Titelkort för Genie 4 vs. Google Veo 3.1 med rubriken En plats du går igenom, eller ett klipp du klipper, där ett kort beskriver Genie 4 som en interaktiv värld i 720p i ungefär en minut och ett annat beskriver Google Veo 3.1 som ett renderat klipp på upp till 4K som varar 4 till 8 sekunder.
Guides & Insights

Genie 4 vs Google Veo 3.1: En plats du går igenom, eller ett klipp du klipper

Författare

Gideon Frost

Publiceringsdatum

Senaste modellerna · 20Visa alla modeller →
Benchmarks: Artificial Analysis · uppdateras dagligen
Tillbaka till alla inlägg

Sextio sekunder utdata kostar 24 dollar på G​oogle Veo 3.1 på standardnivån, 6,00 dollar på Veo 3.1 Fast och 3,00 dollar på Veo 3.1 Lite. Sextio sekunder med Genie 4 kostar 99,99 dollar i månaden, eftersom det inte finns några sextio sekunder att köpa – modellkortet begränsar en session till ungefär en minut av kontinuerlig interaktion, och det enda sättet in är en prenumeration på G​oogle AI Ultra. Ställ de två priserna bredvid varandra och jämförelsen ser absurd ut, vilket är poängen: Genie 4 och G​oogle Veo 3.1 är inte två versioner av samma köp. Veo renderar en tagning som du kommer att klippa. Genie genererar en plats som du kommer att gå igenom medan den fortfarande genereras. Varje annan skillnad mellan dem följer av den ena.

Båda genomgick en statusförändring i höst, och de två förändringarna pekar i motsatta riktningar. Veo 3.1 förlorade sitt konsumentinriktade utvecklarhem: Veo 3.1 Preview i G​emini API stängdes ned den 22 oktober 2026, och G​oogle hänvisar nu utvecklare till G​emini Omni 1.2 Flash eller de allmänt tillgängliga Veo-modellerna på G​emini Enterprise Agent Platform. Genie 4 fick en sådan: den tillkännagavs den 27 oktober 2026 för betrodda testare och öppnades för kvalificerade prenumeranter på G​oogle AI Ultra i Project Genie den 18 november, med ett modellkort som äntligen publicerade en upplösning och en bildfrekvens. Den ena modellen blev snävare och dyrare att få tillgång till; den andra blev bredare och, för första gången, mätbar.

Taxonomin först, eftersom den avgör allt efter den

En videomodell är en funktion. Du ger den en prompt, eventuellt en första bildruta eller en referensbild, och fyra till åtta sekunder senare har du en fil. Du kan anropa den tusen gånger, parallellt, från en kö. Resultatet är färdigt i samma stund som det finns.

En världsmodell är en process. Den renderar som svar på dina handlingar, bildruta för bildruta, så länge sessionen varar. Det finns ingen fil i slutet om du inte spelar in en. Utdata blir aldrig färdig – den uppfinns några bildrutor före den plats där du står.

Den skillnaden avgör vad var och en överhuvudtaget kan åstadkomma. V​eo 3.1 kan producera en 4K-tagning av en regnvåt gata som en colorist godkänner. Den kan inte låta en regissör säga "gör det till natt" och fortsätta gå längs samma gata. Genie 4 kan göra precis det – prompter mitt i sessionen ändrar väder, lägger till karaktärer, omdirigerar handlingen – vid 720p och upp till 24 bilder per sekund, i ungefär en minut, och sedan avslutas sessionen.

Talen som faktiskt existerar

G​oogle publicerade mycket mer om Veo 3.1 än om Genie 4, och asymmetrin är i sig ett fynd. Varje Veo-siffra nedan kommer från G​oogles egen dokumentation; varje Genie-siffra kommer från modellkortet som publicerades den 18 november 2026. Ingen av leverantörerna har publicerat ett benchmark som en tredje part har reproducerat.

• Utdata – Genie 4 i 720p, upp till 24 fps, i realtid, med synkroniserat ljud jämfört med Veo 3.1 i 720p, 1080p eller 4K, även i 24 fps, renderat offline.

• Längd – Genie 4 på omkring en minut av kontinuerlig interaktion per session jämfört med Veo 3.1 på 4, 6 eller 8 sekunder per klipp, som kan förlängas i ytterligare pass.

• Indata – Genie 4 tar emot text, en bild och navigering i realtid med tangentbord och mus, och accepterar nya textprompter mitt i sessionen, medan Veo 3.1 tar emot text, en första eller sista bildruta, upp till tre referensbilder för motiv och stil samt kamera- och rörelsekontroller.

• Ljud — båda genererar inbyggt. Genie 4 producerar omgivningsljud, musik och interaktiv dialog som anpassar sig när scenen förändras; Veo 3.1 producerar ljudeffekter, omgivningsljud och dialog kopplade till klippet, med en ljudväxling som är avstängd som standard.

• Pris — Genie 4 kostar $99.99 i månaden för Google AI Ultra, med en nivå på $199.99 som höjer användningsgränserna snarare än förmågan jämfört med Veo 3.1 till $0.40 per sekund för video med ljud i 720p eller 1080p, $0.60 i 4K, $0.20 och $0.40 utan ljud; Fast till $0.10, $0.12 och $0.30 med ljud; Lite till $0.05 och $0.08 med ljud.

• Åtkomst — Genie 4 är en webbläsarprodukt för Ultra-prenumeranter, med en väntelista för AI Pro, och har varken API eller modell-ID, medan Veo 3.1 är ett debiterat API på G​emini Enterprise Agent Platform som inte längre går att nå via G​emini API:s preview-endpunkter.

• Ursprung — båda vattenmärks med SynthID.

• Oberoende betyg — ingen av dem har något för den här jämförelsen. Googles preferensstudie för Veo 3.1 är utförd av Google, på 1 003 MovieGenBench-prompter, och är från före den här utgivningscykeln. Genie 4 har ingen publicerad utvärdering av något slag.

Vad en minut av varje faktiskt kostar

Det är här de två produkterna upphör att vara jämförbara, och det är värt att räkna på det i stället för att gå på känslan.

En enminutssekvens med Veo 3.1 i standardkvalitet med ljud kostar $24,00 enligt Googles publicerade prislista för Vertex AI på $0,40 per sekund vid 720p eller 1080p – $0,60 vid 4K, och $0,20 respektive $0,40 med ljudspåret avstängt. I Fast-läget kostar det $6,00 per minut; i Lite $3,00. Men Veo skapar inte klipp på en minut – den längsta enskilda genereringen är åtta sekunder – så den minuten är egentligen åtta genereringar plus vad scenförlängningen än kostar, och kontinuiteten över skarvarna är något du hanterar i klippningen snarare än något modellen upprätthåller. För ett tjugosekundersinslag i en varumärkesfilm är den disciplinen precis vad du vill ha.

Genie 4 för 99,99 USD i månaden köper sessioner, inte sekunder. Håll en öppen hela eftermiddagen och marginalkostnaden för den tionde sessionen är noll; begränsningen är användningskvoten för din Ultra-nivå, som Google inte har publicerat i enheter som någon kan planera efter. Om ditt arbete är utforskande – att blocka en scen, testa om en scenografi uppfattas i ögonhöjd, visa en kund hur ett utrymme känns innan någon bygger det – är prenumerationsmodellen dramatiskt billigare än att hyra sekunder. Om ditt arbete handlar om leverans är det inte alls en modell av det du behöver.

Den olösta delen är upplösningen. Veo 3.1 levererar äkta 4K i sitt högsta segment. Genie 4 levererar 720p. En 720p-realtidsinspelning är en förvisualiseringstillgång, inte en master; att skala upp den till en 4K-tidslinje är ett beslut man fattar med vetskapen att pixlarna har hittats på två gånger.

Där resonemangsskiktet är den enda delbara delen

G​oogles Genie 4-arkitektur är en stack, inte en enda modell: G​emini Omni Flash förankrar det visuella, och en G​emini-modell körs i loopen för att planera steg och kontrollera bildrutor mot mål. G​oogle namnger Gemini 3.8 Flash i den rollen.

Det lagret är den enda delen av den här jämförelsen som du faktiskt kan anropa i dag via ett allmänt API. Gemini 3.8 Flash är en live-endpoint i vår katalog som google/gemini-3.8-flash, till $0,75 per miljon indatatoken och $3,75 per miljon utdatatoken, leverantörens listpris förs vidare utan påslag ovanpå — så en prisförändring från Google slår igenom på din faktura samma dag som den slår igenom hos Google. Om du bygger loopen kring en världsmodell i stället för själva världsmodellen — dela upp ett mål, skriva styrprompterna, verifiera bildrutan du fick mot bildrutan du ville ha — är det en integration du kan bli klar med den här veckan, med automatisk failover bakom en enda nyckel om en leverantör krånglar.

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.

För protokollet, och eftersom frågan kommer upp: varken Genie 4 eller Veo 3.1 är en endpoint på vår plattform. Genie 4 är inte en endpoint någonstans. Veo 3.1 är en G​oogle Cloud-modell med ett G​oogle Cloud-avtal. Vi tänker inte låtsas något annat för att få en routingberättelse att gå ihop.

Den ärliga domen

Välj Veo 3.1 när leveransen är en fil: en tagning, en insert, ett socialt klipp, vad som helst som måste vara 1080p eller 4K, färgkorrigerat och överlämnas till en klippare. Den har ett publicerat prisblad, ett dokumenterat API, en företagsinriktad positionering runt sig och ett års produktionsmeriter bakom sig. Avvecklingen av förhandsversionen den 22 oktober är en reell kostnad om du har byggt mot dessa slutpunkter, men GA-vägen finns och är dokumenterad.

Välj Genie 4 när det som ska levereras är ett beslut: vilken av tre layouter som läses bättre, om en scen fungerar från ett barns ögonhöjd, hur ett rum känns innan det byggs. En minut i 720p räcker för att besvara de frågorna och är alldeles för lite för att besvara en leveransfråga. Galleriet – med remixbara världar och de två namngivna samarbetena "Villa Giallo" och "The Life of Ants" – är det tydligaste uttalandet om vad Google anser att produkten är till för, och inget av det är en renderfarm.

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

Det som skulle ändra svaret är ett Genie 4-API med pris per sekund, eller ett Veo som accepterar riktningsändringar mitt i ett klipp. Båda skulle eliminera gapet. Fram till dess är jämförelsen mindre en direkt duell än ett par verktyg som råkar dela leverantör, bildfrekvens och vattenstämpel.

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.