標題卡寫著「Genie 4 已上線」,副標題為「Google AI Ultra 使用權限實際上能讓你獲得什麼」,日期標籤為 2026 年 11 月 18 日,另有三張卡片分別寫著「即時文字編輯」、「原生音訊」和「社群圖庫」。
Guides & Insights

Genie 4 正式登場:Google AI Ultra 的使用權限實際上能為你帶來什麼

作者

Elias Hawthorne

發佈日期

最新模型 · 20查看全部模型 →
基準測試:Artificial Analysis · 每日更新
返回全部文章

Genie 4 於 2026 年 11 月 18 日結束候補名單狀態。那天,G​oogle DeepMind 開始在 Project Genie 中,向符合資格的 G​oogle AI Ultra 訂閱者推出其最逼真的世界模型;也是在那天,這次發布不再只是你讀到的示範,而成為你能付費購買的產品。尷尬之處在於,同一波更新也讓Genie 3在決定多數實務工作的那個維度上變得更好:G​oogle 較舊的世界模型現在能執行三分鐘的工作階段,並具備世界串接與 360 度全景基礎,而Genie 4的模型卡仍描述一個支援「約一分鐘連續互動」的系統。如果你這週正在決定是否要花 Ultra 的錢,該理解的是這種反轉——而不是照片級真實感。而如果你正圍繞它打造東西,今天你真正能呼叫的那半套堆疊,只有推理那一半:Gemini 3.8 Flash與Gemini 4 Argon都是已上線的端點,Genie 4 則不是任何地方的端點。

兩個日期,而非一個,以及為何這個差距很重要

Google 於 2026 年 10 月 27 日向受信任的測試人員與候補名單宣布 Genie 4。除了該測試人員群體之外,沒有人能取得它。11 月 18 日的貼文是不同類型的文件:它是可用性公告,並將該模型從「已報導」轉為「可購買」,而這是唯一會改變讀者今天能做什麼的轉變。

這篇貼文以 Google 自己的說法來看,實際範圍很窄。Genie 4 向符合資格的 AI Ultra 訂閱者推出。Google AI Pro 會員可以加入候補名單。同一次更新也推出 Genie 3 升級、Project Genie 代理程式,以及社群藝廊。沒有正式全面推出的日期、沒有 API 模型 ID、沒有每次生成的定價,也沒有基準測試。經過三週的報導,也仍未出現解析度數字或影格率。

所以,對11月18日最誠實的總結是:模型是真的,門是開著的,而這扇門是每月99.99美元的訂閱。

代價,以及這是為了什麼的代價

G​oogle AI Ultra 在美國的起價為每月 $99.99,而同一頁面還列出一個 $199.99 的方案,其使用量上限是 AI Pro 的 20 倍,而非 5 倍。兩者都包含 Project Genie;差別在於配額,而非功能。每月 $19.99 的 AI Pro 並不能讓你取得使用權——它只會給你一份候補名單表單。

• Genie 4 的入門價格 — 每月 $99.99(G​oogle AI Ultra,AI Pro 限額的 5 倍)

• 更高階方案 — 每月 $199.99(20 倍 AI Pro 額度,相同模型存取權限)

• 候補名單等級 — G​oogle AI Pro 每月 $19.99,今日尚無存取權限

• 年齡與地理範圍 — 18 歲以上;根據 G​oogle 自己的註腳,Project Genie 已在超過 140 個國家/地區提供

• 你買的不是什麼——API。Genie 4 在任何地方都沒有按 token 或按秒計費的價目表,而 Google 也未曾公布過。

最後那句話正是採購團隊常忽略的部分。瀏覽器產品的訂閱是席位,不是服務等級。你無法把席位接進自動化流程、無法對它做突發擴充,也無法在它降級時繞開它。這筆訂閱買到的是手動評估 Genie 4 的能力——對於從事預視覺化研究的工作室來說,這確實值 $99.99;但對於需要在建置流程中使用世界模型的團隊來說,則幾乎一文不值。

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 升級版是這次發佈中可用的那一半

在 Genie 4 的標題之下,埋藏著一系列 Genie 3 的變更,對任何實際工作的人來說更為重要,因為 Genie 3 是擁有較長工作階段預算的模型。Google 列出了四項:

• 延長工作階段與世界串接——每次生成時間最長可達 3 分鐘,高於原本的 60 秒,並將多個世界連結成更長的旅程

• 360 度全景定位——以全景影像為基礎,孕育出一個新世界,並在相機環顧時保持地點一致

• 即時世界內事件 — 以自然語言提示在工作階段進行中改變環境,而不只是在工作階段之間

• 模型選擇器 — Genie 3 與 Genie 4 並列可選,G​oogle 將其定位為適合較長執行與全景種子空間的選擇

把這些放在一起讀,G​oogle 其實在透露一件它不會明說的事:若要三分鐘的連續鏡頭,就選 Genie 3。Genie 4 在保真度、物理和音訊方面勝出;Genie 3 則在時長和空間定位上勝出。導演在為一段鏡頭安排場面調度時,從三個有空間依據的分鐘得到的東西,比從一個漂亮的一分鐘得到的更多;而音效設計師從 Genie 3 完全得不到東西,因為原生音訊只有 Genie 4 才有。

Genie 4 自己的規格表只有一個數字長

Genie 4 模型頁面是一項研究,展示廠商願意承諾什麼、不願意承諾什麼。它聲稱該模型是「迄今最逼真、最具互動性的世界模型」,描述可透過即時提示編輯天氣、鏡頭、角色與動作,並描述原生生成的音訊——環境音景、腳步聲、人群聲、角色語音——會隨著場景變化而調整。然後在同一段話中列出限制。

• 時長——「約一分鐘的連續互動,而非長時間的會話」

• 物體恆存性——視覺細節與物體恆存性「可能會隨時間偏移或漂移」,尤其是在大量編輯之後

• 多代理場景——在單一共享空間中對多位使用者與代理進行建模,被視為一項持續存在的研究挑戰

• 真實地點 — Google 表示,該模型無法完全準確地模擬現實世界的地點

• 螢幕上的文字 — 清晰可辨的文字通常只有在來自輸入描述時才會出現

• 音訊準確度 —「仍是持續研究與改進的領域」

• 狀態 ——「一項處於早期、持續演進的技術」

沒有解析度、沒有影格率、沒有延遲數字、沒有參數量。發布資料中的每一項說法,都是相對於 Genie 3 或 Google 自家先前的輸出來說的。這並不是否定該模型的理由——世界模型具備原生音訊是真正的能力變化——但這正是把「逼真」當成廠商形容詞、而非量測指標的理由。目前還沒有獨立數字,因為能取得存取權的人是訂閱者,而訂閱者不會發布評測。

本次發佈中的兩項新增內容與模型權重毫無關係,而是完全關乎為何訂閱是交付載體。

Project Genie 代理會接收自然語言描述並據此建構一個世界,協調 Google 的多模態模型產生初始視覺畫面與自訂背景配樂。在會話進行中,Gemini 模型會觀察螢幕、顯示建議晶片,並可觸發世界內事件。這正是先前的 Genie 4 報導曾指出、但大多數報導略過的同一套架構:世界模型加上規劃器,與影片生成器是截然不同的產物,因為它是以一連串經驗證的狀態來回應一個目標,而不是用一段短片來回應一個提示。

社群藝廊是這套發行策略的核心。精選世界與使用者打造的世界並列,其中任何一個都能開啟、重混或重新發布。G​oogle 委託製作了兩件展示作品——與創意技術專家 Will 合作的《Villa Giallo》,以及與電影製片人 Anand Gandhi 合作的《The Life of Ants》——這是常見模式:先用專業作品為藝廊鋪底,讓第一批使用者產出有可供衡量的基準。所有生成的影片與音訊都帶有 SynthID 浮水印,輸入與輸出也都會經過安全篩查。

畫廊展示所無法解決的是授權問題。G​oogle 尚未針對在 Project Genie 中建立的世界公布任何商業使用條款,而對一間工作室而言,這比一分鐘的時長上限是更大的阻礙。一家無法告訴客戶鏡頭歸誰所有的預視覺化供應商,所面對的問題是模型卡並未處理的。

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.

如果你正在打造這個迴圈,其中一半就已經是 API 了

實務上的分界如下。Genie 4 是沒有端點的瀏覽器產品。圍繞它的那些模型——負責規劃、驗證、建議標籤的模型——都是一般的 LLM 端點,而這些端點你今天就能呼叫。

Gemini 3.8 Flash 自然適合監看與檢查的角色:它是 Google 最聰明的 Flash 模型,專為軟體工程與多步驟代理式工作打造,具備 1,048,576 token 的上下文視窗與 65,536 最大輸出 token 數。在 OrcaRouter 上,它是 google/gemini-3.8-flash,每百萬輸入 token 0.75 美元、每百萬輸出 token 3.75 美元,快取輸入讀取則為 0.075 美元。Gemini 4 Argon 是 google/gemini-4-argon,價格為 2.00 美元與 10.00 美元——當規劃本身才是難題時,就是你會選用的模型,正如 Google 的機器人演示中,Argon 分解任務後由 Genie 4 模擬一樣。

有兩件事讓這種拆分值得妥善設置,而不是臨時拼湊。第一是定價:OrcaRouter 以 0% 加成直接傳遞供應商牌價,所以若 Google 調降 Gemini 價格,降價當天就會反映在你的金鑰上,無需重新議價。第二是架構:無法容錯移轉的世界模型就是單點故障,而能夠容錯移轉的規劃器則不是。跨供應商的自動容錯移轉,加上可將便宜模型固定用於驗證回合、較強模型用於規劃的路由 DSL,正是與 Genie 相鄰的管線所需的形式——因為昂貴且不可用的那一半,正是你無法控制的那一半。

要把話講清楚:這不是什麼。Genie 4 不在我們的產品目錄中,也不在任何人的目錄中。再怎麼進行路由,都無法讓尚未發布的端點可供呼叫;任何暗示相反的報導,都是在推銷 G​oogle 尚未推出的東西。

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.

誰該付費,誰該等待?

如果你從事預視覺化、關卡原型製作或機器人模擬研究,而且需要親自確認原生音訊加上一個兩分鐘級的世界,是否足以改變你的工作流程,那就在本週訂閱。$99.99 是一筆研究預算,而答案真的無法從示範中得知——整整一分鐘的音訊同步,正是生成音訊通常會出問題的地方,而且測試者群體之外沒有人回報過這件事。

若以下任一情況成立,請先等等:你需要 API、需要商業授權、需要超過三分鐘的工作階段,或你的作品仰賴物件恆存性能在編輯後依然維持。Genie 3 現在在第三種情況上的涵蓋程度優於 Genie 4。本次發布的版本中,沒有任何內容涵蓋前兩種情況。

值得關注的不是又一支展示影片,而是三份具體的公開資料:由任何有存取權限的人所提供的解析度與影格率、一份獨立的檢查,確認音訊在整個工作階段中是否始終鎖定其來源,以及一份使用條款頁面,說明誰擁有所生成的世界。在這些資料出現之前,Genie 4 是一個你可以評估的訂閱服務,以及一個你買不到的 API——而這兩句話之間的落差,正是本季每一項建置決策成形之處。