Thẻ tiêu đề ghi Genie 4 với dòng 720p ở tốc độ lên tới 24 fps, khoảng một phút mỗi phiên, và ba thẻ cho 720p thời gian thực, chỉnh sửa giữa phiên và âm thanh gốc, có chú thích cuối trang dẫn đến thẻ mô hình của Google ngày 18 tháng 11 năm 2026.
Guides & Insights

Genie 4 đã ra mắt ở 720p và 24 khung hình mỗi giây, và con số đó chính là câu chuyện.

Tác giả

Elias Hawthorne

Ngày đăng

Mô hình mới nhất · 20Xem tất cả mô hình →
Benchmark: Artificial Analysis · cập nhật hằng ngày
Quay lại tất cả bài viết

Dòng thông tin hữu ích nhất trong bản phát hành Genie 4 ngày 18 tháng 11 của Google không nằm trong bài blog. Nó nằm trong model card đi kèm: video 720p thời gian thực ở tốc độ lên tới 24 khung hình/giây với âm thanh đồng bộ, được tạo từ lời nhắc văn bản, một hình ảnh, hoặc đầu vào bàn phím và chuột trực tiếp. Trong ba tuần, Genie 4 chỉ là một tập hợp các bản demo không có thông số kỹ thuật nào cả — không độ phân giải, không tốc độ khung hình, không thời lượng phiên. Việc triển khai Project Genie cho người đăng ký Google AI Ultra không chỉ mở ra một cánh cửa; nó đã công bố những con số cụ thể đầu tiên, và những con số đó mô tả một thứ nhỏ hơn nhiều so với những gì đoạn phim ra mắt gợi ý, theo một cách thực sự hữu ích nếu bạn đang quyết định sẽ làm gì với nó.

Nửa còn lại của bản phát hành cũng quan trọng, và đó là nửa mà G​oogle dẫn đầu: chỉnh sửa văn bản giữa phiên, âm thanh gốc thích ứng khi cảnh diễn ra, một tác nhân hội thoại xây dựng thế giới, và một thư viện cộng đồng có tính năng phối lại. Genie 4 là mô hình; Project Genie giờ là sản phẩm bao quanh nó. Việc tách hai thứ này là điều bài viết này làm, bởi vì thẻ mô hình và thư viện trả lời những câu hỏi khác nhau — một cái cho bạn biết hệ thống là gì, cái kia cho bạn biết G​oogle nghĩ bạn sẽ làm gì với nó.

Điều gì thực sự đã thay đổi vào ngày 18 tháng 11?

G​oogle đã công bố Genie 4 vào ngày 27 tháng 10 năm 2026 dưới dạng bản xem trước nghiên cứu dành cho những người thử nghiệm được tin cậy, kèm danh sách chờ công khai. Không có gì về mô hình đó thay đổi vào ngày 18 tháng 11. Điều đã thay đổi là ai có thể tiếp cận nó và những gì nằm xung quanh nó.

• Quyền truy cập — Genie 4 được triển khai cho các thuê bao Google AI Ultra đủ điều kiện trong Project Genie. Thành viên Google AI Pro có thể tham gia danh sách chờ. Vẫn chưa có ID mô hình API, chưa có giá theo từng lần tạo và chưa có ngày phát hành rộng rãi cho các nhà phát triển.

• Chỉnh sửa theo thời gian thực — một câu lệnh được gõ giữa phiên sẽ thay đổi thời tiết, thêm nhân vật hoặc chuyển hướng hành động mà không cần khởi động lại thế giới. Bản demo của Google về điều này là một quán cà phê trên sườn đồi được biến thành một gian nhà kính giữa sa mạc.

• Âm thanh gốc — âm thanh môi trường, nhạc và lời thoại nhân vật được tạo ra cùng lúc với các khung hình thay vì được chồng lớp lên sau đó. Đây là Genie đầu tiên có thể tạo ra âm thanh, và tài liệu của chính G​oogle liệt kê độ chính xác âm thanh thời gian thực là một vấn đề nghiên cứu mở.

• Tác nhân — một trình tạo dựng hội thoại, điều phối các mô hình đa phương thức của Google để thiết lập diện mạo của một thế giới và nhạc nền tùy chỉnh, rồi tiếp tục hoạt động trong suốt phiên: một mô hình Gemini theo dõi màn hình, cung cấp các chip gợi ý về nơi nên đi tiếp và có thể kích hoạt các sự kiện trong thế giới.

• Thư viện — các thế giới được tuyển chọn cùng nội dung do cộng đồng tải lên, tất cả đều có thể phối lại. Hai dự án hợp tác được nêu tên sẽ ra mắt cùng nó: “Villa Giallo,” một bí ẩn dinh thự gothic khám phá từng phòng, được tạo ra cùng chuyên gia công nghệ sáng tạo Will (BLVCKL!GHT), và “The Life of Ants,” một hành trình tham quan tổ kiến qua góc nhìn của kiến, cùng nhà làm phim Anand Gandhi.

• Genie 3 đã nhận được các nâng cấp — và đây là phần sẽ khiến bất kỳ ai chỉ đọc lướt tiêu đề thấy khó chịu. Mô hình cũ hơn giờ chạy tối đa ba phút mỗi lần tạo, tăng từ sáu mươi giây, hỗ trợ chuỗi thế giới để nhiều thế giới liên kết thành một hành trình liên tục, chấp nhận ảnh toàn cảnh 360 độ làm hạt giống, và nhận lời nhắc sự kiện trong thế giới theo thời gian thực. Genie 3 vẫn nằm trong bộ chọn mô hình chính xác cho những trường hợp đó.

Bản thông số kỹ thuật, và ràng buộc duy nhất mà nó nêu rõ thành lời

Trước ngày 18 tháng 11, mọi tuyên bố về độ chân thực của Genie 4 đều không thể kiểm chứng sai. Bài đăng ra mắt nói "mô hình thế giới chân thực và tương tác nhất cho đến nay" và trình chiếu các clip; bài này không công bố độ phân giải, tốc độ khung hình hay số liệu độ trễ nào. Thẻ mô hình tháng 11 lấp được một phần khoảng trống đó:

• Đầu ra — 720p, tối đa 24 fps, với âm thanh đồng bộ, được tạo trong thời gian thực.

• Đầu vào — văn bản, hình ảnh và hành động trực tiếp của người dùng: điều hướng bằng bàn phím và chuột, không chỉ là một câu lệnh.

• Độ dài phiên — "khoảng một phút tương tác liên tục" trong danh sách hạn chế trên trang mô hình, trong khi thẻ mô hình chỉ nói rằng nó duy trì được các môi trường mạch lạc qua "các phiên ngắn."

• Cơ bản — được xây dựng trên Gemini Omni Flash, với các mô hình Gemini cung cấp khả năng suy luận và điều hướng theo thời gian thực.

• Những hạn chế mà G​oogle thừa nhận — chi tiết hình ảnh và tính thường tồn của vật thể bị trôi qua các lần chạy dài hơn, sau nhiều lần chỉnh sửa lời nhắc phức tạp hoặc khi di chuyển qua một cảnh; vật lý phức tạp, độ chính xác âm thanh, văn bản dễ đọc và độ chính xác không gian đều được nêu là chưa được giải quyết.

• Nguồn gốc — Đánh dấu watermark SynthID trên từng khung hình video và từng giây âm thanh.

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.

Đọc hai dòng đó cùng nhau — 24 fps ở 720p, và khoảng một phút — thì mô tả trung thực nhất về Genie 4 là một bộ kết xuất thời gian thực chạy ở chất lượng xấp xỉ một máy chơi game của thập niên 2010, kéo dài đúng bằng khoảng thời gian đi hết một hành lang rồi quay lại. Đó không phải là một lời chê. Tạo sinh thời gian thực ở tốc độ khung hình ổn định là một bài toán khó hơn nhiều so với việc tạo ra một clip tám giây đẹp mắt, và 720p ở 24 fps chính là độ phân giải và nhịp độ của truyền hình phát sóng, chứ không phải của một món đồ chơi. Nhưng điều đó cũng có nghĩa là những đoạn phim quảng bá lúc ra mắt đang cho bạn thấy mức trần của một phiên chạy rất ngắn, và hiện tượng trôi mà G​oogle ghi nhận trong tài liệu chính là điều xảy ra khi bạn cố đẩy vượt qua mức trần đó.

Vì sao một phút là một quyết định về sản phẩm, chứ không phải một hạn chế cần phải xin lỗi.

Một phút là đủ cho một cảnh quay, một căn phòng, một lượt tham quan, một tương tác đơn lẻ — đơn vị công việc trong tiền hình dung, đánh giá thiết kế không gian và giảng dạy tương tác. Nó không đủ cho một màn chơi, một phân đoạn phim hay một tập huấn luyện cần hai mươi phút trạng thái nhất quán. Câu trả lời của G​oogle cho khoảng trống đó không phải là một Genie 4 dài hơn; mà là Genie 3 ở mức ba phút với tính năng nối thế giới (world chaining), nằm ngay cạnh nó trong cùng một bộ chọn. Đó là một quyết định sản phẩm khác thường — mô hình mới hơn không hẳn là mô hình có năng lực cao hơn cho mọi công việc — và nó cho thấy hai mô hình đang được định vị theo độ dài phiên chứ không phải theo thế hệ.

Các tác phẩm hợp tác trong phòng trưng bày cũng được hiểu theo cách tương tự. “Villa Giallo” là một bí ẩn mà bạn giải quyết từng phòng một, tức là một cấu trúc được dựng nên từ những đơn vị dài một phút. “The Life of Ants” là một tác phẩm góc nhìn — bạn điều hướng một bầy đàn từ góc nhìn của một con kiến — thứ cần không khí và quy mô hơn là tính liên tục. Cả hai đều là bản demo được chọn để cho thấy những thế giới tương tác ngắn làm tốt điều gì, và cả hai đều không giả vờ là một bộ phim.

Đối với một studio, câu hỏi thực tế là một take tương tác dài một phút phù hợp ở đâu trong một pipeline hiện đang vận hành bằng các clip được sinh tạo dài tám giây. Câu trả lời nằm ở thượng nguồn và ở các nhánh bên: dàn cảnh, ngôn ngữ máy quay, các quyết định bày trí bối cảnh và playtest các ý tưởng không gian — những thứ mà nếu không bạn sẽ dựng trong một engine grey-box rồi bỏ đi. Genie 4 loại bỏ grey box. Nó không loại bỏ engine.

Những gì bạn có thể gọi hôm nay, và những gì bạn không thể

Genie 4 không phải là một endpoint. Đây là một sản phẩm trình duyệt nằm sau gói đăng ký G​oogle AI Ultra 99,99 USD/tháng, không có API công bố, không có ID mô hình và không có mức giá theo từng lần tạo. Điều đó cũng đúng với mọi nền tảng bên thứ ba, kể cả nền tảng của chúng tôi: không có gì để định tuyến tới.

Thứ có thể gọi được chính là nửa phần lý luận của kiến trúc mà Google mô tả. Tài liệu ra mắt nêu Gemini 3.8 Flash là tác nhân trong vòng lặp, thứ lập kế hoạch các bước và kiểm tra khung hình so với mục tiêu, và mô hình đó là một endpoint đang hoạt động trên danh mục của chúng tôi với tên google/gemini-3.8-flash ở mức $0.75 mỗi triệu token đầu vào và $3.75 mỗi triệu token đầu ra — giá niêm yết của nhà cung cấp được chuyển nguyên, không cộng thêm phụ phí, nên khi Google đổi giá, hóa đơn của bạn cập nhật cùng ngày với bảng giá của Google. Nếu bạn đang xây dựng vòng lặp quanh một world model thay vì bản thân world model — lập kế hoạch, xác minh, lập kế hoạch lại, viết các prompt điều hướng một phiên — thì đó là phần bạn có thể tích hợp ngay tuần này, với khả năng chuyển đổi dự phòng tự động giữa các nhà cung cấp chỉ với một khóa.

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.

Điều gì sẽ đưa thứ này từ một sản phẩm thành một nền tảng?

Ba điều, theo thứ tự tăng dần về mức độ chúng sẽ làm thay đổi câu trả lời.

Một API. Một ID mô hình và mức giá theo giây hoặc theo phiên sẽ cho phép Genie 4 cạnh tranh giành vị trí trong pipeline với Veo, Kling và Seedance trên cùng một bảng tính. Không có API đó, nó chỉ cạnh tranh để có một dòng trong ngân sách công cụ sáng tạo.

Một phép đo độc lập. Không có bất kỳ benchmark nào, không có Elo, không có nghiên cứu về sở thích của con người và không có phân tích tốc độ khung hình nào từ bên thứ ba về Genie 4 ở bất cứ đâu. Mọi tuyên bố về độ trung thực đang lưu hành đều bắt nguồn từ chính các đoạn reel của Google. Các con số 720p và 24 fps hiện đã có thể đối chiếu với thẻ mô hình, đó là một bước tiến; còn tuyên bố rằng nó chân thực hơn Genie 3 thì vẫn chưa thể kiểm chứng.

Độ dài phiên vượt quá một phút với chất lượng của Genie 4. G​oogle hiện đang giải quyết tính liên tục bằng cách bán cho bạn mô hình cũ hơn. Khi Genie 4 lấp đầy khoảng cách đó, trình chọn sẽ thu gọn về một tùy chọn và phép so sánh thú vị không còn là Genie 4 so với Genie 3 nữa mà bắt đầu là Genie 4 so với mọi thứ còn lại.

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.

Cho đến lúc đó, bản tóm tắt công bằng về ngày 18 tháng 11 là: G​oogle đã tung ra một hệ sinh thái sáng tạo xoay quanh một mô hình mà hãng đã công bố trước đó, công bố đặc tả thực sự đầu tiên của mô hình, và để số liệu duy nhất mà các nhà phát triển quan tâm — giá của một giây đầu ra — vẫn chưa được công bố. Với gói đăng ký $99.99, bạn nhận được hệ sinh thái, thư viện, tác tử, và mỗi lần một phút. Đó có phải là món hời hay không hoàn toàn phụ thuộc vào việc công việc của bạn có vừa trong một phút hay không, và chưa ai ngoài G​oogle có thể nói cho bạn biết điều đó.