SolutionsChoose your path
For individualsBuild, learn, and create with simple usage-based access. For businessScale teams, billing, governance, and model workflows. ai-comparisons/CometAPI 研究
Google Genie 4 對比 Genie 3：新功能與關鍵差異
探索 Google Genie 4 相較於 Genie 3 的新功能：原生音訊、互動式對話、場景控制、工作階段限制，以及 Project Genie 存取權限。
Deon GoodwinAI 模型與 API 研究團隊 from openai import OpenAI
client = OpenAI(
api_key="YOUR_COMETAPI_KEY",
base_url="https://api.cometapi.com/v1",
)
response = client.chat.completions.create(
model="gpt-5-mini",
messages=[{"role": "user", "content": "Build this workflow."}],
)
print(response.choices[0].message.content)
重點摘要
Google DeepMind 於 2026 年 10 月 27 日宣布推出 Genie 4。其全新的世界模型在 Genie 3 建立的即時視覺環境基礎上，加入原生音訊、可互動的角色對話，以及由 Gemini 協助的場景控制。
對開發者、設計師與研究人員而言，Genie 4 開啟了更豐富的場景雛形製作方式：你可以探索環境、改變發生的事件，並聆聽角色回應。其最強的吸引力在於互動式敘事與早期概念開發。訪問將以受限的研究預覽開始。
重點整理
- 主要升級：Genie 4 在 Genie 3 建立的視覺世界上加入聲音、可回應的角色，以及更具表達力的場景控制。
- 互動與推理：Genie 4 結合情境化的場景操控與由 Gemini 協助的事件序列規劃。
- 存取：Genie 3 為現有的 Project Genie 體驗提供動力。Genie 4 先由受信任的測試者使用，並計畫擴大存取。
- 實際用途：Genie 4 在創意探索與模擬研究上頗具潛力，但可重現性與物理準確性仍待驗證。
Genie 4 與 Genie 3：一覽
以下差異有助於在 2026 年 10 月 30 日的可得資訊下，決定你要探索的方向。
|
| 發布時間 | August 5, 2025 | October 27, 2026 |
| 核心輸出 | 互動式視覺環境 | 具原生音訊的互動視覺 |
| 場景控制 | 導航與可透過提示觸發的世界事件 | 在情境脈絡中的自然語言操控，並由 Gemini 協助 |
| 角色對話 | 引用的發佈資料中未見明確說明 | 展示了互動式對話 |
| 物理行為 | 自然現象與環境互動 | 擴展展示了碰撞、空氣動力學與人類動作 |
| 推理整合 | 展示了與 AI 智能體的互動 | 由 Gemini 協助的事件規劃與監控 |
| 發佈時的解析度與影格率 | 720p，24 FPS | 未提供可比較的數據 |
| 連貫性 | 研究示範中達數分鐘 | 數分鐘的連續互動；不支援延長工作階段 |
| 消費者存取 | Project Genie 向全球符合資格且年滿 18 歲的 Google AI Ultra 訂閱者推出 | 計畫擴大 Project Genie 的存取 |
| 面向大眾的 API 與定價 | 引用資料未有定論 | 預計提供給特定合作夥伴；未公佈公開定價 |
| 典型適用場景 | 探索生成的視覺世界 | 評估更豐富的互動概念與情境 |
什麼是 Genie 4？它如何運作？
Genie 4 是一個世界模型，會隨事件發生生成可互動的環境。你可以透過鍵盤操作進行導航，並以文字引導場景，而非從頭到尾觀看固定影片。其關鍵變化在於世界如今能夠透過動作、聲音與對話進行回應。
Gemini 模型協助把你的指令連結到不斷演變的場景。Gemini Omni 支援其外觀與行為，而推理模型幫助解讀目標並維持連貫性。對創作者而言，這代表可以與一個持續發展的情境互動：引入角色或改變天氣，然後探索其回應。
Genie 3 與 Project Genie 體驗
Google DeepMind 於 2025 年 8 月 5 日推出 Genie 3，為即時世界生成奠定重要里程碑。
Google 報告了720p 的 24 FPS 輸出，在數分鐘的互動中能維持大致一致的環境。Google DeepMind 最初的 Genie 3 拼貼圖展示了多樣環境與即時導航，從火山地貌到城市水道。
2026 年 1 月 29 日，Google 推出 Project Genie，讓符合資格的 Google AI Ultra 訂閱者（初期於美國）可進行世界創建與探索。
在 2026 年 5 月 19 日，Google 宣布 Project Genie 將逐步向全球年滿 18 歲且符合資格的 Google AI Ultra 訂閱者推出。此次擴展也引入了 Street View 對齊，初期使用美國地點。
初始的 Project Genie 原型將生成上限設為 60 秒，並省略了一些研究功能，包括可透過提示觸發的世界事件。這是應用在發佈時的限制，而非底層 Genie 3 模型所能展示的最長互動。
Genie 4 有哪些新功能？
Gemini 協助的場景控制
Genie 4 允許你在世界運行時塑造其狀態。當想法改變時，不必每次都重新開始，你可以用自然語言改變天氣、引入人物或物件，或重新導向鏡頭。Gemini 會在場景脈絡中解讀這些請求，協助變更貼合當前發生的情況。
Gemini 的整合也支援事件序列。Gemini Omni 幫助錨定世界的外觀與行為，而 Gemini 3.8 Flash 觀察場景、將目標分解為步驟並檢查進展。結果是以不斷演變的情境為核心的創作流程：給世界一個方向，探索其回應，並打磨下一步行動。
原生音訊與互動式對話
聲音是 Genie 4 生成世界的一部分。環境音、音樂與語音可伴隨視覺環境，讓場景同時具備聽覺與視覺的識別。對創作者而言，這使得在未先組裝獨立配樂的情況下，也能探索體驗的氛圍。
互動式對話則增添另一個維度：角色可以對你的輸入與正在發生的事件作出回應。對話可成為探索場景的一部分，而非附加其上的固定錄音。這對於勾勒互動式故事，或測試角色如何為場景做出貢獻尤其有用。
物理與人類動作
Genie 4 更著重於人物與物件在場景中的行為。其示範包含碰撞、空氣動力學效果，以及角色更自然的移動與反應。相較於僅僅在逼真的地景中導航，這讓創作者能更大幅度地探索動作、肢體喜劇，或角色對於正在發生事件的反應。
動作也會改變概念的傳達方式。人轉向聲音、調整以避開障礙，或對其他角色作出反應，都能讓場景目的更易於理解。
Google 也描述了早期機器人實驗，其中 Gemini 4 Argon 提供多步驟計畫以引導 Genie 4 模擬。這指向可用於探索智能體行為的環境。
視覺寫實與物理互動
Genie 4 結合更自然的人物與更豐富的物理事件，包括碰撞與空氣動力學行為。對於遊戲概念或分鏡而言，這很重要，因為動作與反應有助於傳達場景：角色對事件的回應往往比僅有細緻背景更能傳神。
Genie 3 為探索生成地景打下了堅實基礎。Genie 4 則將更多創作重心放在地景內「發生什麼」。因此，一次有效的概念檢視可提出三個問題：動作是否清晰可讀？角色反應是否可信？在移動過程中場景是否保持連貫？
Google DeepMind 的 Genie 4 宣傳影像。探索隨附的互動示範，以觀察動作與角色回應。
一致性與可靠性
Google 將物件漂移與長期一致性視為持續的挑戰。場景可能看起來可信，但在鏡頭移動或多次編輯後，物件會發生變化。複雜的物理互動、可讀文字、空間準確度與即時音訊也仍是研究問題。
Genie 4 與 Genie 3：影格率與延遲
Genie 3 以 720p、24 FPS 發佈。Genie 4 的相應解析度、影格率與互動延遲數據在其發表中未提供，因此尚無法確立其在速度或視覺品質上的數據優勢。
影格率與互動延遲
影格率描述視覺輸出更新的頻率。互動延遲描述使用者在移動、轉動鏡頭或發出場景指令後需等待的時間。模型可能在產生流暢畫面的同時對編輯反應遲緩，因此兩者應分別評估。
對於互動原型，記錄從輸入到首次相關可見回應的延遲、移動時的影格率，以及場景變更後的中斷情況。對兩個模型使用相同的輸入序列與可比的網路條件。
工作階段時長與視覺記憶
工作階段長度限制、場景維持連貫的時間，以及離開後能否回憶物件，這些是不同屬性。Project Genie 初期 60 秒的產品限制，並非對 Genie 3 底層記憶或最長研究示範的直接衡量。
Genie 4 支援數分鐘的連續互動，而非延長的會話。請規劃短且聚焦的探索，並在鏡頭移動或重複編輯後檢視連貫性。僅僅更長的會話並不能顯示模型記住物件的程度。
Genie 4 與 Genie 3：成本
訂閱存取與 API 定價
在存取與預算上，將消費者訂閱與開發者 API 使用區分。Project Genie 是探索生成世界的一條途徑；訂閱不等同於具量計費與整合選項的 API。
|
| 消費者途徑 | Project Genie 面向全球年滿 18 歲且符合資格的 Google AI Ultra 訂閱者 | 計畫擴大 Project Genie 的存取 |
| 獨立公開 API 費率 | 引用資料未有定論 | 發佈資料未公告 |
| 按工作階段或按分鐘收費 | 此處未建立可比的公開費率 | 此處未建立可比的公開費率 |
| 自我託管成本 | 引用資料未釋出公開權重 | 引用資料未釋出公開權重 |
目前請依可用的存取路徑規劃預算。若要進行 API 整合，請先確認公佈的費率、計費單位與工作階段控制，再估算專案成本。
每個可用原型的成本
針對創意工作，在計算成本前，先定義何謂可用的工作階段：必要的場景、成功的互動、可接受的連貫性，以及團隊可供審閱的輸出。追蹤生成嘗試次數、等待時間、人工修正，以及被捨棄的工作階段。
當計量計費可用時，將所有嘗試的總計費用與達成上述標準的原型數量做比較。對於訂閱存取，請將訂閱費與人力時間分開報告；避免將假設的每分鐘價格呈現為官方費率。
Genie 4 與 Genie 3：該選哪個模型？
- 選擇 Genie 3 以便捷探索：Project Genie 為符合資格的 Google AI Ultra 訂閱者提供現成的消費者體驗。這是探索生成世界的實用起點。
- 評估 Genie 4 以獲得更豐富的互動：其原生音訊、可回應對話與由 Gemini 協助的場景控制，使其在互動式敘事、遊戲概念與創意前期視覺化方面很有前景。
- 對於機器人研究，謹慎評估 Genie 4：其展示的物理互動與多步驟事件屬於有趣的研究進展，但尚不足以證明工程等級的物理準確性。
- 對確定性生產流程，使用傳統引擎或經驗證的模擬器：若你的專案需要可重現的物理、結構化資產、精準的碰撞行為或可預測的遊戲邏輯，未經大量測試的生成世界模型不應取代經驗證的模擬系統。
如何存取 Genie 4 與 Genie 3？
官方存取
Project Genie 自 2026 年 5 月 19 日起開始全球推廣，對象為年滿 18 歲且符合資格的 Google AI Ultra 訂閱者。若要專為世界創建而訂閱，請先檢查你的帳戶資格與可用功能。
Genie 4 以受信任測試者的研究預覽起步。Google 計畫透過 Project Genie 與 Gemini API、Google AI Studio 的特選早期存取夥伴擴大開放。
Ultra 訂閱或既有的 Gemini API 金鑰不會自動授予 Genie 4 的即時存取資格。請檢查你的帳戶是否已收到預覽邀請。
上述 CometAPI 連結與支援的 Gemini 推理模型相關。若要進行世界模擬整合，請尋找另行提供的文件，內容涵蓋 Genie 4 存取、模型識別碼、請求格式與工作階段計費。
結論
Genie 3 奠定了生成視覺世界的即時探索方向。Genie 4 進一步擴展此路線，帶來可回應的聲音、對話、更豐富的物理行為，以及由推理協助的事件。
若你想探索更豐富的敘事或互動概念，隨著預覽存取擴大，Genie 4 值得關注。對於想要今天就嘗試世界創建的符合資格訂閱者而言，Project Genie 仍是實用的起點。從一段短場景與一次有意義的互動開始，然後判斷結果是否有助於你的創作流程。
常見問題
Genie 4 是否向大眾開放？
Genie 4 以受信任測試者的研究預覽開始。之後計畫透過 Project Genie 與特選的開發者夥伴擴大存取。你可以加入等候名單，但既有的 Project Genie 資格不代表會立即獲得 Genie 4 邀請。
Genie 4 的世界是否可匯出至 Unity 或 Unreal Engine？
引用的發佈資料未記載匯出至任一引擎的場景資產管線。可導航的生成場景本身並不等同於可編輯的網格、材質、碰撞幾何或遊戲邏輯。若引擎整合至關重要，請在選用工具前驗證實際匯出格式與支援的工作流程。
如何讓 Genie 4 的評估可重現？
保留起始提示或影像、行動序列、時間、模型版本與可用的生成設定。重複執行該情境，並保存錄影與失敗紀錄。缺乏文件化的決定性控制時，這些紀錄有助於跨次比較，但不保證可生成完全相同的世界。
Genie 4 能否證明機器人在真實世界的安全性？
單靠生成式模擬無法建立真實世界的安全性。可用於探索情境或形成假設，重要行為須以適切的物理模型、受控硬體測試與針對任務的安全流程加以驗證。視覺逼真並不等同於量測到的動力學或可靠的實體轉移證據。
SynthID 對 Genie 4 輸出代表什麼意義？
Google 表示 Genie 4 的影像與音訊將帶有其 SynthID 浮水印，有助於識別 AI 生成素材。產出溯源標記不等同於物理準確性、事實性歷史重建或模擬事件的可靠性。這些問題仍需依內容與用途另行檢驗。
