Karta tytułowa dla Genie 4 vs Google Veo 3.1 z nagłówkiem „Miejsce, przez które przechodzisz, czy klip, który wycinasz”, przy czym jedna karta opisuje Genie 4 jako interaktywny świat w 720p przez około minutę, a druga opisuje Google Veo 3.1 jako renderowany klip do 4K trwający od 4 do 8 sekund.
Guides & Insights

Genie 4 vs Google Veo 3.1: Miejsce, przez które się przechodzi, czy klip, który się montuje

Autor

Gideon Frost

Data publikacji

Najnowsze modele · 20Zobacz wszystkie modele →
Benchmarki: Artificial Analysis · aktualizowane codziennie
Powrót do wszystkich wpisów

Sześćdziesiąt sekund materiału wyjściowego kosztuje 24 USD w Google Veo 3.1 w standardowym planie, 6,00 USD w Veo 3.1 Fast i 3,00 USD w Veo 3.1 Lite. Sześćdziesiąt sekund Genie 4 kosztuje 99,99 USD miesięcznie, ponieważ nie można kupić sześćdziesięciu sekund — karta modelu ogranicza sesję do około minuty ciągłej interakcji, a jedynym sposobem dostępu jest subskrypcja Google AI Ultra. Postaw te dwie ceny obok siebie, a porównanie wygląda absurdalnie, i o to właśnie chodzi: Genie 4 i Google Veo 3.1 nie są dwiema wersjami tego samego zakupu. Veo renderuje ujęcie, które zmontujesz. Genie generuje miejsce, przez które będziesz przechodzić, gdy wciąż jest generowane. Każda inna różnica między nimi wynika z tej jednej.

Oba przeszły tej jesieni zmianę statusu, a te dwie zmiany wskazują w przeciwnych kierunkach. Veo 3.1 stracił swoje deweloperskie miejsce dostępne dla konsumentów: Veo 3.1 Preview w G​emini API został wyłączony 22 października 2026 r., a G​oogle kieruje teraz deweloperów do G​emini Omni 1.2 Flash lub modeli GA Veo na G​emini Enterprise Agent Platform. Genie 4 zyskał ją: ogłoszony 27 października 2026 r. dla zaufanych testerów, 18 listopada został udostępniony uprawnionym subskrybentom G​oogle AI Ultra w ramach Project Genie, wraz z kartą modelu, która w końcu podała rozdzielczość i liczbę klatek na sekundę. Jeden model stał się węższy i droższy w dostępie; drugi stał się szerszy i po raz pierwszy mierzalny.

Najpierw taksonomia, ponieważ przesądza o wszystkim, co następuje po niej

Model wideo to funkcja. Podajesz mu prompt, opcjonalnie pierwszą klatkę lub obraz referencyjny, a cztery do ośmiu sekund później masz plik. Możesz wywołać go tysiąc razy, równolegle, z kolejki. Wynik jest gotowy w chwili, gdy powstaje.

Model świata to proces. Renderuje się w odpowiedzi na twoje działania, klatka po klatce, przez cały czas trwania sesji. Na końcu nie ma pliku, chyba że go nagrasz. Wynik nigdy nie jest ukończony — jest wymyślany kilka klatek przed miejscem, w którym stoisz.

Ta różnica decyduje o tym, do czego każde z nich jest w ogóle zdolne. V​eo 3.1 potrafi wygenerować ujęcie 4K zalannej deszczem ulicy, które zaakceptuje kolorysta. Nie pozwoli jednak reżyserowi powiedzieć „zrób noc” i dalej iść tą samą ulicą. Genie 4 potrafi dokładnie to — polecenia w trakcie sesji zmieniają pogodę, dodają postacie, zmieniają przebieg akcji — w 720p i do 24 klatek na sekundę, przez około minutę, po czym sesja się kończy.

Liczby, które faktycznie istnieją

Google opublikował znacznie więcej o Veo 3.1 niż o Genie 4, a sama ta asymetria jest już wnioskiem. Każda poniższa liczba dotycząca Veo pochodzi z dokumentacji samego Google; każda liczba dotycząca Genie pochodzi z karty modelu opublikowanej 18 listopada 2026 r. Żaden z dostawców nie opublikował benchmarku, który został odtworzony przez stronę trzecią.

• Dane wyjściowe — Genie 4 w rozdzielczości 720p, do 24 fps, w czasie rzeczywistym, z zsynchronizowanym dźwiękiem, w porównaniu z Veo 3.1 w rozdzielczości 720p, 1080p lub 4K, również przy 24 fps, renderowane offline.

• Długość — Genie 4 zapewnia około minuty ciągłej interakcji na sesję, podczas gdy Veo 3.1 oferuje 4, 6 lub 8 sekund na klip, z możliwością wydłużenia w kolejnych przejściach.

• Wejście — Genie 4 przyjmuje tekst, obraz oraz nawigację na żywo za pomocą klawiatury i myszy, a także akceptuje nowe polecenia tekstowe w trakcie sesji, podczas gdy Veo 3.1 przyjmuje tekst, pierwszą lub ostatnią klatkę, do trzech obrazów referencyjnych dla obiektu i stylu oraz sterowanie kamerą i ruchem.

• Audio — oba generują natywnie. Genie 4 tworzy dźwięki tła, muzykę i interaktywny dialog, które dostosowują się do zmian w scenie; Veo 3.1 tworzy efekty dźwiękowe, dźwięki tła i dialog powiązany z klipem, z przełącznikiem audio domyślnie wyłączonym.

• Cena — Genie 4 kosztuje 99,99 USD miesięcznie w ramach Google AI Ultra, a plan za 199,99 USD podnosi limity użycia, a nie możliwości w porównaniu z Veo 3.1: 0,40 USD za sekundę wideo z dźwiękiem przy 720p lub 1080p, 0,60 USD przy 4K, 0,20 USD i 0,40 USD bez dźwięku; Fast: 0,10 USD, 0,12 USD i 0,30 USD z dźwiękiem; Lite: 0,05 USD i 0,08 USD z dźwiękiem.

• Dostęp — Genie 4 to produkt przeglądarkowy dla subskrybentów Ultra, z listą oczekujących AI Pro, i nie ma API ani identyfikatora modelu, podczas gdy Veo 3.1 to płatne API na Gemini Enterprise Agent Platform, niedostępne już przez punkty końcowe wersji zapoznawczej Gemini API.

• Pochodzenie — oba opatrz znakiem wodnym SynthID.

• Niezależny wynik — żaden z nich nie ma takiego w tym porównaniu. Badanie preferencji Veo 3.1 firmy Google zostało przeprowadzone przez Google na 1003 promptach MovieGenBench i powstało przed tym cyklem wydawniczym. Genie 4 nie ma żadnej opublikowanej ewaluacji.

Ile faktycznie kosztuje minuta każdego z nich

I tu właśnie te dwa produkty przestają być porównywalne, a warto zrobić obliczenia, zamiast kierować się wrażeniem.

Jednominutowa sekwencja Veo 3.1 w standardowej jakości z dźwiękiem kosztuje $24.00, zgodnie z opublikowanym przez Google cennikiem Vertex AI wynoszącym $0.40 za sekundę przy 720p lub 1080p — $0.60 przy 4K oraz $0.20 i $0.40 po wyłączeniu ścieżki dźwiękowej. W trybie Fast to $6.00 za minutę; w trybie Lite — $3.00. Ale Veo nie tworzy jednominutowych klipów — najdłuższe pojedyncze generowanie trwa osiem sekund — więc ta minuta to w rzeczywistości osiem generowań plus ewentualne koszty rozszerzenia sceny, a ciągłość na połączeniach to coś, czym zarządzasz w montażu, a nie coś, co utrzymuje model. W przypadku dwudziestosekundowej wstawki w filmie markowym ta dyscyplina jest dokładnie tym, czego potrzebujesz.

Genie 4 za 99,99 USD miesięcznie kupuje sesje, a nie sekundy. Jeśli pozostawisz jedną sesję otwartą przez całe popołudnie, koszt krańcowy dziesiątej sesji wynosi zero; ograniczeniem jest limit wykorzystania Twojego planu Ultra, którego Google nie opublikował w jednostkach, na których ktokolwiek mógłby oprzeć planowanie. Jeśli Twoja praca ma charakter eksploracyjny — blokowanie sceny, sprawdzanie, czy scenografia czytelnie się prezentuje na wysokości oczu, pokazywanie klientowi, jakie wrażenie robi przestrzeń, zanim ktokolwiek ją zbuduje — model subskrypcyjny jest znacznie tańszy niż wynajmowanie sekund. Jeśli Twoja praca polega na dostarczaniu gotowych materiałów, to w ogóle nie jest model tego, czego potrzebujesz.

Nierozstrzygniętym elementem jest rozdzielczość. Veo 3.1 oferuje natywne 4K w najwyższym pakiecie. Genie 4 oferuje 720p. Przechwytywanie w czasie rzeczywistym w 720p to materiał do prewizualizacji, a nie master; skalowanie go w górę do osi czasu 4K to decyzja podejmowana ze świadomością, że piksele zostały wymyślone dwukrotnie.

Gdzie warstwa rozumowania jest jedyną częścią, którą można udostępnić

Architektura Genie 4 firmy Google to stos, a nie pojedynczy model: Gemini Omni Flash ugruntowuje warstwę wizualną, a model Gemini działa w pętli, planując kroki i sprawdzając klatki pod kątem zgodności z celami. Google wskazuje w tej roli Gemini 3.8 Flash.

Ta warstwa to jedyny element tego porównania, który możesz dziś faktycznie wywołać przez API ogólnego przeznaczenia. Gemini 3.8 Flash to działający endpoint w naszym katalogu jako google/gemini-3.8-flash, w cenie $0.75 za milion tokenów wejściowych i $3.75 za milion tokenów wyjściowych; cena listowa dostawcy jest przekazywana bez doliczania marży — więc zmiana stawek G​oogle pojawia się na Twoim rachunku tego samego dnia, w którym pojawia się na rachunku G​oogle. Jeśli budujesz pętlę wokół modelu świata, a nie samego modelu świata — rozkładając cel na części, pisząc prompty sterujące, weryfikując otrzymaną klatkę z klatką, którą chciałeś uzyskać — to integracja, którą możesz ukończyć w tym tygodniu, z automatycznym przełączaniem awaryjnym za jednym kluczem, jeśli dostawca się zachwieje.

Screenshot of the OrcaRouter model page for google/gemini-3.8-flash rendered in English, showing the model identifier and its per-million-token input and output pricing.

Dla porządku i ponieważ to pytanie się pojawia: ani Genie 4, ani Veo 3.1 nie są endpointem na naszej platformie. Genie 4 nie jest endpointem nigdzie. Veo 3.1 to model G​oogle Cloud objęty umową z G​oogle Cloud. Nie zamierzamy udawać inaczej, żeby dopasować narrację o routingu.

Uczciwy werdykt

Wybierz Veo 3.1, gdy efektem ma być plik: ujęcie, wstawka, wersja pod social media — cokolwiek, co musi być w 1080p lub 4K, mieć korekcję kolorów i trafić do montażysty. Ma opublikowany cennik, udokumentowane API, enterprise'owe zaplecze i rok produkcyjnych realizacji za sobą. Wyłączenie wersji preview 22 października to realny koszt, jeśli budowałeś rozwiązania w oparciu o te endpointy, ale ścieżka GA istnieje i jest udokumentowana.

Wybierz Genie 4, gdy efektem ma być decyzja: który z trzech układów czyta się lepiej, czy scenografia działa z wysokości oczu dziecka, jakie wrażenie sprawia przestrzeń, zanim zostanie zbudowana. Jedna minuta w 720p wystarcza, by odpowiedzieć na te pytania, a to zdecydowanie za mało, by odpowiedzieć na pytanie o dostawę. Galeria — z remiksowalnymi światami i dwiema nazwanymi współpracami, „Villa Giallo” i „The Life of Ants” — jest najwyraźniejszym oświadczeniem, do czego G​oogle uważa, że produkt służy, i nic z tego nie jest farmą renderującą.

Screenshot of Google AI Studio documentation stating that video generation in the Gemini API, covering the Veo 3.1 preview endpoints, was shut down.

Tym, co zmieniłoby odpowiedź, byłoby API Genie 4 z ceną za sekundę albo Veo akceptujące zmiany kierunku w trakcie klipu. Każde z nich zniwelowałoby tę różnicę. Do tego czasu porównanie to mniej bezpośrednie starcie, a bardziej para narzędzi, które przypadkiem dzielą dostawcę, liczbę klatek na sekundę i znak wodny.

Generated two-column scoreboard comparing Genie 4 and Google Veo 3.1 across output, length, input, audio, price and access, with Genie 4 at 720p and about a minute for $99.99 a month in a browser and Veo 3.1 at up to 4K for 4 to 8 seconds at $0.40 a second on the billed API.

Porównane w tym artykule1

Wykryto na podstawie tego artykułu · Benchmarki: Artificial Analysis · aktualizowane codziennie