Thẻ tiêu đề cho Genie 4 vs Google Veo 3.1 có tiêu đề Một nơi bạn bước xuyên qua, hay một đoạn clip bạn cắt, với một thẻ mô tả Genie 4 là một thế giới tương tác ở 720p trong khoảng một phút và một thẻ khác mô tả Google Veo 3.1 là một clip được kết xuất lên tới 4K kéo dài 4 đến 8 giây.
Guides & Insights

Genie 4 so với Google Veo 3.1: Một không gian bạn dạo bước, hay một đoạn clip bạn cắt ghép?

Tác giả

Gideon Frost

Ngày đăng

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

Sáu mươi giây đầu ra có giá $24 trên G​oogle Veo 3.1 ở gói tiêu chuẩn, $6.00 trên Veo 3.1 Fast và $3.00 trên Veo 3.1 Lite. Sáu mươi giây của Genie 4 có giá $99.99 một tháng, vì không có sáu mươi giây nào để mua — thẻ mô hình giới hạn một phiên ở khoảng một phút tương tác liên tục, và cách duy nhất để truy cập là đăng ký G​oogle AI Ultra. Đặt hai mức giá đó cạnh nhau, phép so sánh trông thật vô lý, và đó chính là dụng ý: Genie 4 và G​oogle Veo 3.1 không phải hai phiên bản của cùng một giao dịch mua. Veo kết xuất một cảnh quay mà bạn sẽ cắt. Genie tạo ra một nơi mà bạn sẽ bước qua khi nó vẫn đang được tạo ra. Mọi khác biệt khác giữa chúng đều bắt nguồn từ điều đó.

Cả hai đều trải qua một thay đổi trạng thái vào mùa thu này, và hai thay đổi đó chỉ về hai hướng ngược nhau. Veo 3.1 đã mất đi môi trường phát triển hướng tới người tiêu dùng: bản Veo 3.1 Preview trong Gemini API đã bị đóng vào ngày 22 tháng 10 năm 2026, và Google giờ hướng các nhà phát triển đến Gemini Omni 1.2 Flash hoặc các mô hình Veo GA trên Gemini Enterprise Agent Platform. Genie 4 thì có thêm một thay đổi: được công bố vào ngày 27 tháng 10 năm 2026 cho các kiểm thử viên tin cậy, nó đã mở cho những người đăng ký Google AI Ultra đủ điều kiện bên trong Project Genie vào ngày 18 tháng 11, với một model card cuối cùng đã công bố độ phân giải và tốc độ khung hình. Một mô hình trở nên hẹp hơn và tốn kém hơn để tiếp cận; mô hình kia trở nên rộng hơn và lần đầu tiên có thể đo lường được.

Hệ thống phân loại trước tiên, vì nó quyết định mọi thứ sau đó.

Một mô hình video là một hàm. Bạn đưa cho nó một prompt, tùy chọn kèm khung hình đầu tiên hoặc ảnh tham chiếu, và bốn đến tám giây sau bạn có một tệp. Bạn có thể gọi nó hàng nghìn lần, song song, từ một hàng đợi. Đầu ra đã hoàn tất ngay khi nó tồn tại.

Mô hình thế giới là một quá trình. Nó kết xuất theo hành động của bạn, từng khung hình một, chừng nào phiên còn kéo dài. Không có tệp nào ở cuối trừ khi bạn ghi lại một tệp. Đầu ra không bao giờ hoàn tất — nó đang được tạo ra trước chỗ bạn đang đứng vài khung hình.

Sự khác biệt đó quyết định cả những gì mỗi công cụ có thể làm được. V​eo 3.1 có thể tạo ra một cảnh quay 4K về con phố ướt mưa mà một chuyên gia chỉnh màu sẽ chấp nhận. Nó không thể để đạo diễn nói "chuyển sang ban đêm" và vẫn tiếp tục bước đi trên cùng con phố đó. Genie 4 làm được chính xác điều đó — các câu lệnh giữa phiên thay đổi thời tiết, thêm nhân vật, đổi hướng hành động — ở độ phân giải 720p và tối đa 24 khung hình/giây, trong khoảng một phút, rồi phiên kết thúc.

Những con số thực sự tồn tại

Google đã công bố nhiều thông tin hơn hẳn về Veo 3.1 so với Genie 4, và chính sự bất đối xứng này cũng là một phát hiện. Mọi số liệu về Veo dưới đây đều lấy từ tài liệu của chính Google; mọi số liệu về Genie đều lấy từ model card được công bố ngày 18 tháng 11 năm 2026. Cả hai nhà cung cấp đều chưa công bố một benchmark nào mà bên thứ ba đã tái lập được.

• Đầu ra — Genie 4 ở 720p, tối đa 24 fps, thời gian thực, với âm thanh đồng bộ so với Veo 3.1 ở 720p, 1080p hoặc 4K, cũng ở 24 fps, được kết xuất ngoại tuyến.

• Độ dài — Genie 4 ở khoảng một phút tương tác liên tục mỗi phiên, so với Veo 3.1 ở mức 4, 6 hoặc 8 giây mỗi clip, có thể kéo dài qua các lượt tiếp theo.

• Đầu vào — Genie 4 nhận văn bản, hình ảnh và điều hướng bàn phím, chuột trực tiếp, đồng thời chấp nhận lời nhắc văn bản mới giữa phiên, so với Veo 3.1 nhận văn bản, khung hình đầu hoặc cuối, tối đa ba hình ảnh tham chiếu cho chủ thể và phong cách, cùng các điều khiển camera và chuyển động.

• Âm thanh — cả hai đều tạo âm thanh một cách gốc. Genie 4 tạo không gian âm thanh, nhạc và hội thoại tương tác thích ứng khi cảnh thay đổi; Veo 3.1 tạo hiệu ứng âm thanh, không gian âm thanh và hội thoại gắn với clip, với nút bật/tắt âm thanh mặc định ở trạng thái tắt.

• Giá — Genie 4 có giá $99.99 một tháng cho G​oogle AI Ultra, với gói $199.99 nâng giới hạn sử dụng thay vì năng lực so với Veo 3.1 ở mức $0.40 mỗi giây video có âm thanh ở 720p hoặc 1080p, $0.60 ở 4K, $0.20 và $0.40 không có âm thanh; Fast ở mức $0.10, $0.12 và $0.30 có âm thanh; Lite ở mức $0.05 và $0.08 có âm thanh.

• Quyền truy cập — Genie 4 là sản phẩm trình duyệt dành cho người đăng ký Ultra, có danh sách chờ AI Pro, và không có API cũng như không có ID mô hình, trong khi Veo 3.1 là API tính phí trên Gemini Enterprise Agent Platform, không còn truy cập được qua các endpoint xem trước của API Gemini.

• Nguồn gốc — cả hai đều được gắn watermark bằng SynthID.

• Điểm số độc lập — không bên nào có điểm số cho so sánh này. Nghiên cứu sở thích Veo 3.1 của Google do chính Google thực hiện, trên 1.003 lời nhắc MovieGenBench và diễn ra trước chu kỳ phát hành này. Genie 4 không có bất kỳ đánh giá nào được công bố.

Mỗi phút của từng thứ thực sự tốn bao nhiêu

Đây là lúc hai sản phẩm không còn so sánh được với nhau nữa, và đáng để làm phép tính thay vì dựa vào cảm giác.

Một chuỗi Veo 3.1 dài một phút ở chất lượng tiêu chuẩn có âm thanh có giá 24,00 USD, theo bảng giá Vertex AI đã công bố của Google là 0,40 USD mỗi giây ở 720p hoặc 1080p — 0,60 USD ở 4K, và 0,20 USD và 0,40 USD khi tắt bản âm thanh. Ở chế độ Fast, giá là 6,00 USD một phút; ở Lite là 3,00 USD. Nhưng Veo không tạo ra clip dài một phút — một lần tạo dài nhất là tám giây — nên một phút đó thực chất là tám lần tạo cộng với chi phí gia hạn cảnh, và tính liền mạch qua các mối nối là thứ bạn phải xử lý khi dựng chứ không phải thứ mô hình duy trì. Đối với một đoạn chèn dài hai mươi giây trong phim thương hiệu, chính kỷ luật đó là điều bạn muốn.

Genie 4 với giá 99,99 USD mỗi tháng mua phiên, không mua giây. Cứ để một phiên mở suốt cả buổi chiều thì chi phí biên của phiên thứ mười là bằng không; ràng buộc là hạn mức sử dụng của gói Ultra của bạn, thứ mà G​oogle chưa công bố theo đơn vị nào mà người ta có thể dựa vào để lập kế hoạch. Nếu công việc của bạn mang tính khám phá — dựng khối một cảnh, thử xem một bối cảnh có đọc được ở tầm mắt hay không, cho khách hàng thấy một không gian sẽ cảm thấy thế nào trước khi bất kỳ ai xây nó — thì mô hình đăng ký rẻ hơn đáng kể so với thuê theo giây. Nếu công việc của bạn là bàn giao sản phẩm, thì đây hoàn toàn không phải mô hình của thứ bạn cần.

Phần chưa được giải quyết nằm ở độ phân giải. Veo 3.1 có 4K gốc ở gói cao cấp nhất. Genie 4 có 720p. Bản ghi thời gian thực 720p là tài nguyên tiền hình dung, không phải bản master; việc phóng to nó vào timeline 4K là một quyết định bạn đưa ra khi biết rằng các pixel đã được tạo ra hai lần.

Nơi lớp lập luận là phần duy nhất có thể chia sẻ

Kiến trúc Genie 4 của Google là một ngăn xếp, không phải một mô hình duy nhất: Gemini Omni Flash làm nền tảng cho phần hình ảnh, và một mô hình Gemini chạy trong vòng lặp để lập kế hoạch các bước và đối chiếu các khung hình với mục tiêu. Google nêu tên Gemini 3.8 Flash cho vai trò đó.

Lớp đó là phần duy nhất trong so sánh này mà bạn thực sự có thể gọi ngay hôm nay trên một API đa dụng. Gemini 3.8 Flash là một endpoint đang hoạt động trong danh mục của chúng tôi với mã 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 vẹn, không cộng thêm markup — vì vậy nếu Google thay đổi giá, hóa đơn của bạn sẽ thay đổi cùng ngày với Google. Nếu bạn đang xây dựng vòng lặp xung quanh một world model thay vì bản thân world model — phân rã một mục tiêu, viết các prompt điều hướng, xác minh khung hình bạn nhận được so với khung hình bạn muốn — thì đó là một tích hợp bạn có thể hoàn thành trong tuần này, với tính năng chuyển đổi dự phòng tự động đằng sau một khóa nếu một nhà cung cấp gặp trục trặc.

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.

Để rõ ràng, và vì câu hỏi này hay được nêu ra: cả Genie 4 lẫn Veo 3.1 đều không phải endpoint trên nền tảng của chúng tôi. Genie 4 không phải endpoint ở bất kỳ đâu. Veo 3.1 là một mô hình G​oogle Cloud với hợp đồng G​oogle Cloud. Chúng tôi sẽ không giả vờ điều ngược lại để làm cho một câu chuyện định tuyến nào đó trở nên khả thi.

Phán quyết trung thực

Chọn Veo 3.1 khi sản phẩm bàn giao là một tệp: một cảnh quay, một đoạn chèn, một bản cắt cho mạng xã hội, bất cứ thứ gì phải ở 1080p hoặc 4K, được chỉnh màu và giao cho biên tập viên. Nó có bảng giá công bố, API được tài liệu hóa, định hướng doanh nghiệp xung quanh và một năm kinh nghiệm sản xuất làm bệ đỡ. Việc ngừng bản xem trước ngày 22 tháng 10 là một chi phí thực sự nếu bạn đã xây dựng dựa trên các endpoint đó, nhưng lộ trình GA vẫn tồn tại và đã được tài liệu hóa.

Chọn Genie 4 khi thứ cần bàn giao là một quyết định: trong ba bố cục, bố cục nào truyền đạt tốt hơn, một bối cảnh có phù hợp khi nhìn từ tầm mắt của trẻ em hay không, một không gian sẽ mang lại cảm giác gì trước khi được xây dựng. Một phút ở 720p là đủ để trả lời những câu hỏi đó và quá ít để trả lời một câu hỏi về bàn giao. Thư viện — với những thế giới có thể phối lại và hai tác phẩm hợp tác được nêu tên, "Villa Giallo" và "The Life of Ants" — là tuyên bố rõ ràng nhất về mục đích mà Google cho rằng sản phẩm hướng tới, và không có phần nào trong đó là một render farm.

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

Điều có thể thay đổi câu trả lời là một API Genie 4 có giá tính theo giây, hoặc một Veo chấp nhận thay đổi chỉ đạo giữa clip. Một trong hai điều đó sẽ xóa bỏ khoảng cách. Cho đến lúc đó, so sánh này không hẳn là một cuộc đối đầu trực tiếp mà giống như hai công cụ tình cờ dùng chung nhà cung cấp, tốc độ khung hình và watermark.

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.

So sánh trong bài viết này1

Phát hiện từ bài viết này · Benchmark: Artificial Analysis · cập nhật hằng ngày