Introduzione a Genie 4 e alla sua disponibilità per gli sviluppatori

Il 19 novembre 2026 Google ha lanciato la versione per sviluppatori di Genie 4, integrandola nella Gemini API (v1beta) e in Google AI Studio. Il nuovo modello permette di generare mondi interattivi in tempo reale, rispondendo a comandi da tastiera (WASD, frecce) e a prompt testuali, producendo video continuo in 720 p a 24 fotogrammi al secondo con audio stereo sincronizzato.

Gli sviluppatori possono creare un ambiente a partire da testo, da una singola immagine di riferimento o da entrambi. La documentazione distingue questa generazione “frame‑by‑frame” in tempo reale da una semplice creazione offline di un clip video statico.

Caratteristiche tecniche e modalità di utilizzo

Modello e API

La versione per sviluppatori utilizza il modello models/genie-4 nella Gemini API v1beta. Per avviare una sessione è necessario:

    • Creare un’interazione mediante una chiamata API.
    • Stabilire una connessione via WebRTC (consigliata per applicazioni browser interattive) o WebSocket (utile per workflow Python/Node.js, cattura di frame e pipeline personalizzate).
    • Inviare un evento world_setup per configurare il mondo.
    • Controllare l’ambiente con eventi user_action (tastiera) o input testuali.

Le applicazioni browser possono usare token efimeri limitati a una singola interazione, mantenendo la chiave API permanente sul server.

Limitazioni di durata e coerenza visiva

Google impone un limite di 120 secondi per ogni sessione. I primi 45‑90 secondi rappresentano il periodo di massima coerenza visiva; oltre i 60‑90 secondi la stabilità può deteriorarsi. La generazione avviene in una “finestra mobile” senza una scena 3D persistente, perciò spostamenti prolungati (≥ 8 s) o rotazioni a 360° possono causare il reset di punti di riferimento, porte e pulsanti.

La risoluzione è fissa a 16:9; non è possibile scegliere modalità verticale né modificare la frequenza dei fotogrammi. Le sessioni sono offerte esclusivamente dai data‑center statunitensi.

Latenza e risposta

Con una rete a bassa latenza, la risposta visiva ai comandi da tastiera è di 0,2‑0,5 s; i cambiamenti testuali richiedono 1‑2 s. Una latenza di round‑trip superiore a 150 ms rallenta notevolmente il controllo tramite tastiera.

Genie 4 non supporta streaming da microfoni o webcam, chiamate a funzioni, integrazione con la Ricerca Google, output strutturati né la possibilità di riprendere un’interazione completata.

Gestione della fatturazione e dei costi

Prezzi standard

Genie 4 richiede una chiave Gemini API appartenente a un piano a pagamento; non è disponibile nel tier gratuito. I costi sono:

    • 1,50 $ per ogni milione di token di input (testo o immagine).
    • 9 $ per ogni milione di token di output testuale.
    • 17,50 $ per ogni milione di token di output video (includendo l’audio stereo).

Con 240 token video per fotogramma (5 760 token al secondo), il costo effettivo è circa 0,10 $ al secondo o 6,05 $ al minuto. Le opzioni Batch API, inferenza Flex e inferenza Priority non sono compatibili con Genie 4.

Controllo dei costi tramite chiamate API

Chiudere una scheda del browser o interrompere la connessione locale non ferma immediatamente la generazione sul server, né interrompe la fatturazione. È necessario:

    • Invocare complete() per terminare la generazione e la fatturazione.
    • Invocare cancel() per interrompere la generazione sul server.

Queste chiamate esplicite sono fondamentali per evitare costi inattesi.

Quote di utilizzo e limiti di sessione

I limiti di richieste variano in base al livello di utilizzo del progetto a pagamento:

LivelloSessioni attive simultaneeRichieste al giorno
Livello 1250
Livello 25250
Livello 3101 000

I messaggi di controllo in tempo reale all’interno di una sessione non consumano quote aggiuntive di richieste per minuto o per giorno.

Scenari d’uso consigliati e differenze rispetto a Project Genie

Google indica diversi casi d’uso per Genie 4:

    • Prototipazione rapida di esperienze interattive.
    • Visualizzazione di concetti spaziali complessi.
    • Allenamento di robot e agenti di IA in ambienti simulati.

Tutte le uscite includono una filigrana impercettibile di SynthID per identificare il contenuto generato.

L’annuncio della API segue l’aggiornamento di Project Genie del 18 novembre 2026, che aveva offerto l’accesso a Genie 4 a utenti Ultra e una lista d’attesa per gli utenti Pro. Quella versione era focalizzata sulla creazione da browser, su un agente interno a Project Genie e su una galleria comunitaria. La nuova API introduce sessioni per sviluppatori, documentazione dettagliata, prezzi a consumo e quote di utilizzo.

Conclusioni

Genie 4 rappresenta una svolta nella generazione di mondi interattivi in tempo reale, ma è progettato per simulazioni brevi e controllate, non per mondi persistenti che le applicazioni possano salvare e ricaricare. La limitazione a 120 secondi, la mancanza di un modello 3D permanente e la dipendenza da una latenza di rete bassa ne definiscono i confini pratici.

Gli sviluppatori interessati a esperimenti di robotica, prototipi di UI/UX immersivi o visualizzazioni spaziali possono trarre vantaggio dalla flessibilità offerta da WebRTC e WebSocket, purché gestiscano attentamente la fatturazione tramite le chiamate complete() e cancel(). Con prezzi trasparenti e quote scalabili, Genie 4 si posiziona come uno strumento potente, ma da utilizzare con una chiara comprensione delle sue limitazioni tecniche e operative.