”的唯一可靠依據,其他說法都需要回到這裏對照。

項目 Genie 4 官方寫法 來源
輸出畫面 實時 720p,最高 24 幀每秒 模型卡(11 月 18 日)
聲音 同步音頻,並有會當場適應的對話 模型卡(11 月 18 日)
輸入方式 文字、圖像、鍵盤鼠標 模型卡(11 月 18 日)
底層模型 建在 Gemini Omni Flash 上,推理和實時轉向由 Gemini 負責 模型卡(11 月 18 日)
連續互動時長 目前大約一分鐘,不是長會話 產品頁(11 月 19 日打開)
使用入口 Project Genie,從符合條件的 Google AI Ultra 開始 產品頁(11 月 19 日打開)
內容標識 畫面和聲音都帶 SynthID 產品公告(11 月 18 日)

Genie 4 畫面與聲音規格詳解

畫面這一項要看清楚三個詞:實時、720p、最高 24 幀。“實時”意味着畫面跟着你的鍵鼠操作即時生成,而不是先渲染好一段視頻再播放;“最高 24 幀”是上限,不代表每一刻都穩定在 24 幀。如果你拿它和離線生成的視頻比清晰度,會覺得 720p 不算高,但它比的是可以邊走邊改的互動世界,這兩類東西本來就不在一個維度上。

聲音是 Genie 4 和 Genie 3 最直觀的差別。按 11 月 18 日的產品公告,Genie 4 第一次配上了實時原生音頻和對話,模型卡把它描述爲“引入原生音頻和會當場適應的對話”。不過產品頁的限制裏也寫着“實時音頻精度仍在改進”,所以聲音能跟上畫面是事實,但細節是否完全對得上,官方自己也沒有打包票。

Genie 4 背後的三個 Gemini 角色

參考資料裏出現了好幾個 Gemini 名字,它們分屬不同文件、扮演不同角色,不能合成一個模型來理解:

  • Gemini Omni Flash:模型卡寫明 Genie 4 建在它上面,屬於底層基礎。
  • Gemini 3.8 Flash:出現在 10 月 27 日的研究博文裏,作爲引導代理(agent)使用,那是研究預覽階段的寫法。
  • Gemini 4 Argon:同樣出自研究博文的機器人例子,由它拆解步驟,再由 Genie 4 渲染 Apollo 下跳棋的畫面。官方稱之爲實驗,並不是公開的基準分數。

另外,模型卡的安全評估章節還提到 Gemini 3.1 Pro 和 Gemini 3.7 Flash,它們是前沿安全框架評估中的對照對象,和 Genie 4 的創作能力無關,後文會單獨解釋。

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


Genie 4 實測數據:官方評測說了什麼,沒說什麼

這一節標題叫“實測數據”,但要先說明:下面的結果全部來自模型卡原文,不是我們的測試。官方用人工評測加自動評測的方式,把 Genie 4 和更早的世界模型(包括 Genie 3)放在一起比較。

Genie 4 官方評測維度

評測維度 衡量的是什麼 是否公開分數
畫面質量與美感 畫面清晰度、構圖和觀感 沒有
環境真實度 場景、物體和物理表現像不像真的 沒有
音頻質量與同步 聲音本身的質量,以及和畫面是否對得上 沒有
實時操控與文字轉向的響應 鍵鼠操作和文字提示能否及時改變世界 沒有

模型卡給出的結論原文是:相對 Genie 3,在照片真實感、動作流暢、實時轉向上顯著提升,並引入原生音頻和會當場適應的對話。這句話可以支撐“Genie 4 在這幾個方向上比 Genie 3 進步明顯”,但它沒有附帶分數、勝率、樣本數,也沒寫測試集名稱。

所以讀這份評測時要守住一個邊界:它說明了方向,沒有給出幅度。 “顯著提升”到底是多少,外部無法覈對。截至 11 月 19 日,也沒有任何公開榜單給出 Genie 4 的分數,網上看到的演示片段同樣不能當作排名依據,演示通常挑的是表現最好的片段。

Genie 4 安全評估結論怎麼讀

模型卡里有一段容易被誤讀的內容。官方依據 Gemini 3.1 Pro 與 Gemini 3.7 Flash 的前沿安全框架評估,這兩款模型沒有達到受跟蹤或臨界能力等級;官方認爲 Genie 4 相對它們沒有有意義的新能力或實質性性能提升,因此也不大可能達到那些等級。

這是一份安全等級結論,針對的是前沿風險能力,不是畫質或互動體驗的排名。把“沒有新的臨界能力”理解成“Genie 4 創作能力不行”,是把兩件不相干的事混在了一起。

Genie 4 時長數字:一分鐘和兩分鐘哪個對

網上關於時長有兩種說法,需要分清來源:

說法 出處 日期 本文是否採用
連續互動大約一分鐘 DeepMind 產品頁限制條目 2026-11-19 打開 採用
大約兩分鐘、約是前代兩倍 TechCrunch 等媒體簡報轉述 2026-10-27 不採用(過期簡報)
研究博文的限制段落 DeepMind 研究博文 2026-10-27 未寫一分鐘或兩分鐘

10 月 27 日的研究博文本身是研究預覽,沒有寫具體時長;“兩分鐘”來自同日的媒體轉述,和 11 月 19 日產品頁的“大約一分鐘”對不上。按終態頁面爲準的原則,本文的結論只用產品頁的大約一分鐘。


Genie 4 對比 Genie 3:按任務分開用

11 月 18 日的產品公告把兩代的分工寫得很清楚:Genie 4 提供目前最高的畫面、物理和原生音頻;Genie 3 繼續留在選擇器裏,給想要更長單次時長、或想用全景圖起步的人。也就是說,官方並不是用 Genie 4 替換 Genie 3,而是讓兩者各管一類任務。

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

你要做的事 更合適的選擇 依據
畫面更真實、動作更流暢 Genie 4 模型卡評測結論
需要實時聲音和當場對話 Genie 4 產品公告:首次配實時原生音頻
互動中途改環境 Genie 4 產品公告:會話中改環境是新能力
單次走得更久(幾分鐘級) Genie 3 產品公告:單次最多 3 分鐘,此前 60 秒
用 360 度全景圖當起點 Genie 3 產品公告:Genie 3 當日更新
把多個世界串起來 Genie 3 產品公告:Genie 3 當日更新
通過 API 調用 暫無可用渠道 API易 apiyi.com 型號列表未收錄

Genie 4 與 Genie 3 對標解讀

Genie 3 對標分析:Genie 3 在單次時長上保持領先,11 月 18 日的更新把單次上限從 60 秒提高到最多 3 分鐘,還支持多世界串聯和全景圖起步。但它沒有實時原生音頻,畫面真實感和實時轉向也在 Genie 4 之後。相比之下,Genie 4 更適合需要畫面、物理和聲音一起到位的短場景。

Genie 4 的取捨:Genie 4 把畫面和聲音做得更完整,代價是連續互動目前大約一分鐘。官方正在處理的問題包括鏡頭延遲、複雜物理互動、實時音頻精度和場景長期保持,這幾項也是你實際使用時最可能碰到的地方。

Genie 4 型號與價格:API易的情況

說到 API 和價格,需要直接交代現狀:截至 2026-11-19,Genie 4 不在 API易的型號總表和價目接口裏,Gemini Omni Flash 同樣沒有收錄。暫未上架,我們會盡快上架這個模型;型號與價格以平臺型號列表爲準,可在 API易 apiyi.com 查看最新收錄情況。

目前官方唯一的使用入口是 Project Genie,從符合條件的 Google AI Ultra 開始開放。我們也不會拿別的視頻生成模型充當 Genie 的平替,可互動的世界模型和離線視頻生成解決的是不同問題。


Genie 4 快速上手:三步自查是否適合你

Genie 4 不是靠寫代碼調用的產品,所以這裏給出的“快速上手”是一份自查順序。拿到會話之後,按下面三步走,可以很快判斷它能不能用在你的項目上。

第一步:覈對 Genie 4 的輸出規格

先確認你看到的輸出和官方規格一致:

  1. 分辨率:是否爲 720p。如果你的交付要求是更高分辨率的成片,就需要預留後期處理空間。
  2. 幀率:最高 24 幀每秒。快速轉鏡頭時留意是否有卡頓,官方也把鏡頭延遲列爲正在處理的問題。
  3. 聲音同步:腳步、碰撞、對話是否和畫面對得上。產品頁寫着實時音頻精度仍在改進,細節錯位屬於已知情況。

第二步:判斷 Genie 4 適合改場景還是走更久

接下來問自己一個問題:你要的是“在一個場景裏改來改去、要聲音”,還是“在一個世界裏走得更久”?前者屬於 Genie 4 的強項,後者應該在模型選擇器裏切到 Genie 3,利用它最多 3 分鐘的單次時長和多世界串聯能力。

第三步:用六條限制排除 Genie 4 不適合的活

產品頁限制(11 月 19 日) 實際含義 不適合交給它的活
視覺細節和物體恆存會隨時間漂 玩久了物體可能變樣或消失 要求道具全程一致的連續鏡頭
多用戶、多獨立角色、共享環境的複雜互動仍是研究難題 多人同場互動不穩 多人協作或多角色對戲
目前不能完美模擬真實地點 復刻現實場所會走樣 要求還原真實街道、建築
清晰文字往往只有寫進開場世界描述纔會出現 中途臨時加字很難清晰 畫面裏臨時出現清晰招牌
連續互動目前大約一分鐘 不是長會話 一次連續玩很多分鐘
實時音頻精度仍在改進 聲音細節可能對不準 需要精確對口型或音效卡點

其中“清晰文字要寫進開場世界描述”這一條,其實提示了一個實用做法:把招牌、標語這類文字在開場描述裏一次寫清楚。開場描述可以先用文本大模型幫你起草和潤色,比如通過 OpenAI 兼容接口調用 Gemini 或 Claude,把 base_url 設爲 https://api.apiyi.com/v1 即可,一個 Key 就能切換不同模型對比寫法。

🚀 快速上手建議:Genie 4 本身只能在 Project Genie 裏使用。如果你想先把開場世界描述打磨好,可以在 API易 apiyi.com 用新用戶的免費測試額度,讓幾個主流文本模型分別起草,再挑一版貼進 Genie。

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


Genie 4 優缺點分析

Genie 4 的優勢

  • 畫面和動作:模型卡結論寫明照片真實感和動作流暢相對 Genie 3 顯著提升,研究博文舉了空氣動力和碰撞的例子。
  • 實時原生音頻與對話:這是 Genie 系列第一次配上實時聲音,對需要氛圍和對白的短場景幫助最大。
  • 會話中改環境:邊玩邊用文字或操作轉向,實時轉向也是模型卡點名提升的方向。
  • 可追溯標識:畫面和聲音都帶 SynthID,便於識別生成內容。

Genie 4 的侷限

  • 時長短:連續互動大約一分鐘。需要更長單次時,切到 Genie 3。
  • 長期一致性:視覺細節和物體恆存會漂,玩得越久、改得越多、走得越遠越明顯。解決辦法是把一個場景拆成多段短會話。
  • 評測不透明:沒有公開分數、勝率和樣本數,無法和其他模型做量化比較。做選型時只能以官方定性結論加上你自己的使用感受爲準。
  • 獲取門檻:目前從符合條件的 Google AI Ultra 開放,API 渠道暫時沒有。

常見問題 FAQ

Q1:Genie 4 是什麼?

Genie 4 是 Google DeepMind 的世界模型,可以根據文字、圖像和鍵鼠輸入實時生成可互動的世界,輸出 720p、最高 24 幀每秒,並帶同步音頻。它建在 Gemini Omni Flash 上,2026 年 11 月 18 日發佈模型卡並在 Project Genie 開放。

Q2:Genie 4 和 Genie 3 有什麼區別?

Genie 4 在畫面、物理和實時原生音頻上更強,適合短而精的場景;Genie 3 在 11 月 18 日更新後單次最多 3 分鐘,支持多世界串聯和 360 度全景圖起步,適合想走得更久的人。官方讓兩者同時留在選擇器裏,按任務挑選即可。

Q3:Genie 4 能連續玩多久?不是說兩分鐘嗎?

按 2026 年 11 月 19 日打開的產品頁,連續互動目前大約一分鐘。“兩分鐘”出自 10 月 27 日的媒體簡報轉述,與現行產品頁對不上,屬於過期信息,本文不採用。

Q4:Genie 4 有公開的評測分數嗎?

沒有。模型卡描述了人工和自動評測的維度,也給出相對 Genie 3 顯著提升的定性結論,但沒有公佈分數、勝率、樣本數或測試集名稱。演示視頻同樣不能當作排名。

Q5:可以通過 API 調用 Genie 4 嗎?

目前官方入口只有 Project Genie。截至 11 月 19 日,API易 apiyi.com 的型號列表和價目接口都沒有 Genie 4,暫未上架,我們會盡快上架這個模型;型號與價格以平臺型號列表爲準。上架之前,你可以先用平臺上的文本模型準備開場世界描述,接口與 OpenAI 兼容,接入成本很低。

Q6:模型卡說“沒有新的臨界能力”,是不是說明 Genie 4 能力一般?

不是。這句話屬於前沿安全框架的評估結論,意思是 Genie 4 相對 Gemini 3.1 Pro 和 Gemini 3.7 Flash 沒有帶來需要額外跟蹤的風險能力,和畫質、互動體驗的好壞無關。

Q7:Genie 4 最適合哪些場景?

適合一分鐘以內、對畫面真實感和聲音有要求的場景,例如遊戲概念的氛圍小樣、帶對白的互動片段、需要中途改環境的創意嘗試。要求復刻真實地點、多人同場互動或長時間連續體驗的項目,目前不適合。

Q8:想在畫面裏放清晰的文字怎麼辦?

產品頁寫明,清晰文字往往只有寫進開場世界描述纔會出現。建議在開場描述裏一次寫清所有招牌和標語,這部分描述可以藉助 API易 apiyi.com 上的多個文本模型對比起草。


Genie 4 核心要點 Key Takeaways

  • Genie 4 硬規格:實時 720p、最高 24 幀每秒、同步音頻,輸入支持文字、圖像和鍵鼠。
  • 評測只有方向沒有分數:模型卡給出相對 Genie 3 顯著提升的結論,但沒有公開分數和勝率。
  • 時長按產品頁:連續互動大約一分鐘,10 月媒體簡報的兩分鐘屬於過期信息。
  • Genie 4 與 Genie 3 按任務分:要畫面、物理和聲音選 Genie 4,要單次走更久選 Genie 3。
  • 安全結論不等於能力評價:“沒有新的臨界能力”是安全等級判斷,不是創作排名。
  • API 現狀:Genie 4 暫未在 API易 apiyi.com 上架,型號與價格以平臺列表爲準。

總結

Genie 4 到底有多強,可以歸結爲三點:

  1. 強在畫面和聲音:720p、最高 24 幀的實時畫面,加上 Genie 系列第一次出現的實時原生音頻與對話。
  2. 弱在時長和一致性:連續互動大約一分鐘,玩得越久,細節和物體恆存越容易漂移。
  3. 沒有公開分數:官方評測只給出方向,不要把演示片段當作排名依據。

實際使用時,先按三步自查覈對規格,再判斷自己要的是改場景還是走更久,最後用六條限制排除不合適的任務。需要單次更久,就在選擇器裏切回 Genie 3。

Genie 4 上架之前,可以先在 API易 apiyi.com 用統一接口調用文本模型,把開場世界描述打磨好,等模型可用時就能直接投入使用。


📚 參考資料

  1. Genie 4 模型卡:輸出規格、評測維度、已知限制與前沿安全評估

    • 鏈接:deepmind.google/models/model-cards/genie-4/
    • 說明:2026 年 11 月 18 日發佈,本文的規格和評測結論均以此爲準
  2. Genie 產品頁:六條限制與使用入口

    • 鏈接:deepmind.google/models/genie/
    • 說明:2026 年 11 月 19 日打開,“大約一分鐘”出自此頁
  3. Google 博客:Genie 4 在 Project Genie 上線:Genie 4 與 Genie 3 的官方分工

    • 鏈接:blog.google/innovation-and-ai/models-and-research/google-deepmind/genie-4-now-available-project-genie
    • 說明:2026 年 11 月 18 日產品公告,包含 Genie 3 當日更新內容
  4. DeepMind 研究博文:Genie 4 新一代世界模擬:研究預覽階段的能力介紹

    • 鏈接:deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/
    • 說明:2026 年 10 月 27 日發佈,屬於研究預覽,不代表產品規格
  5. API易 型號列表:平臺當前收錄的模型與價格

    • 鏈接:docs.apiyi.com/models
    • 說明:Genie 4 上架情況以此爲準

作者:APIYI 技術團隊
技術交流:歡迎在 API易 網站首頁聯繫我們,更多資料可訪問 docs.apiyi.com 文檔中心

Similar Posts