A Google tornou o Genie 4 disponível para programadores através da API Gemini e do Google AI Studio a 19 de novembro de 2026, um dia depois do primeiro lançamento do modelo. O modelo, designado models/genie-4 na API, gera mundos interativos em tempo real em vez de clipes de vídeo fixos e é servido pela Interactions API no canal v1beta.

Segundo o anúncio da Google, quem desenvolve pode partir de uma instrução em texto, de uma imagem de referência ou de ambas, e o modelo produz então um mundo contínuo a 720p e 24 imagens por segundo com áudio nativo sincronizado. O som vai de ambientes sonoros e efeitos a diálogos de personagens. Durante a sessão, o utilizador navega com controlos de teclado em tempo real e pode alterar o clima, a iluminação, os objetos ou os acontecimentos com instruções de texto em direto. A Google afirma que o raciocínio do Gemini mantém o estado do mundo coerente à medida que essas alterações chegam.

O registo de alterações da API Gemini acrescenta pormenores técnicos. A saída é vídeo 16:9 com áudio estéreo de 48 kHz, transmitido por WebRTC e WebSockets, e a imagem de referência tem de ser 16:9. As sessões podem ser dirigidas com as teclas WASD ou as setas e com eventos de texto enviados a meio da sessão. O registo classifica o lançamento como disponibilidade geral e indica que só existe no escalão pago.

O preço é de 1,50 dólares por milhão de tokens de entrada e 9,00 dólares por milhão de tokens de saída de texto. A saída de vídeo custa 17,50 dólares por milhão de tokens, o que a Google converte em cerca de 0,10 dólares por segundo de mundo gerado, com o áudio estéreo incluído. Uma sessão interativa contínua é, assim, faturada sobretudo pela duração, o que torna o planeamento de custos diferente de um pedido de texto habitual.

A Google sugere três utilizações: prototipar experiências interativas, visualizar conceções de espaços e treinar robôs e agentes de IA. O Google AI Studio oferece uma tela interativa e aplicações de arranque para experimentar o modelo antes de escrever código, e a empresa remete para a página de preços e para a documentação da API a quem quiser construir. Cada saída leva uma marca de água SynthID impercetível, que a Google recorda como parte da sua abordagem à proveniência de conteúdos gerados.

A novidade leva um modelo de mundos de uma montra para consumidores a um produto para programadores com preço publicado, o que permite às equipas estimar quanto custariam ambientes simulados em tempo real para testar agentes e criar protótipos. Nas fontes consultadas, a Google não divulgou comparações de desempenho, valores de latência nem limites de duração das sessões, pelo que a qualidade e o custo reais em escala terão de ser avaliados pelos primeiros utilizadores.

Referências