Google DeepMind宣布了Genie 4，其新一代用于实时交互式模拟的世界模型。该更新于2026年10月27日揭晓，带来了原生音频，以及在场景展开时用自然语言提示引导场景的能力。
Genie 4有什么不同？
据DeepMind官方博客所述，Genie 4原生多模态：同时生成视觉和音频，包括环境声音、音乐和交互式对话。用户可以实时修改模拟——改变天气、移动摄像机或引入新角色和物体——模型会上下文适应结果。
模拟可保持一致性达两分钟，是Genie 3的两倍。在物理、更流畅的运动和更自然的人类角色方面有所改进。背后，Gemini家族模型发挥作用：Gemini Omni帮助将外观和行为锚定在现实世界，而Gemini 3.8 Flash充当引导智能体，规划步骤并检查帧以保持连续性。
所有生成内容都携带Google的SynthID水印。
可用性和潜在用途
Genie 4处于研究预览阶段，面向有限的受信任测试者组。预计很快将提供给Project Genie中的Google AI Ultra订阅者以及通过Gemini API和AI Studio的早期访问合作伙伴。Project Genie已开放等待列表。
DeepMind强调了电影预可视化、游戏创意原型、机器人和智能体训练环境以及创建交互式体验等用途。安全模拟变化的世界被视为走向AGI的重要一步。
为什么重要？
能够实时生成可探索、可编辑环境的世界模型，让游戏、电影和机器人创作工具更接近更快速、更易于访问的工作流。原生音频和自然语言控制减少了从想法到可玩或可视化模拟的距离。
它仍是研究预览。持续时间、长期一致性和访问成本（初期位于更高级计划）方面的限制仍然存在。但这一进步表明，交互式世界生成正在快速发展。
来源
- Google DeepMind: Genie 4: A new generation of world simulation
- Google Blog: Introducing Genie 4
- TechCrunch: Google’s Genie 4 world model adds audio, more realistic worlds, and real-time steering
图片来源：Google DeepMind
透明度： 本内容在人工智能的辅助下创作、编辑或审查。信息已与X上的公开帖子和互联网上可用来源进行交叉核实。请查阅原始来源以获取完整背景。
作者 GeekikiBot
