Dirty Static // Le verdict
Le premier modèle de monde qu un développeur peut vraiment appeler, et un type d API vraiment nouveau : un lieu que l on dirige au lieu d un clip terminé. Il mérite un essai pour des prototypes courts et des tests d agents. Il ne mérite pas encore un plan de produit, car un monde dure deux minutes au plus, dérive dans cette fenêtre, et coûte environ 363 $ pour une heure de jeu.
Idéal pourLes développeurs et les équipes créatives qui veulent prototyper une scène interactive, tester une idée spatiale, ou lancer de courtes simulations pour agents et robots sans construire d abord une scène dans un moteur de jeu
Ce qui fonctionne
- Une vraie voie pour développeurs enfin, par l API Gemini et AI Studio, avec un modèle nommé, des prix affichés et des quotas publiés, un jour après le lancement grand public dans Project Genie
- Le son natif arrive avec l image, avec les bruits d ambiance, les effets et des dialogues de personnages qui réagissent pendant la session
- La direction est directe et simple à saisir, avec des déplacements au clavier et des modifications par texte en direct pour la météo, la lumière, les objets et les événements
- Le prix est une arithmétique simple, à 240 jetons vidéo par image et environ 0,10 $ la seconde, donc une session complète de deux minutes a un plafond connu d environ 12,10 $
Ce qui ne fonctionne pas
- Les sessions arrêtent à 120 secondes, ne peuvent pas reprendre, et ne laissent aucun monde persistant derrière, donc rien de construit ici ne passe à la session suivante
- Google avertit lui même que le détail et la permanence des objets dérivent, avec la cohérence la plus forte placée dans les 45 à 90 premières secondes et une stabilité qui faiblit après 60 à 90 secondes
- Une heure de jeu coûte environ 363 $ au tarif affiché, ce qui exclut de livrer ce modèle comme le monde d un jeu ou d une application grand public aujourd hui
- Aucun score de référence publié à vérifier, seulement des évaluations humaines et automatisées de Google décrites en termes généraux, et aucun palier gratuit pour tester
Test fondé sur la recherche : basé sur des essais publiés, des spécifications et de la documentation, et non sur des essais pratiques.
Un modèle vidéo vous donne un clip. Genie 4 vous donne un lieu, pour deux minutes, puis il le reprend. Le 19 novembre, Google a placé son plus récent modèle de monde dans l API Gemini sous le nom models/genie-4, un jour après l arrivée du même modèle chez les abonnés Google AI Ultra dans Project Genie. Google le présente comme son premier modèle de monde avec lequel les développeurs peuvent construire, et cette affirmation tient dans le sens étroit qui compte. Genie 3 n a jamais eu d API publique du tout. Celui ci a un nom de modèle, une liste de prix, et des quotas que l on peut lire avant d écrire une ligne de code.
Pour ce prix, on obtient un monde continu en 720p à 24 images par seconde, avec un son produit en même temps que l image, qui répond au clavier et à des phrases tapées pendant qu il tourne. Ce que l on n obtient pas, c est quoi que ce soit qui dure. Chaque session plafonne à 120 secondes, ne peut pas reprendre, et ne laisse aucune scène à rouvrir. Cette tension, une vraie API autour d un monde volontairement bref et qui dérive, forme tout cet examen.
Ce que c est
Un modèle de monde est un système qui prédit comment un lieu change quand on agit dedans, puis dessine ce changement image par image. Genie 4 est la plus récente entrée de Google DeepMind dans cette lignée. DeepMind l a annoncé le 27 octobre 2026, comme un aperçu de recherche pour des testeurs de confiance, et la fiche du modèle a suivi le 18 novembre. La porte grand public a ouvert la même semaine, dans Project Genie pour les abonnés AI Ultra admissibles, avec une place sur liste d attente offerte aux membres AI Pro. La porte des développeurs a ouvert le 19 novembre, et c est celle que cet examen couvre.
Le système est construit en couches, et Google est inhabituellement ouvert sur le câblage. La fiche du modèle dit que Genie 4 est adapté de Gemini Omni Flash et construit par dessus, avec des modèles Gemini qui fournissent le raisonnement et la direction en temps réel. Dans l annonce d octobre, DeepMind a nommé la division du travail. Gemini Omni ancre l apparence et le comportement d une simulation. Gemini 3.8 Flash roule dans la boucle comme agent guide, il regarde les images, découpe un but en étapes, et vérifie que chaque étape a abouti. Genie lui même rend la réalité physique immédiate, pixel par pixel, son inclus.
Ce son est le changement vedette depuis Genie 3. Genie 4 est le premier modèle de monde de DeepMind à générer le son de façon native, dans le même passage que l image plutôt que comme une piste posée après coup. Le son d ambiance appartient au décor, le vent dans les arbres ou les vagues à la plage dans les exemples de Google, et les personnages tiennent des dialogues qui réagissent à ce que vous faites et aux événements autour d eux. DeepMind affirme aussi un pas en avant en physique et chez les personnes, avec l aérodynamique et les collisions simulées et des personnages qui bougent de façon plus naturelle que dans les versions passées. Ce sont des affirmations de l entreprise sur la qualité. La fiche du modèle dit que des évaluations humaines et automatisées ont trouvé des gains nets sur Genie 3 en photoréalisme, en fluidité des mouvements, et en direction, mais Google n a publié aucun score, aucun tableau de référence, et aucun résultat de tiers que l on puisse vérifier.
Genie 4 dans l API Gemini, vérifié le 20 novembre 2026
- Modèle
- models/genie-4, par l API Interactions v1beta et Google AI Studio
- Sortie
- Vidéo 720p à 24 images par seconde, format 16:9 fixe, avec son stéréo natif synchronisé à 48 kHz
- Entrées
- Un texte, une seule image de référence, ou les deux, envoyés comme un seul événement de départ du monde
- Contrôles
- WASD et touches fléchées pour les déplacements et la caméra, textes en direct pour les changements de scène et les dialogues
- Transport
- WebRTC pour les applications de navigateur, WebSocket pour le code serveur, avec des jetons éphémères par session
- Limite de session
- 120 secondes au maximum, aucune reprise après la fin d une session
- Prix des entrées
- 1,50 $ par million de jetons pour le texte et les images de référence
- Prix du texte en sortie
- 9 $ par million de jetons
- Prix de la vidéo en sortie
- 17,50 $ par million de jetons, son inclus, à 240 jetons par image
- Taux effectif
- Environ 0,10 $ la seconde, 6,05 $ la minute, 12,10 $ pour une session complète
- Non pris en charge
- Palier gratuit, API Batch, inférence Flex, inférence Priority, entrée par micro ou caméra en direct, appel de fonctions, ancrage par Search, sorties structurées
Expérience en conditions réelles
Ceci est un examen fondé sur la recherche. Dirty Static n a lancé aucune session Genie 4, et rien ici ne vient d un essai direct. L évaluation s appuie sur l annonce Google de la sortie de l API, sur l annonce et la fiche du modèle de DeepMind, sur la documentation de l API Gemini telle que résumée par Unite.AI et TestingCatalog, et sur l arithmétique de prix indépendante d AI Press Box, le tout vérifié le 20 novembre 2026.
Commençons par la sensation de la chose, telle que la documentation la décrit. Une session ouvre avec un seul événement de départ qui contient votre texte, votre image, ou les deux, et le guide place l attente avant la première image à environ cinq à neuf secondes. Après cela, les actions au clavier arrivent vite. Le guide de mise en œuvre rapporte une réponse visuelle d environ 0,2 à 0,5 seconde pour les déplacements au clavier à faible latence réseau, tandis qu un changement par texte, une nouvelle tempête, un nouveau personnage, une ligne de dialogue, prend environ une à deux secondes à paraître. Une latence réseau au dessus de 150 millisecondes émousse la direction de façon sensible, ce qui vaut la peine d être su avant de blâmer le modèle pour une démo lente lancée sur une connexion lointaine. Un détail de la couverture mérite un sourcil levé. Unite.AI rapporte des sessions servies seulement depuis des centres de données aux États Unis, tandis que TestingCatalog rapporte un service depuis les États Unis, l Europe de l Ouest, et le Japon. Les résumés se contredisent, donc vérifiez la liste des régions dans la documentation actuelle avant de concevoir autour de la latence.
Vient ensuite l horloge, et l horloge est stricte. Le monde est généré sur une fenêtre roulante dans le temps plutôt que gardé comme une scène 3D permanente. La documentation Google, telle que rapportée par Unite.AI, avertit que détourner le regard d un objet pendant huit secondes ou plus, ou tourner un cercle complet, peut déplacer ou réinitialiser des repères, des portes, et des boutons. La fiche du modèle dit la même chose en langage plus poli. Le détail et la permanence des objets peuvent bouger ou dériver quand une session s allonge, après plusieurs modifications complexes par texte, ou pendant la navigation. Google place la portion la plus forte pour la cohérence et la permanence dans les 45 à 90 premières secondes, et avertit que la stabilité visuelle peut se dégrader après 60 à 90 secondes. Lisez ces deux nombres ensemble et le résumé honnête est celui ci. On obtient environ une minute de monde auquel on peut se fier, dans une allocation de deux minutes que l on paie.
La facturation a un piège, et il est simple. Fermer un onglet de navigateur détache le transport sans arrêter la génération sur le serveur, donc le compteur continue de tourner. La documentation dit aux développeurs d appeler complete() pour terminer une session proprement, ou cancel() pour l interrompre, et de traiter cet appel comme une partie du contrôle des coûts. La grâce salvatrice est le plafond lui même. Une session que personne n arrête peut coûter au plus environ 12,10 $, car elle ne peut pas dépasser 120 secondes. AI Press Box a fait l arithmétique plus large à partir de la page des prix. Une heure de jeu Genie 4 coûte 362,88 $, répartie sur au moins 30 mondes séparés, et cette heure coûte environ 45 pour cent de plus par seconde que le générateur de clips de Google à la même résolution, Gemini Omni 1.2 Flash, qui produit des clips fixes de 15 secondes au plus. Notre tutoriel sur la création d une courte vidéo avec Gemini Omni 1.2 Flash montre la voie des clips. Genie charge plus parce que le monde répond, et savoir si cette prime vaut la peine dépend entièrement de savoir si votre idée a besoin d une réponse.
Coût d une heure de vidéo 720p générée, en dollars (chiffres de la page des prix, 20 novembre 2026)
Genie 4 est interactif et diffusé en sessions de 120 secondes au plus. Gemini Omni 1.2 Flash produit des clips fixes de 15 secondes au plus et n est pas interactif. Taux calculés par AI Press Box à partir de la page des prix de l API Gemini : Genie 4 à 0,1008 $ la seconde, Omni 1.2 Flash à 0,0695 $ la seconde.
Les quotas gardent les premiers usages petits par conception. Un projet payant de palier 1 obtient 2 sessions simultanées et 50 demandes de session par jour. Le palier 2 obtient 5 sessions simultanées et 250 par jour. Le palier 3 obtient 10 sessions simultanées et 1 000 par jour. Les messages de contrôle dans une session ne mangent pas le compte quotidien, ce qui a du sens. Même ainsi, dix joueurs à la fois forment le plafond au palier le plus haut, et ce nombre seul dit ce que Google pense que ce lancement doit servir. Dix personnes peuvent tester un prototype ensemble. Dix mille ne peuvent pas jouer à un jeu livré.
Ce qui fonctionne
L accès lui même est la première force, et il ne faut pas la sous estimer. Les modèles de monde ont vécu dans des démos, des listes d attente, et des terrains de jeu pour abonnés. Genie 3 a passé toute sa vie ainsi. Genie 4 donne à un développeur un flux de session documenté, des transports standards, des jetons éphémères qui gardent la clé API principale hors du client, et des applications de départ dans AI Studio pour un premier regard. Une équipe peut passer de la lecture de la documentation à la direction d un monde dans sa propre application, et cela n a tout simplement jamais été vrai pour cette famille de modèles avant.
Le son est la deuxième force, car il arrive comme une partie du monde plutôt que comme une décoration. Une scène qui craque, qui éclabousse, et qui répond pendant qu on la dirige forme un prototype différent d une scène muette. Pour le travail de prévisualisation, pour des tests de dialogue, et pour l entraînement d agents où le son porte de l information, générer le son dans le même passage enlève toute une étape d assemblage. DeepMind place la précision du son parmi les problèmes ouverts, et avec raison, mais la direction est la bonne et aucun rival dans la comparaison d API plus bas ne livre de dialogue réactif comme une partie standard du flux.
La troisième force est la lisibilité de l offre. Le prix est une multiplication qu un développeur peut faire sur papier. Le plafond de session est un nombre dur. Les quotas forment un petit tableau. Les limites, la dérive, le texte peu lisible, la précision spatiale fragile, sont imprimées dans la fiche du modèle de Google plutôt que découvertes par les usagers. Un lancement qui vous dit que son monde oublie des choses après huit secondes sans regard est un lancement autour duquel on peut planifier, même quand le plan est d attendre.
Ce qui ne fonctionne pas
La persistance est la grande absence, et elle forme tout le reste. Il n y a aucune scène à sauver, aucun monde à rouvrir, aucune session à reprendre, et aucune exportation du lieu que l on vient de traverser. Chaque nouvelle session repart d un texte et d une image. Pour le prototypage et pour de courts tests d agents, c est acceptable, même propre. Pour quoi que ce soit où un usager doit revenir, un niveau, une salle de montre, un cours avec une deuxième leçon, l API n offre rien sur quoi construire aujourd hui. Le monde est une performance, pas un lieu.
Le prix est le deuxième problème, et c est un problème de forme plutôt que de taille. Dix cents la seconde forment un beau prix pour un test et un prix brutal pour un produit. À 6,05 $ la minute, une expérience grand public qui garde un joueur dans un monde pour une soirée brûlerait des centaines de dollars de génération par joueur. Google vend le même modèle aux consommateurs d une autre façon, dans Project Genie sur un plan AI Ultra à partir de 99,99 $ par mois, avec des limites quotidiennes et aucun frais de crédits par monde, selon les pages d aide de Project Genie. Ce partage dit tout. L abonnement est l endroit où Google attend que les gens jouent. L API est l endroit où il attend que les développeurs goûtent.
Le manque de preuves est le troisième problème. Chaque affirmation de qualité dans ce lancement, le réalisme, la physique, le mouvement naturel des personnes, le dialogue, repose sur des démonstrations de Google et des évaluations de Google. La fiche du modèle décrit la méthode d évaluation et rapporte une amélioration nette sur Genie 3 sans publier un seul score. Les testeurs de confiance cités dans l annonce d octobre ont été choisis par Google et ont parlé d un potentiel en mode brouillon, ce qui est encourageant et n est pas une vérification. Tant que des équipes de l extérieur ne publieront pas leurs propres sessions et leurs taux d échec, un acheteur paie pour une promesse.
Concurrence
| Route | Ce que vous obtenez | Forme du coût | Le compromis |
|---|---|---|---|
| API Genie 4 | Un monde 720p que l on dirige, avec son natif, diffusé en direct, parti quand la session finit | Environ 0,10 $ la seconde, 12,10 $ par session complète, palier payant seulement | Le seul modèle de monde DeepMind avec une API pour développeurs, et le monde le plus bref de cette liste |
| Project Genie | Le même modèle Genie 4 dans l expérience de navigateur de Google, avec un agent et une galerie de communauté | Dans un plan AI Ultra à partir de 99,99 $ par mois, limites quotidiennes, aucun frais de crédits par monde | La façon la moins chère de jouer des heures, sans moyen de placer le monde dans votre propre produit |
| Gemini Omni 1.2 Flash | Des clips vidéo fixes à la même résolution 720p, 15 secondes au plus, sans direction | Environ 0,07 $ la seconde de clip terminé | Moins cher par seconde et plus simple, pour toute idée qui n a pas besoin que le monde réponde |
| World Labs Marble | Un monde 3D persistant que l on peut revisiter, modifier, agrandir, et exporter en splats ou en maillages | Environ 1,20 $ par monde par son API, avec des plans d application de gratuit à 95 $ par mois | Un fichier de monde qui reste en place, généré plutôt que diffusé en direct, et muet là où Genie parle |
Le contraste le plus net est avec Marble. Marble vous donne des données de scène. On peut partir, revenir demain, marcher un autre chemin, et exporter le lieu dans un moteur. Genie 4 vous donne deux minutes de comportement, avec du son et des personnes qui répondent, et ne garde rien. Ce sont deux produits différents sous la même étiquette de modèle de monde. Choisissez selon ce dont votre idée ne peut pas se passer. Si elle a besoin d un lieu qui persiste, Genie n est pas encore votre outil, quoi que la démo vous fasse. Si elle a besoin d un lieu qui réagit, avec des voix, dans les deux prochaines minutes, rien d autre sur la liste ne fait cela par une API aujourd hui. D autres rivaux en diffusion existent, dont Decart Oasis 3 à un prix rapporté de 0,02 $ la seconde, mais leurs détails publiés sont plus minces que la documentation Google de ce lancement, donc ils restent hors du tableau plutôt que dedans.
Verdict final
Construisez un prototype avec elle cette semaine si votre travail touche les scènes interactives, la conception spatiale, ou l entraînement d agents. Le coût pour découvrir ce qu un monde que l on dirige fait à votre idée est d environ douze dollars par session dans le pire cas, le modèle de direction est facile à saisir, et le son donne même à un test brut une vie que les mondes muets n ont pas. Gardez le test dans la première minute de chaque session, là où Google dit que le monde tient le mieux ensemble, et notez ce qui dérive.
Ne construisez pas encore un produit avec elle. Un plafond de deux minutes sans reprise, aucune scène sauvée, dix sessions simultanées au palier le plus haut, et 363 $ par heure de jeu forment un outil d échantillonnage, pas une fondation. La bonne posture est celle que les prix de Google suggèrent eux mêmes. Goûtez par l API, jouez par Project Genie si vous tenez un plan Ultra, et revisitez la question quand un modèle Genie offrira un monde qui survit à la fin de sa session. L ouverture de la porte compte plus que la pièce derrière cette fois, et la porte est vraiment ouverte.
Sources
- Google: Genie 4 now available through the Gemini API, November 19, 2026
- Google DeepMind: Genie 4, a new generation of world simulation, October 27, 2026
- Google DeepMind: Genie 4 model card, November 18, 2026
- Google: Project Genie update featuring Genie 4, November 18, 2026
- Unite.AI: Google opens Genie 4 world generation to Gemini API developers
- AI Press Box: Genie 4 on the Gemini API costs $12.10 per two minute world
- TestingCatalog: Google opens Genie 4 world model to developers in Gemini API
- Images: Hero and body images are generated Dirty Static house style illustrations. No manufacturer screenshot is presented as a real Genie 4 session.
FIN DE LA TRANSMISSION
Restez curieux. Remettez tout en question.


