Genie 4 chega à API Gemini para criar mundos com IA
O Genie 4, modelo de mundo desenvolvido pelo Google DeepMind, foi disponibilizado para desenvolvedores por meio da API Gemini e do Google AI Studio. A tecnologia transforma comandos de texto, imagens de referência ou a combinação dos dois em ambientes interativos que podem ser explorados e modificados em tempo real.
A novidade leva o sistema para além das demonstrações e do Project Genie, permitindo sua integração a aplicativos de terceiros. O Genie 4 produz cenas contínuas em 720p, a 24 quadros por segundo, com áudio sincronizado, efeitos sonoros, sons ambientes e diálogos de personagens.
Tabela de conteúdos
Como o Genie 4 cria ambientes interativos
Depois da geração inicial, o usuário pode navegar pelo cenário usando as teclas WASD ou as setas do teclado. Também é possível enviar novos comandos durante a sessão para alterar iluminação, clima, objetos e acontecimentos. O Genie 4 usa recursos de raciocínio da família Gemini para manter a coerência do ambiente conforme essas mudanças ocorrem.
Essa combinação diferencia o recurso de um gerador de vídeo convencional. Em vez de entregar somente uma sequência fechada, o modelo mantém um mundo responsivo às ações do usuário. A proposta abre espaço para protótipos de jogos, experiências narrativas, visualizações arquitetônicas e testes de interfaces tridimensionais.
O Google AI Studio oferece uma área interativa e aplicativos iniciais para experimentação. Já a documentação da API Gemini descreve a integração do Genie 4 em projetos próprios, incluindo as formas de transmissão e autenticação necessárias para aplicações no navegador ou no servidor.
Transmissão, controles e limites técnicos
O Genie 4 transmite o conteúdo por WebRTC em experiências executadas no navegador e por WebSockets em implementações no servidor. Para reduzir a exposição da chave principal no cliente, a plataforma oferece tokens temporários vinculados a uma única sessão.
Cada sessão pode durar até 120 segundos. Segundo as especificações divulgadas, comandos de movimentação respondem em cerca de meio segundo, enquanto alterações solicitadas por texto levam de um a dois segundos. O atendimento ocorre a partir de data centers nos Estados Unidos, na Europa Ocidental e no Japão.
As saídas do Genie 4 recebem a marca d’água imperceptível SynthID, mecanismo do Google usado para identificar mídia produzida por inteligência artificial. O recurso busca facilitar o reconhecimento da origem sintética sem adicionar um selo visível sobre a experiência.
Preço do Genie 4 na API Gemini
O acesso exige uma chave do nível pago. A cobrança informada é de US$ 1,50 por milhão de tokens de entrada, US$ 9 por milhão de tokens de saída em texto e US$ 17,50 por milhão de tokens de vídeo. Na prática, o Genie 4 custa aproximadamente US$ 0,10 por segundo de vídeo transmitido, com áudio estéreo incluído.
Uma sessão no limite de dois minutos pode, portanto, representar cerca de US$ 12 apenas na geração de vídeo, antes de outros custos associados ao aplicativo. Esse modelo de cobrança favorece testes curtos e protótipos, mas exige controle de duração e uso em serviços com muitos usuários simultâneos.
Aplicações em games, robótica e design
Entre os usos apontados para o Genie 4 estão a criação rápida de experiências interativas, a visualização de projetos espaciais e o treinamento de agentes de IA. Em robótica, ambientes simulados podem oferecer cenários controlados para testar decisões antes da execução em equipamentos físicos.
Para games e produção audiovisual, o Genie 4 pode acelerar a validação de ideias, mecânicas e enquadramentos. A duração limitada ainda impede experiências extensas, mas a API permite que estúdios e desenvolvedores avaliem como mundos gerados por IA podem integrar produtos reais.
A chegada do Genie 4 à API Gemini transforma uma pesquisa de simulação em uma ferramenta programável. Os próximos avanços dependerão da ampliação das sessões, da redução de custos e da capacidade de manter personagens, objetos e regras consistentes em experiências mais longas.

