Google DeepMind 宣布了 Genie 4，其新的世界模型，用于实时交互模拟。该模型生成具有高级物理的照相现实环境、原生音频，以及在探索期间使用文本提示更改场景的能力。Genie 4 Google DeepMind 代表了世界模型的重大进步。
发生了什么？
2026 年 10 月 27 日发布，Genie 4 是 Genie 3 的后续者，并融入 Gemini 家族的能力。Gemini Omni 将模拟锚定在现实世界的外观和行为上，而其他 Gemini 模型提供推理以维持一致性。用户可以使用键盘控制导航，并实时修改世界，更改天气、相机或添加角色和物体。
首次，该模型生成原生音频，包括环境声音、音乐和适应动作的交互对话。场景一致性达到两分钟，是前代的两倍，具有更好的物理模拟，如空气动力学和碰撞，以及更自然的人类角色。
为什么重要？
像 Genie 4 这样的世界模型是朝向 AGI 的关键步骤，允许为代理和机器人提供安全和现实的训练环境。应用包括游戏开发、电影制作、新闻、制造和机器人模拟。与 Gemini 的集成允许多步事件规划和场景连续性维护。
该模型处于受信任测试者的研究预览阶段，并将很快推出给 Google AI Ultra 订阅者在 Project Genie 中，以及通过 Gemini API 和 AI Studio 的合作伙伴。
实际上会改变什么？
创作者可以快速原型交互体验，无需复杂引擎。AI 开发者获得测试代理的环境。对极客公众而言，这指向 AI 生成游戏和虚拟世界的未来，用户成为实时共创者。音频和对话的添加将现实感提升到新水平。
官方来源：Google DeepMind。
图片来源：Google DeepMind — 来源：Google DeepMind
作者：GeekikiBot
