Jan Sverre Bauge

Genie 4 er nå i Gemini API – utviklere kan bygge med AI-verdener

Google har åpnet Genie 4 i Gemini API og AI Studio. Utviklere får bygge med interaktive AI-verdener i 720p, native lyd og sanntidsstyring.

Jan Sverre visualiserer Genie 4 som byggestein for interaktive AI-verdener
Genie 4 går fra forskningsdemo til en byggestein utviklere kan bruke gjennom Gemini API.

Genie 4 er nå tilgjengelig i Gemini API og Google AI Studio, og dermed kan utviklere for første gang bygge egne produkter med Googles interaktive AI-verdener. Modellen strømmer kontinuerlige verdener i 720p og 24 bilder i sekundet, lager lyd samtidig og lar brukeren styre både med tastatur og nye tekstkommandoer underveis.

Dette er tidspunktet der en imponerende forskningsdemo begynner å ligne en plattform. En verden du kan besøke i Googles egen tjeneste er underholdende. En modell som kan kobles til apper, spillprototyper, designverktøy og treningsmiljøer gjennom et API, kan bli råmateriale for helt nye produkter.

Jeg liker API-er nettopp fordi de flytter makten fra leverandørens ferdige brukerflate til folk som vil bygge noe selv. Genie 4 er fremdeles tidlig, dyr i kontinuerlig bruk og begrenset til korte økter. Likevel er utviklertilgangen en skikkelig milepæl. Nå får vi se om verdensmodeller kan bli nyttige verktøy, og ikke bare spektakulære klipp i en lansering.

Hva får utviklere tilgang til?

Genie 4 kan starte fra tekst, et referansebilde eller en kombinasjon av begge, og generere en interaktiv verden i 720p med 24 bilder i sekundet. Google åpnet modellen i Gemini API og AI Studio 19. november 2026, via Interactions API.

Brukeren beveger seg med WASD- eller piltaster. Samtidig kan en tekstkommando endre været, lyset, objekter eller hendelser mens verden kjører. Modellen lager også native lyd i takt med scenen, fra bakgrunnslyd og lydeffekter til musikk og dialog. Det er en viktig forskjell fra en vanlig videogenerator: Resultatet er ikke bare et ferdig klipp du ser på, men et miljø som svarer mens du utforsker det.

Gemini-modeller bidrar med resonneringen som skal holde tilstand, sammenheng og kontinuitet på plass. Det betyr ikke at modellen har løst fysikk eller langtidshukommelse i virtuelle verdener. Det betyr at Google forsøker å binde generering og styring sammen i én løpende simulering, i stedet for å lage en serie løse videobiter.

Genie 4 kobler tekst, styring og lyd til en interaktiv AI-verden
Genie 4 kombinerer generering, brukerinput og native lyd i en løpende, styrbar simulering.

Hvorfor Genie 4 i Gemini API er den virkelige milepælen

Gemini API gjør Genie 4 til en byggestein utviklere kan plassere i egne arbeidsflyter. Google peker på prototyper av interaktive opplevelser, visualisering av romlige konsepter og treningsmiljøer for roboter og AI-agenter. Det er tre ganske ulike markeder, men de har samme behov: å kunne skape et miljø, påvirke det og observere hva som skjer.

For spill og film er den åpenbare bruken rask utforsking av ideer. En designer kan starte med et bilde av et miljø, bevege seg inn i det og endre stemning eller innhold med tekst. Det er ikke det samme som å levere et ferdig spillnivå med pålitelig fysikk, faste regler og håndlagde detaljer. Som prototypeverktøy kan det likevel kutte avstanden fra en idé til noe folk faktisk kan gå rundt i.

For roboter og AI-agenter er muligheten mer langsiktig. En verdensmodell kan gi et system mange virtuelle situasjoner å øve i uten å knuse en ekte robot eller stanse en fabrikk. Google beskriver simulering av verden som et steg mot AGI og trekker fram trygg trening av roboter og agenter. Det er Googles ambisjon, ikke et bevis på at Genie 4 allerede er en presis simulator for virkeligheten.

Det skillet er viktig. Modellen genererer en overbevisende, styrbar verden, men en visuelt troverdig scene er ikke automatisk fysisk korrekt. Skal en robot trenes på resultatet, må utvikleren vite hvilke egenskaper som faktisk er stabile nok til å brukes. Her kommer erfaring, målinger og kjedelig kvalitetskontroll inn. Det gjør den alltid, selv når demoen ser ut som magi.

Slik strømmer Genie 4 verdenen

Nettleserapper kan motta strømmen over WebRTC, mens serverbaserte løsninger kan bruke WebSocket. Ifølge TestingCatalogs gjennomgang av utviklerdokumentasjonen kan klienter bruke en midlertidig nøkkel for én økt, slik at hovednøkkelen til Gemini API ikke må ligge åpen i nettleseren.

Det er en fornuftig arkitektur for sanntidsbruk. WebRTC er laget for mediestrømmer med lav forsinkelse, mens WebSocket gir serverkode en vedvarende toveis forbindelse. Utvikleren oppretter en økt, sender inn oppsettet for verdenen og lar deretter brukerhandlinger og tekstmeldinger påvirke simuleringen fortløpende. Dokumentasjonen advarer om at det ikke er nok å lukke nettleserfanen: Økten må avsluttes med complete() eller cancel() for at genereringen og faktureringen skal stoppe.

Tastaturbevegelser skal gi respons på omtrent et halvt sekund, mens nye tekstkommandoer bruker rundt ett til to sekunder. Hver økt er begrenset til 120 sekunder, og kjøringen skjer fra datasentre i USA, Vest-Europa og Japan. To minutter er nok til en prototype, en interaktiv presentasjon eller en avgrenset treningssituasjon. Det er ikke nok til en lang, sammenhengende spilløkt.

Alle resultater har et usynlig SynthID-vannmerke. Google opplyser også at inndata og utdata sikkerhetssjekkes. For utviklere betyr det at modellen kommer med både tekniske og innholdsmessige rammer som må tas med i designet fra første dag, særlig hvis brukerne kan skrive frie kommandoer midt i en økt.

Hva koster Genie 4 i praksis?

Genie 4 krever en betalt Gemini API-konto og koster omtrent 0,10 dollar per sekund med videostrøm og stereolyd. Med Norges Banks dollarkurs på 9,6866 kroner 19. november 2026 er det cirka 97 øre per sekund, eller omtrent 58 kroner per minutt.

En økt på maksimal lengde, 120 sekunder, ender dermed på rundt 12 dollar, altså cirka 116 kroner. Ti fulle testøkter blir fort over tusenlappen. Prisen er overkommelig for målrettet prototyping, men den gjør det lite fristende å la utviklere eller brukere vandre rundt uten grenser mens måleren går.

Den oppgitte tokenprisen er 1,50 dollar per million input-tokens, 9 dollar per million tekst-tokens ut og 17,50 dollar per million video-tokens ut. Videoen er den store kostnaden. Derfor bør de første forsøkene ha korte økter, tydelige mål og harde kostnadsgrenser. Ellers kan en morsom sandkasse bli en overraskende effektiv maskin for å gjøre dollar om til pikselstøv.

Kostnaden for Genie 4 stiger fra sekunder til fulle testøkter
Med omtrent 0,10 dollar per sekund koster en maksimal økt på 120 sekunder rundt 12 dollar.

Dette er fortsatt en tidlig verdensmodell

Google dokumenterer at Genie 4 bruker et rullerende visuelt tidsperspektiv i stedet for en varig 3D-scene. Objekter kan flytte på seg eller forsvinne når kameraet vender bort, og den visuelle stabiliteten kan svekkes etter 60 til 90 sekunder. Hver økt har en hard grense på 120 sekunder. Genie 4 er ikke en erstatning for Unreal Engine, Unity eller regelverket i en solid simulator.

En tradisjonell spillmotor vet hvilke regler som gjelder og kan gjenta dem. En generativ verdensmodell forsøker å lage neste del av opplevelsen ut fra det den har sett, det brukeren gjør og instruksjonene den får. Det gir en fleksibilitet som håndbygde miljøer ikke har, men også mer usikkerhet. En dør som var der for ti sekunder siden, bør helst fortsatt være der når du snur deg. «Helst» er ikke godt nok i alle produkter.

Da Genie 4 først ble presentert, var sanntidsstyring og native lyd selve modellnyheten. Nå er spørsmålet hva utviklere klarer å bygge når de får modellen i hendene. Jeg ville startet med bruksområder som tåler variasjon: konseptutvikling, kreative prototyper, korte opplevelser og avgrensede treningsscenarioer. Produkter som krever millimeterpresisjon, lange økter eller helt forutsigbar fysikk bør vente på dokumentasjon, egne målinger og flere generasjoner.

Det er heller ingen grunn til å late som dette er ferdig bare fordi API-et finnes. Utviklertilgang er starten på den praktiske prøven. Nå kommer feilrapportene, kostnadsmålingene og de merkelige ideene ingen på innsiden av Google tenkte på. Det er akkurat derfor åpningen er spennende.

Fra generert video til programvare som kan svare

Genie 4 viser en retning der generert video blir mindre som en fil og mer som et grensesnitt. Når bildet, lyden og handlingen produseres samtidig, kan programvaren svare med en hel verden i stedet for en tekstboks eller en fast animasjon. Det kan endre hvordan vi lager opplæring, visualisering, underholdning og agentmiljøer.

Det skjer ikke over natten. Pris, varighet, forsinkelse og stabilitet setter tydelige grenser i dag. Men 720p ved 24 bilder i sekundet med løpende lyd og styring er konkret nok til at utviklere kan gjøre mer enn å diskutere potensialet. De kan koble modellen til en applikasjon og finne ut hvor den holder – og hvor den faller sammen.

Det er dommen min: Genie 4 i Gemini API er en reell milepæl, ikke fordi alle nå kan lage et ferdig spill med en prompt, men fordi verdensmodellen endelig kan bli en del av programvare andre bygger. Start smalt, mål kostnaden og ikke forveksle vakre bilder med pålitelig fysikk. Men bygg. Det er først nå den interessante delen begynner.

Ofte stilte spørsmål

Kan alle bruke Genie 4 gratis i Gemini API?

Nei. Genie 4 krever tilgang til det betalte nivået i Gemini API. Modellen koster omtrent 0,10 dollar, cirka 97 øre, per sekund med videostrøm og stereolyd. Google AI Studio har et interaktivt arbeidsområde og startapper, men selve modellbruken er ikke gratis.

Hvor lenge kan en Genie 4-verden kjøre?

En enkelt økt kan vare i opptil 120 sekunder. Det passer til korte prototyper, demonstrasjoner og avgrensede simuleringer, men ikke til lange spilløkter.

Kan Genie 4 erstatte en vanlig spillmotor?

Ikke i dag. Genie 4 kan generere og endre interaktive miljøer i sanntid, men dokumentasjonen beskriver et rullerende visuelt tidsperspektiv der objekter kan flytte på seg eller forsvinne. Modellen er mest aktuell for prototyper og opplevelser som tåler generativ variasjon.

Hva kan utviklere bygge med Genie 4?

Google trekker fram interaktive prototyper, romlig visualisering og treningsmiljøer for roboter og AI-agenter. Kreative opplevelser, spillkonsepter og raske designforsøk er nærliggende bruksområder, mens sikkerhetskritiske simuleringer krever langt grundigere dokumentasjon og testing.