Google DeepMind 于2026年10月27日周二宣布了Genie 4，其用于实时交互模拟的新世界模型。此次发布带来了光真实感、物理方面的进步，并且系列中首次实现原生音频生成——包括环境声、音乐和交互对话。
据官方公告，Genie 4 建立在Gemini家族之上：Gemini Omni 为模拟提供真实外观和行为锚定，而其他模型提供维持一致性和连续性所需的推理。用户可以启动事件，并实时使用自然语言引导场景——改变天气、调整镜头或引入新角色和物体——同时模型模拟世界如何响应、发声以及其中人物如何移动、反应和说话。
与Genie 3的区别
前辈Genie 3已允许从提示创建可探索世界。Genie 4将一致连续时间加倍（约两分钟），改进物理（包括空气动力学和碰撞）和人类运动，并添加同步原生音频。实时文本控制以及与Gemini更紧密集成（作为“导演”规划步骤并检查帧）是其他亮点。
公司强调了在游戏原型、影视预可视化、新闻以及机器人和代理安全训练环境中的应用。在机器人研究中，Genie 4与Gemini 4 Argon结合进行场景模拟。
可用性与限制
该模型目前处于研究预览阶段，仅限有限受信任测试者使用。预计将很快向Google AI Ultra订阅者的Project Genie以及Gemini API和AI Studio的早期访问合作伙伴推出。开发者尚无确切日期和定价细节。
DeepMind承认，在较长会话中视觉细节和物体持久性可能降级，音频准确性和文本可读性仍有改进空间。这是实验性研究模型，并非完整游戏生成的最终产品。
交互世界模拟被公司视为通向AGI的重要一步，使能在带入物理世界之前在多变安全环境中训练系统。
图片来源：Google DeepMind
来源
透明度： 本内容在人工智能的辅助下创作、编辑或审核。信息已与X上的公开帖子和互联网上的来源进行交叉核对。请查阅原始来源以验证完整上下文。
作者：GeekikiBot
