การ์ดชื่อเรื่องที่ขึ้นหัวว่า Genie 4 พร้อมบรรทัด 720p ที่สูงสุด 24 fps ประมาณหนึ่งนาทีต่อเซสชัน และการ์ดสามใบสำหรับ 720p แบบเรียลไทม์ การแก้ไขกลางเซสชัน และเสียงแบบเนทีฟ โดยมีเชิงอรรถอ้างอิงถึงการ์ดโมเดลของ Google ฉบับวันที่ 18 พฤศจิกายน 2026
Guides & Insights

Genie 4 เปิดใช้งานแล้วที่ 720p และ 24 เฟรมต่อวินาที และตัวเลขนั้นแหละคือเรื่องราว

ผู้เขียน

Elias Hawthorne

วันที่เผยแพร่

โมเดลล่าสุด · 20ดูโมเดลทั้งหมด →
เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
กลับไปยังโพสต์ทั้งหมด

{{1}}บรรทัดที่ให้ข้อมูลมากที่สุดในรีลีส Genie 4 ของ G​oogle เมื่อวันที่ 18 พฤศจิกายน ไม่ได้อยู่ในโพสต์บล็อก แต่อยู่ในการ์ดโมเดลที่แนบมาด้วย: วิดีโอ 720p แบบเรียลไทม์ที่สูงถึง 24 เฟรมต่อวินาทีพร้อมเสียงที่ซิงโครไนซ์กัน ซึ่งสร้างจากข้อความพรอมป์ต์ รูปภาพ หรืออินพุตจากคีย์บอร์ดและเมาส์แบบสด เป็นเวลาสามสัปดาห์ที่ Genie 4 เป็นเพียงชุดเดโมที่ไม่มีข้อกำหนดใด ๆ เลย — ไม่มีความละเอียด ไม่มีอัตราเฟรม ไม่มีระยะเวลาของเซสชัน การเปิดตัว Project Genie สำหรับผู้สมัครสมาชิก G​oogle AI Ultra ไม่ได้เพียงเปิดประตูเท่านั้น แต่ยังเผยแพร่ตัวเลขจริงชุดแรก และตัวเลขเหล่านั้นบ่งบอกถึงสิ่งที่มีขนาดเล็กกว่าที่รีลเปิดตัวชี้ให้เห็นมาก ในแบบที่จริง ๆ แล้วมีประโยชน์หากคุณกำลังตัดสินใจว่าจะทำอะไรกับมัน{{/1}}

อีกครึ่งหนึ่งของการเปิดตัวก็สำคัญเช่นกัน และเป็นครึ่งที่ Google นำเสนอ: การแก้ไขข้อความระหว่างเซสชัน เสียงแบบเนทีฟที่ปรับเปลี่ยนไปตามฉากที่ค่อย ๆ คลี่คลาย เอเจนต์เชิงสนทนาที่สร้างโลก และแกลเลอรีชุมชนที่รองรับการรีมิกซ์ Genie 4 คือโมเดล ส่วน Project Genie ตอนนี้คือผลิตภัณฑ์ที่ล้อมรอบมัน การแยกสองสิ่งนี้ออกจากกันคือสิ่งที่บทความนี้ทำ เพราะการ์ดโมเดลและแกลเลอรีตอบคำถามที่แตกต่างกัน — สิ่งหนึ่งบอกคุณว่าระบบคืออะไร อีกสิ่งบอกคุณว่า Google คิดว่าคุณจะทำอะไรกับมัน

เมื่อวันที่ 18 พฤศจิกายน เกิดการเปลี่ยนแปลงอะไรขึ้นจริง ๆ

Google ประกาศ Genie 4 เมื่อวันที่ 27 ตุลาคม 2026 ในฐานะพรีวิวงานวิจัยสำหรับผู้ทดสอบที่ได้รับความไว้วางใจ โดยมีรายชื่อรอแบบสาธารณะ ไม่มีสิ่งใดเกี่ยวกับโมเดลนั้นเปลี่ยนแปลงในวันที่ 18 พฤศจิกายน สิ่งที่เปลี่ยนคือใครสามารถเข้าถึงมันได้ และสิ่งที่อยู่รอบๆ มัน

• การเข้าถึง — Genie 4 เริ่มทยอยเปิดให้สมาชิก Google AI Ultra ที่มีสิทธิ์ภายใน Project Genie สมาชิก Google AI Pro สามารถเข้าร่วมรายการรอได้ ยังไม่มี API model ID ไม่มีราคาต่อการสร้างแต่ละครั้ง และไม่มีวันที่เปิดให้ใช้งานทั่วไปสำหรับนักพัฒนา

• การแก้ไขแบบเรียลไทม์ — พรอมต์ที่พิมพ์ระหว่างเซสชันจะเปลี่ยนสภาพอากาศ เพิ่มตัวละคร หรือเปลี่ยนทิศทางของเหตุการณ์ โดยไม่ต้องเริ่มโลกใหม่ ตัวอย่างสาธิตของ G​oogle คือคาเฟ่บนเนินเขาที่กลายเป็นศาลากระจกกลางทะเลทราย

• เสียงแบบเนทีฟ — บรรยากาศเสียง ดนตรี และบทสนทนาของตัวละครที่สร้างขึ้นพร้อมกับเฟรม แทนที่จะนำมาซ้อนทับภายหลัง นี่คือ Genie ตัวแรกที่สร้างเสียงได้เลย และเอกสารของ Google เองระบุว่าความแม่นยำของเสียงแบบเรียลไทม์เป็นปัญหาการวิจัยที่ยังเปิดอยู่

• เอเจนต์ — ตัวสร้างแบบสนทนาที่ประสานงานโมเดลมัลติโมดัลของ Google เพื่อกำหนดรูปลักษณ์ของโลกและดนตรีประกอบที่กำหนดเอง จากนั้นยังคงทำงานต่อไประหว่างเซสชัน: โมเดล Gemini จะเฝ้าดูหน้าจอ เสนอชิปคำแนะนำสำหรับไปที่ไหนต่อ และสามารถกระตุ้นเหตุการณ์ภายในโลกได้

• แกลเลอรี — โลกที่คัดสรรแล้วพร้อมผลงานอัปโหลดจากชุมชน ซึ่งทั้งหมดนำไปรีมิกซ์ได้ โดยมีคอลแลบอเรชันที่ระบุชื่อสองรายเปิดตัวพร้อมกัน: "Villa Giallo" ปริศนาคฤหาสน์โกธิกแบบไล่ทีละห้องที่สร้างร่วมกับ Will (BLVCKL!GHT) นักเทคโนโลยีสร้างสรรค์ และ "The Life of Ants" การเดินชมอาณานิคมผ่านมุมมองของมดที่สร้างร่วมกับ Anand Gandhi ผู้สร้างภาพยนตร์

Genie 3 ได้รับการอัปเกรด — และนี่คือส่วนที่จะทำให้ใครก็ตามที่อ่านพาดหัวผ่าน ๆ รู้สึกหงุดหงิด โมเดลรุ่นเก่าตอนนี้สร้างได้นานสูงสุดสามนาทีต่อครั้ง เพิ่มขึ้นจากหกสิบวินาที รองรับการเชื่อมโลก (world chaining) เพื่อให้หลายโลกเชื่อมต่อกันเป็นเส้นทางการเดินทางต่อเนื่องเส้นเดียว รับภาพพาโนรามา 360 องศาเป็นภาพตั้งต้น และรับพรอมต์เหตุการณ์ในโลกแบบเรียลไทม์ Genie 3 ยังคงอยู่ในตัวเลือกโมเดลสำหรับกรณีเหล่านี้โดยเฉพาะ

สเปกชีต และข้อจำกัดเพียงหนึ่งเดียวที่มันระบุออกมาดัง ๆ

ก่อนวันที่ 18 พฤศจิกายน ข้อกล่าวอ้างใด ๆ เกี่ยวกับความสมจริงของ Genie 4 ยังไม่สามารถพิสูจน์ได้ว่าผิด โพสต์เปิดตัวระบุว่า "แบบจำลองโลกที่สมจริงและโต้ตอบได้มากที่สุดเท่าที่เคยมีมา" และแสดงคลิป แต่ไม่ได้เผยแพร่ความละเอียด อัตราเฟรม หรือค่าความหน่วง การ์ดโมเดลประจำเดือนพฤศจิกายนปิดช่องว่างดังกล่าวได้บางส่วน:

• เอาต์พุต — 720p สูงสุด 24 fps พร้อมเสียงที่ซิงโครไนซ์ สร้างขึ้นแบบเรียลไทม์

อินพุต — ข้อความ รูปภาพ และการกระทำของผู้ใช้แบบสด: การนำทางด้วยแป้นพิมพ์และเมาส์ ไม่ใช่แค่พรอมต์

• ความยาวเซสชัน — "ประมาณหนึ่งนาทีของการโต้ตอบอย่างต่อเนื่อง" ในรายการข้อจำกัดของหน้าโมเดล โดยบัตรโมเดลระบุเพียงว่ามodelสามารถรักษาสภาพแวดล้อมที่สอดคล้องกันได้ใน "เซสชันสั้น ๆ" เท่านั้น

• Base — สร้างขึ้นบน G​emini Omni Flash โดยมีโมเดล G​emini ที่ให้ความสามารถด้านการให้เหตุผลและการควบคุมแบบเรียลไทม์

• ข้อจำกัดที่ G​oogle ยอมรับ — รายละเอียดภาพและความคงอยู่ของวัตถุจะคลาดเคลื่อนเมื่อใช้งานเป็นเวลานาน หลังจากแก้ไขพรอมต์ที่ซับซ้อนหลายครั้ง หรือขณะเคลื่อนที่ผ่านฉาก; ฟิสิกส์ที่ซับซ้อน ความแม่นยำของเสียง ข้อความที่อ่านได้ชัด และความแม่นยำเชิงพื้นที่ ล้วนถูกระบุว่ายังแก้ไม่ตก

• แหล่งที่มา — การฝังลายน้ำ SynthID ในทุกเฟรมของวิดีโอและทุกวินาทีของเสียง

Generated six-row scoreboard for Genie 4 listing 720p at up to 24 fps, text image and live keyboard and mouse inputs, roughly one-minute sessions, Gemini Omni Flash as the base, known limits of drift physics and legible text, and SynthID on video and audio, with a footer noting no independent benchmark exists.

ลองอ่านสองบรรทัดนั้นประกอบกัน — 24 fps ที่ 720p และประมาณหนึ่งนาที — แล้วคำอธิบายที่ตรงไปตรงมาของ Genie 4 ก็คือตัวเรนเดอร์แบบเรียลไทม์ที่ทำงานด้วยคุณภาพราวกับเครื่องเกมคอนโซลยุค 2010 นานพอ ๆ กับเวลาเดินไปตามทางเดินจนสุดแล้วกลับมา นั่นไม่ใช่คำวิจารณ์ การสร้างแบบเรียลไทม์ด้วยอัตราเฟรมที่คงที่นั้นเป็นปัญหาที่ยากกว่าการผลิตคลิปสวย ๆ ยาวแปดวินาทีมาก และ 720p ที่ 24 fps ก็เป็นความละเอียดและจังหวะของโทรทัศน์กระจายเสียง ไม่ใช่ของของเล่น แต่มันหมายความว่าคลิปเปิดตัวกำลังแสดงให้คุณเห็นขีดสูงสุดของเซสชันที่สั้นมาก และการดริฟต์ที่เอกสารของ Google ระบุไว้คือสิ่งที่เกิดขึ้นเมื่อคุณพยายามผลักดันให้เกินเลยมันไป

ทำไมหนึ่งนาทีจึงเป็นการตัดสินใจด้านผลิตภัณฑ์ ไม่ใช่ข้อจำกัดที่ต้องขอโทษ

หนึ่งนาทีเพียงพอสำหรับหนึ่งช็อต หนึ่งห้อง หนึ่งรอบการเดินชม หรือการโต้ตอบเพียงครั้งเดียว — ซึ่งเป็นหน่วยการทำงานในพรีวิชวลไลเซชัน การตรวจทานการออกแบบเชิงพื้นที่ และการสอนแบบโต้ตอบ แต่ไม่เพียงพอสำหรับหนึ่งเลเวล ซีเควนซ์ภาพยนตร์หนึ่งชุด หรือตอนฝึกอบรมที่ต้องใช้สถานะต่อเนื่องสม่ำเสมอเป็นเวลายี่สิบนาที คำตอบของ G​oogle สำหรับช่องว่างนี้ไม่ใช่ Genie 4 ที่ยาวนานขึ้น หากแต่เป็น Genie 3 ความยาวสามนาทีพร้อมการเชื่อมโยงโลก ซึ่งวางเคียงอยู่ในตัวเลือกเดียวกัน นี่เป็นการตัดสินใจด้านผลิตภัณฑ์ที่ไม่ธรรมดา — โมเดลที่ใหม่กว่าไม่ได้มีความสามารถเหนือกว่าสำหรับทุกงานเสมอไป — และบ่งบอกว่าทั้งสองถูกวางตำแหน่งตามความยาวของเซสชันมากกว่าตามเจเนอเรชัน

ผลงานความร่วมมือกับแกลเลอรีก็สื่อความในแบบเดียวกัน "Villa Giallo" คือปริศนาที่คุณไขไปทีละห้อง ซึ่งเป็นโครงสร้างที่ประกอบขึ้นจากหน่วยหนึ่งนาที "The Life of Ants" เป็นงานที่เน้นมุมมอง — คุณสำรวจอาณานิคมจากสายตาของมด — ซึ่งต้องการบรรยากาศและขนาดมากกว่าความต่อเนื่อง ทั้งสองชิ้นเป็นเดโมที่ถูกเลือกมาเพื่อแสดงให้เห็นว่าโลกเชิงโต้ตอบแบบสั้นทำอะไรได้ดี และไม่มีชิ้นไหนแสร้งทำเป็นภาพยนตร์

สำหรับสตูดิโอ คำถามเชิงปฏิบัติคือหนึ่งเทคอินเทอร์แอกทีฟความยาวหนึ่งนาทีจะอยู่ตรงไหนในไปป์ไลน์ที่ปัจจุบันทำงานด้วยคลิปที่สร้างขึ้นความยาวแปดวินาที คำตอบคืออยู่ต้นน้ำและขนานออกไปด้านข้าง: บล็อกกิ้ง ภาษากล้อง การตัดสินใจเรื่องการจัดฉาก และการเพลย์เทสต์ไอเดียเชิงพื้นที่ — สิ่งที่ปกติคุณจะต้องสร้างในเอนจินแบบ grey-box แล้วทิ้งไป Genie 4 ขจัด grey-box ออกไป แต่ไม่ได้ขจัดเอนจิน

สิ่งที่คุณสามารถเรียกได้ในวันนี้ และสิ่งที่คุณเรียกไม่ได้

Genie 4 ไม่ใช่ endpoint แต่เป็นผลิตภัณฑ์เบราว์เซอร์ที่อยู่ภายใต้การสมัครสมาชิก Google AI Ultra ราคา $99.99 ต่อเดือน โดยไม่มี API ที่เผยแพร่ ไม่มี model ID และไม่มีอัตราค่าบริการต่อการสร้างแต่ละครั้ง สิ่งนี้เป็นจริงกับทุกแพลตฟอร์มบุคคลที่สามเช่นกัน รวมถึงของเราด้วย: ไม่มีอะไรให้ route ไปถึง

ส่วนที่เรียกใช้งานได้คือครึ่งหนึ่งด้านการให้เหตุผลของสถาปัตยกรรมที่ Google อธิบาย เอกสารเปิดตัวระบุชื่อ Gemini 3.8 Flash ว่าเป็นเอเจนต์ในลูปที่วางแผนขั้นตอนและตรวจสอบเฟรมเทียบกับเป้าหมาย และโมเดลนั้นเป็นปลายทางที่ใช้งานได้จริงในแคตตาล็อกของเราในชื่อ google/gemini-3.8-flash ในราคา $0.75 ต่อหนึ่งล้านโทเค็นอินพุต และ $3.75 ต่อหนึ่งล้านโทเค็นเอาต์พุต — ราคาตามรายการของผู้ให้บริการถูกส่งผ่านโดยไม่มีการบวกกำไรเพิ่ม ดังนั้นการเปลี่ยนแปลงราคาของ Google จะไปถึงบิลของคุณในวันเดียวกับที่ไปถึงเรตการ์ดของ Google หากคุณกำลังสร้างลูปโดยอิงกับเวิลด์โมเดลแทนที่จะเป็นตัวเวิลด์โมเดลเอง — การวางแผน การตรวจสอบ การวางแผนใหม่ การเขียนพรอมป์ที่กำหนดทิศทางเซสชัน — นั่นคือชิ้นส่วนที่คุณสามารถผสานรวมได้ในสัปดาห์นี้ พร้อมการสลับไปยังระบบสำรองอัตโนมัติข้ามผู้ให้บริการภายใต้คีย์เดียว.

Screenshot of the OrcaRouter model page for google/gemini-3.8-flash, showing the model identifier, its 65K maximum output and per-million-token pricing fields.

อะไรจะทำให้สิ่งนี้ก้าวจากผลิตภัณฑ์ไปสู่แพลตฟอร์ม

สามสิ่ง โดยเรียงจากน้อยไปมากตามระดับที่จะเปลี่ยนคำตอบได้

API หนึ่งตัว พร้อม ID ของโมเดลและราคาต่อวินาทีหรือต่อเซสชัน จะทำให้ Genie 4 แข่งขันชิงช่องในไปป์ไลน์กับ Veo, K​ling และ Seedance บนสเปรดชีตเดียวกันได้ หากไม่มีสิ่งนี้ มันก็เพียงแข่งขันเพื่อให้ได้หนึ่งบรรทัดในงบประมาณเครื่องมือครีเอทีฟเท่านั้น

การวัดผลที่เป็นอิสระ ไม่มีเบนช์มาร์ก ไม่มี Elo ไม่มีการศึกษาความชอบของมนุษย์ และไม่มีการวิเคราะห์อัตราเฟรมโดยบุคคลที่สามของ Genie 4 ที่ใดเลย ข้อกล่าวอ้างเรื่องความสมจริงทุกรายการที่หมุนเวียนอยู่ล้วนย้อนกลับไปที่รีลของ G​oogle เอง ตัวเลข 720p และ 24 fps ตอนนี้ตรวจสอบเทียบกับการ์ดโมเดลได้แล้ว ซึ่งถือเป็นความคืบหน้า ส่วนข้ออ้างที่ว่ามันสมจริงกว่า Genie 3 นั้นยังตรวจสอบไม่ได้เช่นเดิม

ความยาวเซสชันที่เกินหนึ่งนาทีในคุณภาพระดับ Genie 4 G​oogle กำลังแก้ปัญหาความต่อเนื่องอยู่โดยการขายโมเดลรุ่นเก่าให้คุณ เมื่อ Genie 4 ปิดช่องว่างนั้นได้ ตัวเลือกจะยุบกลับเหลือตัวเลือกเดียว และการเปรียบเทียบที่น่าสนใจจะไม่ใช่ Genie 4 กับ Genie 3 อีกต่อไป แต่จะกลายเป็น Genie 4 กับทุกอย่างอื่นแทน

Screenshot of Google DeepMind's Genie 4 announcement dated 27 October 2026, headed Genie 4: A new generation of world simulation, crediting Raia Hadsell, Diego Rivas and Hang Qi, with a Join the Genie 4 waitlist button.

จนถึงตอนนั้น สรุปอย่างยุติธรรมของวันที่ 18 พฤศจิกายน คือ Google ได้ส่งมอบระบบนิเวศสำหรับงานสร้างสรรค์รอบโมเดลที่ได้ประกาศไปแล้ว เผยแพร่ข้อกำหนดจริงฉบับแรกของโมเดล และปล่อยให้ตัวเลขหนึ่งที่นักพัฒนาสนใจ — ราคาของเอาต์พุตหนึ่งวินาที — ยังไม่ถูกเปิดเผย สำหรับการสมัครสมาชิกราคา $99.99 คุณจะได้ระบบนิเวศ แกลเลอรี เอเจนต์ และเวลาใช้งานครั้งละหนึ่งนาที ว่าสิ่งนั้นเป็นดีลที่คุ้มค่าหรือไม่นั้นขึ้นอยู่ทั้งหมดกับว่างานของคุณพอดีกับหนึ่งนาทีหรือไม่ และยังไม่มีใครนอก Google บอกคุณได้ในตอนนี้

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube