标题卡文字为 Genie 4 已上线,副标题为 Google AI Ultra 访问权限实际能为你换来什么,日期标签为 2026年11月18日,三张卡片分别写着实时文本编辑、原生音频和社区画廊。
Guides & Insights

Genie 4 已上线:Google AI Ultra 访问权限究竟能为你带来什么

作者

Elias Hawthorne

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

2026 年 11 月 18 日,Genie 4 不再是一项候补名单服务。就在这一天,Google DeepMind 开始在 Project Genie 中向符合条件的 Google AI Ultra 订阅者推出其最逼真的世界模型;也正是这一天,这次发布不再只是你读到的演示,而成为你可以付费购买的产品。尴尬之处在于,同一项更新还让 Genie 3在决定大多数实际工作的那个维度上变得更好:Google 较旧的世界模型现在可运行三分钟会话,并支持世界串联和 360 度全景锚定,而 Genie 4的模型卡仍描述的是一个支持“约一分钟连续交互”的系统。如果你正在决定本周是否要花 Ultra 的钱,那么需要理解的就是这种倒挂——而不是照片级真实感。而且,如果你正围绕它进行构建,技术栈中今天真正能调用的只有推理那一半:Gemini 3.8 Flash 和 Gemini 4 Argon都是可用端点,而 Genie 4 在任何地方都不是端点。

两个日期,而非一个:为何这一间隔至关重要

谷歌于2026年10月27日向受信任的测试者和候补名单公布了Genie 4。测试者群体之外无人能够使用它。11月18日的帖子则是另一种文件:它是可用性公告,将这款模型从"有报道"推进到"可购买",而这是唯一能改变读者当下可做之事的转变。

这篇帖子用 Google 自己的话来说,实际内容很有限。Genie 4 向符合条件的 AI Ultra 订阅用户推出。Google AI Pro 会员可以加入候补名单。同一更新还包含 Genie 3 升级、Project Genie 智能体和社区画廊。没有正式可用日期,没有 API 模型 ID,没有按次生成定价,也没有基准测试。三周的报道也没有给出分辨率数值或帧率。

所以,对11月18日最诚实的总结是:模型是真的,门是开着的,而这扇门是每月 $99.99 的订阅。

价格,以及它是为何而付出的价格

Google AI Ultra 在美国每月 99.99 美元起,同一页面还列出了一个每月 199.99 美元的档位,其使用额度是 AI Pro 的 20 倍,而非 5 倍。两者都包含 Project Genie;差别在于额度,而非能力。每月 19.99 美元的 AI Pro 并不能让你用上它——只会给你一份候补名单表单。

• Genie 4 的入门价格 — 每月 $99.99(G​oogle AI Ultra,5 倍 AI Pro 限额)

• 更高层级 — 每月 $199.99(20 倍 AI Pro 限制,相同的模型访问权限)

• 候补层级 — G​oogle AI Pro 每月 19.99 美元,今日不可用

• 年龄与地区 — 18 岁及以上,根据 Google 自己的脚注,Project Genie 已在 140 多个国家/地区提供

• 你并没有在购买的东西——一个 API。Genie 4 在任何地方都没有按 token 或按秒计费的价目表,Google 也没有发布过。

最后一句正是采购团队容易忽略的地方。浏览器产品的订阅是一个席位,而不是一个服务等级。你无法把一个席位放在自动化流水线背后,无法对它进行突发扩容,也无法在其性能下降时绕开它。该订阅买到的是手动评估 Genie 4 的能力——对于一个做预可视化研究的工作室来说,这确实值 99.99 美元;而对于需要把世界模型纳入构建流程的团队来说,这几乎一文不值。

Scoreboard for Genie 4 listing AI Ultra entry price of $99.99 per month, about one minute of continuous interaction on the model card, three-minute Genie 3 sessions, native audio, no published resolution or frame rate, and no API pricing, with a footer reading 'All figures Google-reported; no independent measurement published.'

Genie 3 升级版是本次发布中可用的那一半

在 Genie 4 的头条新闻背后,是一组对真正从事实际工作的人更重要的 Genie 3 改动,因为 Genie 3 是拥有更长会话预算的模型。G​oogle 列出了四项:

• 延长会话与世界串联——每次生成最长可达 3 分钟,较此前的 60 秒有所提升,并可将多个世界串联成一段更长的旅程

• 360 度全景锚定——以全景图像为种子创建一个新世界,并在相机环顾四周时保持位置一致

• 实时世界内事件——用自然语言提示在会话中途改变环境,而不仅仅是在会话之间

• 模型选择器——Genie 3 与 Genie 4 并列可选,G​oogle 将其定位为更适合较长运行和全景种子空间的选择

把这些放在一起看,Google 其实在告诉你一件它不会直说的事:对于三分钟的连续镜头,选 Genie 3。Genie 4 在保真度、物理效果和音频方面胜出;Genie 3 在时长和空间锚定方面胜出。导演为一段戏做场面调度时,从三分钟有空间锚定的画面中得到的,比从一分钟精美画面中得到的更多;而声音设计师从 Genie 3 那里什么也得不到,因为原生音频只有 Genie 4 才有。

Genie 4 自己的规格表只有一个数字那么长

Genie 4 的模型页面堪称一份研究样本,展示了厂商愿意承诺什么、又不愿意承诺什么。它声称该模型是“我们迄今为止最逼真、最具交互性的世界模型”,描述了通过实时提示对天气、镜头、角色和动作进行编辑,并介绍了原生生成的音频——环境声景、脚步声、人群声、角色语音——这些音频会随场景变化而调整。紧接着,它又在同一段话里列出了各项限制。

• 时长 — “约一分钟的连续互动,而不是长时间会话”

• 客体永久性——视觉细节与客体永久性{{1}}“会随时间发生偏移或漂移”{{/1}},尤其是在大量编辑之后

• 多智能体场景——在一个共享空间中为多个用户和智能体建模,被称为一项持续的研究挑战

• 真实地点 — G​oogle 表示,该模型无法完全准确地模拟现实世界中的地点

• 屏幕上的文字——可读的文字通常只有在来自输入描述时才会出现

• 音频准确性——“仍是一个持续研究和改进的领域”

• 状态——“一项早期且不断演进的技术”

没有分辨率,没有帧率,没有延迟数据,也没有参数数量。发布材料中的每一项说法,都是相对于 Genie 3 或 G​oogle 自己此前的输出而言的。这并不是否定该模型的理由——世界模型中的原生音频是真正的能力变化——但它确实是一个理由,让我们把“逼真”当作厂商的形容词,而不是一种测量指标。独立的数字尚不存在,因为能接触到它的人是订阅用户,而订阅用户不会发布评测。

本次发布中新增的两项内容与模型权重毫无关系,它们完全关乎订阅为何成为交付载体。

Project Genie 智能体接收一段自然语言描述,并据此构建一个世界,同时协调 G​oogle 的多模态模型来生成初始视觉画面和定制的背景配乐。在会话过程中,G​emini 模型会观察屏幕、显示建议标签,并能够触发世界内事件。这正是早先关于 Genie 4 的报道所指出的、且大多数报道所忽略的同一架构:世界模型加规划器与视频生成器是截然不同的产物,因为它是以一系列经过验证的状态来回应一个目标,而不是用一段视频片段来回应一个提示。

社区画廊是分发策略的关键。精选的世界与用户搭建的世界并列陈列,其中任何一个都可以被打开、混编或重新发布。G​oogle 委托制作了两件展示作品——与创意技术专家 Will 合作的“Villa Giallo”,以及与电影制作人 Anand Gandhi 合作的“The Life of Ants”——这是一种熟悉的模式:用专业作品为画廊打底,好让第一波用户产出有可参照衡量的对象。所有生成的视频和音频都带有 SynthID 水印,输入和输出都会经过安全筛查。

展示库未能解决的是授权问题。G​oogle 尚未发布针对在 Project Genie 中构建的世界的商业使用条款,而这对工作室来说,是比一分钟时长上限更大的障碍。一家无法告诉客户镜头归谁所有的预可视化供应商,所面临的问题正是模型卡没有解决的。

Screenshot of the Google DeepMind Genie 4 model page, showing the headline 'A new generation of world simulation', a Try in Project Genie button, the capabilities and limitations navigation, and the stated limit of around a minute of continuous interaction.

如果你正在构建这个循环,那么它的一半已经是一个 API

实际的划分是这样的。Genie 4 是一个浏览器产品,没有 endpoint。围绕它的那些模型——负责规划、验证、建议芯片的那些——都是普通的 LLM endpoint,而这些你今天就可以调用。

Gemini 3.8 Flash 是承担监督与检查角色的自然之选:它是 Google 最智能的 Flash 模型,专为软件工程和多步骤智能体工作打造,上下文窗口为 1,048,576 个 token,最大输出为 65,536 个 token。在 OrcaRouter 上,它是 google/gemini-3.8-flash,每百万输入 token 0.75 美元、每百万输出 3.75 美元,缓存输入读取为 0.075 美元。Gemini 4 Argon 是 google/gemini-4-argon,价格为 2.00 美元和 10.00 美元——当计划本身就是难点时,你会求助于这个模型,就像在 Google 的机器人演示中那样:Argon 分解任务,然后由 Genie 4 进行模拟。

有两件事让这种拆分值得妥善配置,而不是临时拼凑。第一,定价:OrcaRouter 以 0% 加价透传提供商标价,因此如果 Google 下调 Gemini 定价,降价当天就会在你的密钥上生效,无需重新议价。第二,架构:一个无法故障转移的世界模型就是单点故障,而一个可以故障转移的规划器则不是。跨提供商自动故障转移,加上一种路由 DSL,能够将廉价模型固定用于验证环节、将更强的模型用于规划,这正是与 Genie 相邻的流水线所需的形态——因为昂贵且不可用的那一半,正是你无法控制的那一半。

请明确这不是什么。Genie 4 不在我们的产品目录中,也不在任何人的产品目录中。无论怎样路由,都无法让一个未发布的端点变得可调用;任何暗示相反情况的文章,都是在向你兜售 G​oogle 尚未发布的东西。

Screenshot of the OrcaRouter model page for google/gemini-3.8-flash, showing $0.75 per 1M input tokens, $3.75 per 1M output tokens, a 1,048,576-token context window and a 65,536 max output, with an OpenAI-compatible endpoint.

谁该付钱,谁该等待

如果你从事预可视化、关卡原型制作或机器人仿真研究,并且需要亲手确认原生音频加上一个两分钟量级的世界是否足以改变你的工作管线,那就本周订阅吧。99.99 美元是一笔研究预算,而答案确实无法从演示中得知——长达一分钟的音频同步,恰恰是生成音频通常出问题的地方,而测试者群体之外还没有人就此报告过。

如果以下任一情况属实,请先等待:你需要 API、需要商业许可证、需要超过三分钟的会话,或者你的工作依赖于对象永久性在编辑后仍然保留。Genie 3 现在比 Genie 4 更好地覆盖了第三种情况。本次发布没有覆盖前两种情况。

要关注的不是又一段演示片,而是三份具体的公开材料:来自任何有访问权限者的一份分辨率和帧率;一项独立核查,确认音频在整个会话期间是否始终锁定其来源;以及一个使用条款页面,明确生成世界归谁所有。在这些材料出现之前,Genie 4 是一个可以评估的订阅服务,也是一个你买不到的 API——而这两句话之间的落差,正是本季度所有构建决策的作出之处。