谷歌重磅发布Genie 4：真正的「世界模型」

刚刚，谷歌重磅发布Genie 4：这才是真正的「世界模型」

Google DeepMind正式发布新一代通用世界模型Genie 4。这是谷歌迄今为止最逼真、最具互动性的AI世界模型，标志着从“生成一段视频”到“实时运行一个世界”的跨越。

四大关键功能提升

1. 实时塑造世界模拟
用户可使用自然语言实时修改模拟场景，如改变天气、移动镜头或引入新物体。Gemini会根据周围场景调整指令，并在输入间隙监控、引导场景，确保世界流畅发展。

2. 拓展物理学和人类行为的现实边界
Genie 4引入了全新的真实感标准，基于对世界物理的超强理解，逼真模拟空气动力学、碰撞等物理场景。在模拟人物方面，能创造出自然移动、对环境做出反应、可实时交互操控的角色，微表情与物理碰撞全面跃升。

3. 原生生成声音与即兴对话
Genie 4是谷歌首款原生生成音频的实时世界模型。每个世界拥有自身环境声音，并引入实时互动对话功能，角色可根据用户输入或事件进行实时对话和反应。

4. 混合世界模型架构
为解决纯像素预测缺乏长程逻辑规划的问题，谷歌采用“混合世界模型”架构，由三大Gemini模型配合：
- Gemini 3.8 Flash：在后台实时控场，拆解多步推理序列，验证步骤并下达下一步指令。
- Gemini 4 Argon：将复杂任务拆解为毫米级动作剧本，驱动机器人完成精细动作。
- Gemini Robotics：结合具身智能，在虚拟环境中进行精密科研与机械臂操作测试。

迈向通用人工智能

Genie 4将单次连贯世界的维持时间推至约2分钟，实机画面稳定在约24帧/秒。通过“海量无标签视频预训练+少量动作轨迹微调”及Gemini的符号逻辑与长程记忆，构建交互环境彻底告别繁琐的手工3D建模。

目前，Genie 4已向Google AI Ultra用户开放内测，并将作为首款进入Gemini API与Google AI Studio的世界模型向开发者开放。