Google DeepMind 发布世界模型 Genie 4

2026年10月28日，Google DeepMind 发布世界模型 Genie 4，主打更高真实感的实时交互模拟，并首次原生生成音频，包括环境音、音乐与可实时响应的角色对话。据其介绍，Genie 4 支持用自然语言实时修改天气、镜头和场景对象，并由 Gemini 3.8 Flash 作为引导智能体拆解多步目标、检查画面以维持因果连贯。同日 Ars Technica 报道称，Genie 4 在几乎各方面优于 Genie 3，并加入音频与更真实的人物模拟；该模型无需预先渲染环境或编写交互逻辑，用户描述需求后即可实时逐帧生成可探索的虚拟世界，DeepMind 表示这类技术可用于为实体机器人构建训练环境或加速创意领域原型设计，部分改进得益于 Google 更新后的 Gemini 模型。The Verge 同日报道称，官方列出四项主要更新：世界更真实、支持用自然语言提示词实时修改体验、可生成音频，并在底层使用 Gemini 3.8 Flash 辅助模拟；该报道称 Genie 4 先以研究预览形式面向受信任测试者推出，将“即将”登陆 Project Genie 中的 Google AI Ultra 订阅用户，并已开放等候名单供申请试用。发布节奏上，Google DeepMind 称已开始以研究预览形式向受信任测试者逐步开放，用于在面向消费者和开发者发布前收集反馈；后续将首先面向 Project Genie 中的 Google AI Ultra 订阅用户，以及 Gemini API 和 Google AI Studio 的早期访问合作伙伴推出。TechCrunch 同日报道称，Genie 4 以研究预览形式发布，支持在模拟过程中输入提示词实时改变天气、镜头角度或增删人物物体，并同步生成音乐、环境音和对话音频；该报道称模型将在未来数周内向 Project Genie 中的 Google AI Ultra 订阅用户及 Gemini API、Google AI Studio 的早期访问合作伙伴推出。同日 Google DeepMind 与 Google AI 官方账号发帖称，Genie 4 是其迄今最逼真、最具交互性的世界模型，用户可用自然语言实时改变天气、移动镜头或加入新元素并同步调整声景，Gemini 在背后充当模拟的“大脑”，负责把请求转成动作、规划复杂事件并跟踪场景变化。同日，沃顿教授 Ethan Mollick 在 X 上分享体验称，Genie 4 能边玩边生成游戏般的环境，他输入“Neogothic brutalist city inhabited by robots and horses”后一分钟内即生成场景，随后又实时加入龙与一个友好的水獭 NPC，并称效果并非完美。此后，X 用户 Chubby 发帖称 Genie 4 基于 Gemini Omni 构建，并提到照片级真实感、空气动力学与碰撞等物理效果、实时提示词改场景、原生音频，以及由 Gemini 推理规划多步事件以维持场景连贯；该帖同时称先在受信任测试者中探索早期用例，之后将推向 Project Genie 中的 Google AI Ultra 订阅用户及 API 与 Google AI Studio 的早期访问合作伙伴。新报道方面，X 用户 Rohan Paul 同日发帖称，Genie 4 是 Google DeepMind 首个带原生音频的实时世界模型，可生成环境音、音乐和角色实时对话，角色会回应用户与场景内事件；用户可通过输入文字改写运行中的模拟，例如改变天气、移动镜头或添加人物，Gemini 会把每次编辑融入场景并保持连贯；该帖称访问先从受信任测试者开始，之后面向 Google AI Ultra 订阅用户和早期 Gemini API 合作伙伴。

AI 根据报道生成 · 26 分钟前更新

1. 10月28日 01:04 · 1 篇报道
   Genie 4 运行 DOOM 演示
   Ethan Mollick：Genie 4 运行 DOOM 演示
2. 10月28日 00:37 · 1 篇报道
   Genie 4 实时生成游戏环境体验
   Ethan Mollick：Genie 4 实时生成游戏环境体验
3. 10月28日 00:00 · 9 篇报道
   Google DeepMind发布世界模型Genie 4
   Google DeepMind：Google DeepMind 发布世界模型 Genie 4

还没有足够的连续观测数据，暂不绘制趋势。