Genie 4 涩谷实测帖被 Hassabis 转发:测试者称行人实时生成不破绽、10 秒约 1 美元
11 月 20 日 16 时 26 分(UTC),@3DVR3 在 X 上发布了一段视频:他在 Genie 4 生成的涩谷街景中行走。他称,连行走中的行人都是实时生成的,没有破绽;转身后会一时不知道这是哪里。在他看来,画质大约相当于数年前的视频生成水平,但「能感受到潜力」。
帖文还写着:「生成时每 10 秒约 1 美元。涩谷,连等红绿灯都要花钱。」
11 月 21 日 4 时 17 分(UTC),Demis Hassabis 在他的 X 账号上转发了这条帖子,没有附加评论。
Genie 4 是 Google DeepMind 的世界生成模型。11 月 18 日(UTC),Google 通过 Project Genie 向符合条件的 Google AI Ultra 订阅者开放了它;11 月 19 日(UTC),又经 Gemini API 和 Google AI Studio 向开发者开放。官方博客称,开发者可以从文本、参考图或两者生成 720p、24fps 的连续世界,用键盘实时移动,并在生成中改动天气、光照、物体或事件。
雨里的涩谷,和一行按秒计费的提示
视频画面是雨中的涩谷全向十字路口:行人撑着伞过街,QFRONT 等招牌亮着,湿路面反着光。界面顶栏标着「Google Genie 4」和「渋谷スクランブル交差点」,右上角显示「ライブ 24秒」;底部列出 W/A/S/D 移动、方向键转头、Esc 结束,右下角写着「生成中 約$0.10/秒・1回最大120秒」。
这张截图只定格了一帧。画面里确实有正在过街的行人,但实时生成且不破绽是他对整段视频的判断,单帧无法证明。
「转身后不知道这是哪里」,对应的是滚动视野
Google 的 Gemini API 文档对 Genie 4 的空间连续性写得很具体:它在一个滚动的时间窗口里逐帧生成,并不维护持久的三维场景图。文档说,视线离开某个物体 8 秒以上,或原地转 360 度,地标、门和按钮可能移位或重置;画面稳定性可能在 60~90 秒后下降,单次会话的硬上限是 120 秒。
文档的快速上手还举了一个具体例子:转身 180 度离开运河,几秒后再转回来,背景建筑可能已经重新排列。
测试者的体验与这条限制吻合:他看到的不是一个持续存在的街区,而是围绕当前视角不断重建的画面。文档还提醒,招牌、仪表和时钟上的文字会随时间变形,精确的物体数量也会在镜头平移时漂移。在这个 60~90 秒的稳定窗口内,「不破绽」可以成立;超出窗口,官方文档也提示画面可能退化。
0.10 美元/秒:界面和文档写的是同一个价
测试者写的「10 秒约 1 美元」,与画面右下角的提示对得上:0.10 美元/秒 × 10 秒 = 1 美元。Gemini API 文档给出的计费口径更细:每帧 240 个视频输出 token,24fps 下每秒 5,760 个 token,含立体声音频约 0.10 美元/秒;使用 Genie 4 需要付费层级的 API key。
按这个单价,1 分钟约 6 美元,一次 120 秒的会话约 12 美元。
计费什么时候停,文档也写得很具体:关掉浏览器标签页或断开本地连接,只是断开了传输,服务器端的生成不会立刻停止;要调用 complete() 才会结束会话和计费。按文档的计费方式,只要会话还在生成,站着等红绿灯也按同一单价计费——那句「连等红绿灯都要花钱」因此有了字面意义。
帖文没有说明他使用的是 Project Genie 还是 Gemini API/AI Studio。界面按秒显示费用,和 API 文档的计价单位一致;仅凭这一点,不能确认渠道。
转发没有配文,20 万浏览也不是独立验证
截至 11 月 22 日,原帖显示约 20.2 万次浏览、2,000 余次点赞。转发本身只说明他分享了这条帖子,不构成对画质、费用或渠道的独立验证。
这条帖子的证据是一段视频和几句自述;没有公开可复核的会话记录或账单。「没有破绽」和「数年前画质」都是主观判断;能核对的是单价:0.10 美元/秒同时出现在产品界面和 API 文档里,10 秒 1 美元是这道算术的结果,不是一张独立账单。
按文档的参数,单次会话最长 120 秒,且不支持会话恢复。若想把这样一段漫步延长到 10 分钟,至少要开 5 次会话,按 0.10 美元/秒计算约 60 美元,而且每次都要重新建立世界。