Genie 4 谁能用?与 Genie 3 有何不同,为什么还没有 API
Genie 4 目前只在 Project Genie 里提供给符合条件的 Google AI Ultra 订阅用户,Pro 用户可排队等候。本文梳理它相比 Genie 3 的变化、单次会话时长、为什么没有公开 API,以及怎样写世界提示词。
Genie 4 是 Google DeepMind 的交互式世界模型。目前唯一的使用途径是 Project Genie,这是 Google Labs 的一个网页应用,地址为 labs.google/fx/projectgenie,而且只开放给年满 18 岁、符合条件的 Google AI Ultra 订阅用户。Google AI Pro 订阅用户可以加入候补名单。截至 2026 年 11 月 19 日,Google 没有为 Genie 4 公布任何公开的开发者 API:Gemini API 的模型列表、更新日志和价格页都没有它,Ofox 也无法调用它。
如果你想从代码里调用它,实话是“暂时不行,除非你是早期访问合作伙伴”。如果你有 Ultra,现在就能在浏览器里打开,但按 Google 的描述,每次连续交互大约一分钟。模型选择器里仍保留 Genie 3,它支持更长的单次运行。
本文的写作方式:本指南由 Ofox 发布,内容基于官方文档。我们没有运行过 Genie 4 或 Project Genie,下文没有任何实测结果。所有事实都来自 Google 自己的页面,核对日期为 2026 年 11 月 19 日:Genie 4 上线公告(11 月 18 日)、DeepMind 的 Genie 4 研究文章(10 月 27 日)、Genie 模型页、Google 的 Genie 提示词指南、Project Genie 帮助文章和 Google AI 订阅方案页。这些页面说法不一致的地方,我们会直接指出。(以上链接均为英文页面。)
什么是世界模型,Genie 为什么不是视频生成器
Google 在 1 月发布 Project Genie 的文章里,把世界模型定义为一种模拟环境如何变化,以及行动如何影响环境的系统。它和视频模型在实际使用上的区别,是生成过程中能不能控制。
Gemini Omni 1.2 Flash 或 Veo 3.1(英文)这类视频模型,接收提示词后返回一段完整的视频。视频渲染过程中你没法操控它。Genie 则是在你移动时生成接下来的画面:你用键盘行走、转动镜头,模型实时生成前方的景象。在 Genie 4 里,你还可以在会话中途输入新的指令(例如起雾了、一扇柜门打开了),世界会随之响应。
这也决定了它适合做什么。视频模型交付的是一个文件;世界模型给你的是一段可以探索的会话,能保存下来的只有录像。Project Genie 允许下载游玩过程的视频,但 Google 没有提到任何把世界本身导出为 3D 场景或游戏素材的方法。
时间线:Genie 如何走到普通用户手里
| 日期 | 事件 | 来源 |
|---|---|---|
| 2025 年 8 月 | Genie 3 以研究模型身份预览:实时生成 720p、24 fps 的世界,可保持几分钟一致 | DeepMind,Genie 3 |
| 2026 年 1 月 29 日 | Project Genie 面向美国的 Google AI Ultra 订阅用户(18 岁以上)上线,由 Genie 3、Nano Banana Pro 和 Gemini 驱动;每次生成限 60 秒;尚不支持可提示事件 | Google 博客,Project Genie |
| 2026 年 10 月 27 日 | Genie 4 发布,作为面向受信测试者的研究预览 | DeepMind,Genie 4 |
| 2026 年 10 月 28 日 | Sundar Pichai 在 Alphabet 第三季度财报发言中提到 Genie 4 | 2026 年第三季度 CEO 发言 |
| 2026 年 11 月 18 日 | Genie 4 在 Project Genie 中向符合条件的 Ultra 订阅用户推出,同时发布 Genie 3 更新、Project Genie 智能体和社区展廊;Pro 会员可加入候补名单 | Google 博客,Genie 4 上线 |
想看 Gemini 4、Omni 和 Decision 1 的整体发布情况,可以看我们的 Gemini 4 已确认与传闻模型追踪。
Genie 4 比 Genie 3 多了什么:逐条核对
Google 的公告把模型能力和 Project Genie 应用功能混在一起写。这里分开列出,因为应用功能并不是“Genie 4 这个模型”自己能做到的事。
模型能力(Genie 4)
| 说法 | Google 实际怎么写 | 状态 |
|---|---|---|
| 会话中途输入提示词 | 探索过程中输入新的提示词,就能改变天气、加入角色或改变剧情走向。10 月 27 日的研究文章还提到,Gemini 会根据周围场景改写你的提示词,并在你两次输入之间引导世界的发展。 | 11 月 18 日公告和 10 月 27 日研究文章都已确认。已不再是 Genie 4 独有:同一次 11 月 18 日更新也给 Project Genie 里的 Genie 3 加上了实时可提示事件。 |
| 原生、自适应音频 | DeepMind 称 Genie 4 是它第一个原生生成音频的实时世界模型:为每个场景生成环境音,并支持角色对你的输入作出反应的互动对话。 | 已确认。Google 把实时音频的准确性列为尚未解决的局限。 |
| 物理与人物的真实感 | 照片级真实感更强,能模拟空气动力学和碰撞,角色动作自然且可以操控。DeepMind 称人物是提升最大的部分。 | Google 的说法;没有给出公开基准测试。 |
| Gemini 参与循环 | Gemini Omni 负责锚定外观和行为。在 DeepMind 的复杂事件演示中,Gemini 3.8 Flash 观察场景,把目标拆成多个步骤,并逐步检查。 | 10 月 27 日研究文章已确认。 |
Project Genie 功能(不属于模型本身)
| 功能 | 作用 | 状态 |
|---|---|---|
| Project Genie 智能体 | 你用对话描述一个世界或故事,智能体调度 Google 的多模态模型生成起始画面和背景配乐。帮助文章把这一对话环节称为 “Experience Builder”。 | 11 月 18 日新增。 |
| 探索过程中的 Gemini | Gemini 可以观看屏幕,给出下一步去哪里的建议标签,或者触发世界内事件。 | 11 月 18 日新增。 |
| 社区展廊与二次创作 | 浏览精选作品和社区作品,对其环境、角色和音频做二次创作(remix),也可以发布自己的作品。 | 二次创作从 1 月就有;发布到社区展廊是新功能。 |
所以,如果你问“哪些事只有 Genie 4 能做?”,老实说清单很短:包括对话在内的原生音频,以及 Google 最高保真度的画面和物理效果。实时可提示事件现在在 Project Genie 里两个模型都能用。Google 把智能体和展廊介绍为 Project Genie 的功能,而不是 Genie 4 的功能;智能体是否只限某一个模型,Google 没有说明。
如何获得使用权限
谁有资格
根据 Project Genie 帮助文章和 Google 的公告:
- Google AI Ultra 订阅用户:在 Google AI Ultra 提供服务的地区可以使用。订阅方案页说 Project Genie 在 140 多个国家提供,并附有国家列表链接。
- Google AI Pro 订阅用户:可以加入候补名单。Google 会逐步开放,轮到你时会发邮件通知。
- 年龄要求 18 岁以上。
- 使用个人 Google 账号登录,这是帮助文章的要求。1 月的上线文章说,Project Genie 不向 Google AI Ultra for Business 用户开放。11 月的页面既没有重申,也没有取消这一排除,因此 Ultra for Business(Workspace)账号能否使用 Genie 4 尚未确认。
- Google AI Plus 不在可用名单中。
付费前有一处不一致需要自己核对。我们在 2026 年 11 月 19 日重新抓取了订阅方案页,它给出了三种不同说法。对比表中 Project Genie 那一行(“Access to interactive world model”,译:可使用交互式世界模型)在 Ultra 5x 和 Ultra 20x 两档都打了勾,在 Plus 和 Pro 上打了叉。Ultra 权益列表写的是 “Only available with a Google AI Ultra plan.”(译:仅限 Google AI Ultra 方案。)而这两处都指向的脚注 8 写的是 “Only available with a Google AI Ultra 20x plan.”(译:仅限 Google AI Ultra 20x 方案。)Google 11 月 18 日的公告和帮助文章都只写 “eligible Google AI Ultra subscribers”(译:符合条件的 Google AI Ultra 订阅用户),没有指明是哪一档。如果你主要是为了 Genie 才买 Ultra,订阅前请打开你所在国家的订阅方案页确认档位。
用量限制与费用
帮助文章说,Project Genie 处于早期访问原型阶段期间,生成世界不消耗 AI 积分。每日用量有上限,并且 “may vary by plan and demand”(译:可能因方案和需求而异)。负载高时你可能需要排队。Google 没有公布固定的每日会话次数。
操作步骤
- 打开
labs.google/fx/projectgenie并登录。所用的 Google 账号需要持有 Ultra 会员(或已通过候补名单的 Pro 会员)。 - 如果没有权限,你会进入 Google Labs 页面,仍然可以在展廊里浏览简短预览。Pro 订阅用户点击 Join waitlist(加入候补名单)。
- 要创建世界,点击 Create with Genie,在提示框里描述你想要的体验或上传一张图片,选择模型(Genie 4 或 Genie 3),然后点击 Create。
- 在 Experience Builder 对话里继续完善体验,分享前先自己测试。
- 用 WASD 移动,空格键跳跃或上升,方向键转动镜头。许多体验也支持输入提示词来触发事件,有些体验使用自定义操作方式。
- 会话结束后,你可以重玩(结果会不同)、在 Visit History(访问记录)里重看、下载视频、分享链接或进行二次创作。
会话时长、分辨率与模型选择
| Genie 4 | Genie 3(Project Genie 中,11 月 18 日更新后) | |
|---|---|---|
| 连续交互时长 | 按 Google 模型页的局限说明,“around a minute”(译:大约一分钟) | 每次生成最长 3 分钟(此前为 60 秒),还能把多个世界串联成更长的旅程 |
| 用 360° 全景图作为起点 | 未提及 | 支持,11 月 18 日新增 |
| 实时可提示事件 | 支持 | 支持,11 月 18 日新增 |
| 原生音频与对话 | 支持 | 未声称支持 |
| 公开的分辨率/帧率 | 未公布 | 720p、24 fps 是 2025 年 8 月的研究规格;Google 没有说这就是 Project Genie 的串流规格 |
帮助文章还说,能探索多久 “depends on the model and experience”(译:取决于模型和体验),服务器负载高时串流画质可能下降。请把上表的所有数字都看作 Google 公布的上限,而不是你每次会话都能达到的保证。
选 Genie 4:更在意真实感、声音,或者想在短场景里和角色对话。例如为电影预演提案做一段一分钟的场景漫游。
选 Genie 3:时长比保真度更重要。例如穿越多个串联世界的长距离飞行,或者用你亲手拍的真实地点 360° 全景图生成一个空间。
Genie 4 有 API 吗?
截至 2026 年 11 月 19 日,没有任何公开的开发者 API 文档。 我们查了三个地方:
- Google 的 Gemini API 模型列表、更新日志和价格页:都没有提到 Genie。没有模型 ID、端点,也没有价格。
- DeepMind 10 月 27 日的文章写道:“coming soon to Google AI Ultra subscribers in Project Genie and early access partners in the Gemini API and Google AI Studio.”(译:即将在 Project Genie 中面向 Google AI Ultra 订阅用户推出,并在 Gemini API 和 Google AI Studio 中面向早期访问合作伙伴推出。)Ultra 这一半已在 11 月 18 日兑现。开发者这一半只面向早期访问合作伙伴,不等于正式开放;文章只链接了 Project Genie 的候补名单,没有申请 API 访问的途径。11 月 18 日的公告完全没有提到 API。
- Ofox:我们在 2026 年 11 月 19 日请求
GET https://api.ofox.ai/v1/models时,返回结果里没有 Genie 4。你无法通过 Ofox 调用 Genie,我们也不会推荐任何变通办法。
本文没有检查 Vertex AI 的 Model Garden。
如果你今天就要在应用里生成动态画面,需要换一类模型。视频模型根据请求返回一段完整视频,不能实时操控:
- 通过 Google 自己的 API 调用 Gemini Omni 1.2 Flash:见我们的 Omni 1.2 Flash API 指南。Omni 同样不在 Ofox 上。
- Seedance 2.5 可以通过 Ofox 调用(
bytedance/seedance-2.5)。价格见模型页,提示词写法和费用可参考我们的 Seedance 2.5 提示词指南。
这两个都替代不了可探索的世界,但它们是你这周就能在代码里真正上线的东西。
Genie 4 和 Gemini 4 是什么关系
Genie 4 不是 Gemini 4 的文本模型,也不属于我们 Gemini 4 选型指南里介绍的 Carbon / Neon / Hydrogen / Argon 系列。Gemini 应用的模型选择器里找不到它,generateContent 也调不到它。
两个模型家族有三种有文档记载的联系:
- 在 Genie 4 内部,Gemini Omni 让模拟在外观和行为上贴近现实,其他 Gemini 模型负责让场景保持连贯的推理。
- 在循环中,DeepMind 的演示用 Gemini 3.8 Flash 作为引导智能体,规划步骤并检查画面;Project Genie 也允许 Gemini 观看你的会话,给出建议或触发事件。
- 在机器人研究中,DeepMind 展示了 Gemini 4 Argon 把任务拆成步骤,在 Genie 4 渲染时以文字描述的形式输入给它。示例模拟的是 Apptronik 的 Apollo 人形机器人下跳棋。如果你需要的是 Argon,我们的 Gemini 4 Argon 使用指南介绍了订阅和 API 两条途径。
Google 说它用来做什么
Google 提到的消费和研究用途大致各占一半。
训练智能体和机器人。 Pichai 在第三季度发言中称 Genie 4 是 “an important building block for training robots and agents.”(译:训练机器人和智能体的重要基石。)模型页提到,DeepMind 的游戏智能体 SIMA 在生成的世界里学习技能,还把机器人模拟称为早期应用之一。这一点要客观看待:Google 描述的是研究演示和企业评估,并不是一个可以买来训练机器人的产品。
创意与专业测试。 DeepMind 报告称,受信测试者把 Genie 4 用于:
- 电影预演,用不同的机位、灯光和台词反复重演同一场戏;
- 把一张历史老照片变成可探索的场景,或者展示山洪如何发展;
- 在写游戏引擎代码之前做游戏概念原型;
- 为企业模拟做 “zero-to-one”(译:从零到一)的场景生成。
娱乐。 展廊示例包括蚂蚁视角的蚁群(“The Life of Ants”)、逐个房间推进的悬疑故事(“Villa Giallo”)、猜地点游戏,以及由 Gemini 当裁判的石头剪刀布比赛。
局限与安全
Google 列出的 Genie 4 模型局限:
- 画面细节和物体恒存性会随时间漂移,尤其是在长会话中、多次复杂的提示词修改之后,或在场景中移动时。
- 用户之间、多个独立智能体之间以及共享环境中的交互,很难准确建模。
- 无法准确模拟真实世界的地点。
- 清晰可读的文字通常只有在你的输入描述里写明时才会出现。
- 连续交互时长限制在大约一分钟。
- 实时音频的准确性仍在改进中。11 月 18 日的公告还把镜头延迟列为待解决问题。
帮助文章列出了应用层面的已知问题和应对办法:
| 症状 | Google 建议的处理方法 |
|---|---|
| 角色倒着跑 | 按空格键重置角色 |
| 角色失去控制 | 上传照片时让主体居中、占据显著位置;把真实场景改成更像游戏的版本后重试 |
| 操作响应慢 | 已知延迟问题;用户无法自行解决 |
| 串流画质低或画面逐渐变暗 | 服务器负载和已知问题;稍后重试 |
| 生成失败或提前结束 | 输入或输出违反政策、达到每日上限或用户过多;第二天或稍后重试 |
安全方面,Google 表示 Project Genie 的所有视频和音频都带有 SynthID 水印,输入和输出都会经过安全审查。Genie 4 在完成内部安全评估后,先向受信测试者发布。帮助文章禁止生成有害内容,并要求未经许可不要上传他人照片。多次违规可能导致失去使用权限。
有两个隐私细节容易被忽略:
- 当你分享或发布作品并允许二次创作时,其他人可以看到你使用的提示词、图片和其他素材,并且可以重复使用。
- 删除 Project Genie 数据时,你已发布的世界也会一并删除。
写世界提示词:Google 指南精要
本节内容全部来自 Google 的 Genie 提示词指南(英文)以及 DeepMind 页面上的示例提示词。这些提示词我们都没有运行过。模板是我们对 Google 建议的重新整理,不是经过测试的方案。
Google 把一条 Genie 4 提示词分成三部分:场景与镜头视角、实时事件与声音、起始图片。
1. 开场场景提示词
Google 的建议依次是:
- 环境。 说出地点,并具体描述地面:土路、柏油路、平静的海面。
- 风格与镜头。 说明风格(照片级写实、绘画风、黏土动画),以及以第一人称还是第三人称探索。
- 前景与中景。 固定近处的东西(车把、桌沿)和正前方的东西(拱门、某个角色)。
- 动态与声音。 说明什么在动、听起来是什么声音,比如树间的风声、脚下的碎石声。如果只想要环境音,加上 “No music”。
DeepMind 公开的示例都遵循这个模式。有些是两段简短内容,分别标注 “Environment” 和 “Character”;另一些是很长的电影式说明,规定胶片类型、灯光、镜头行为,还列出要排除的元素。两种写法都出现在 Google 自己的展示中,所以长度不是关键,关键是镜头和场景要写清楚。
根据这些建议整理的模板(未经测试):
Environment: [place], [ground surface], [key landmarks near and far], [lighting and time of day].
Style: [photorealistic / painterly / claymation / other], [one or two texture or film cues].
Camera: [first-person, anchored by ___ | third-person following ___, centred with room to move].
Foreground: [what is right in front of the viewer]. Just ahead: [the next thing to walk toward].
Motion and sound: [what moves], [surface sounds], [ambient sound]. [No music.]
2. 探索过程中的实时提示词
Google 在这里给出的规则是整份指南里最实用的一条:一次只提一个明确的变化,用简短的陈述句。Google 给的例子非常朴素,比如海岸起雾、打开柜门、在椅子旁放一盏灯。Google 把 “multiple complex prompt edits”(译:多次复杂的提示词修改)之后出现的漂移列为局限,所以把五个变化塞进一条实时提示词只会适得其反。
Coastal fog rolls in from the left.
The cabinet door swings open.
A street musician starts playing an accordion near the fountain.
3. 角色与对话
- 选择第一人称(用双手、车把或工作台固定视角)或第三人称(角色居中,周围留出空间)。
- 描述移动如何影响世界,比如靴子踩在雪里嘎吱作响。
- 关于说话,Google 表示场景里只有一个角色时对话效果最好。在开头设定语气,或者用引号写一句简短的台词。
4. 从图片开始
- 上传清晰、光线充足的高质量图片。第三人称场景要让主体居中,周围留出活动空间。
- 只用文字提示时,Project Genie 会先显示一张预览图。Google 建议在进入世界之前反复修改提示词,直到预览图看起来合适,因为预览图决定了世界的整体外观。
- Google 还建议用 Gemini 应用来扩写或改写描述。
快速自查清单
在用掉一次每日生成额度之前,检查你的提示词是否做到了以下几点:
- 写明镜头模式;
- 描述观看者脚下的地面;
- 在前景放一个具体的东西;
- 说明应该听到什么;
- 不依赖清晰可读的招牌或文字(除非提示词里本身写了这些文字)。
最后一条直接来自 Google 列出的文字渲染局限。
现在谁该关注
- 你有 Ultra,并且做视觉创作。 可以试着用它做预演和氛围探索。按 Genie 4 一次一分钟的会话来安排,值得保留的内容记得下载录像。
- 你有 Pro。 加入候补名单。Google 没有公布时间表。
- 你是开发者。 目前没有可以接入的东西。留意 Gemini API 更新日志里有没有 Genie 相关条目。在那里出现模型 ID 和价格之前,任何第三方宣称的“Genie 4 API”都值得怀疑。如果生产环境需要生成动态画面,请使用视频模型。
- 你做智能体或机器人方向。 Gemini 参与循环和 Argon 规划的演示展示了 Google 的方向。目前除了 Google 的合作伙伴安排之外,没有可编程的访问方式。
Google 公布 API 访问、价格或新的会话限制后,我们会更新本页。
相关文档
- Ofox Gemini API 参考:适用于可通过 Ofox 调用的 Gemini 4 模型(Hydrogen 和 Argon),不包括 Genie
- Ofox 接入文档
- Ofox 错误处理指南
- Ofox 价格与计费规则


