Google DeepMind 发布世界模型 Genie 4 研究预览

2026年10月28日，Google DeepMind 以研究预览形式发布世界模型 Genie 4。据 TechCrunch 报道，新模型可生成更逼真的交互世界，支持在模拟过程中输入提示词实时改变场景，并能生成与场景匹配的实时音频，包括音乐、环境音和交互对话；报道称其场景一致性最长可维持两分钟，是前代 Genie 3 的两倍。同日 Ars Technica 报道称，DeepMind 表示 Genie 4 在几乎各个方面都改进了 Genie 3，并借助更新后的 Gemini 模型让模拟更真实；模型无需预先渲染环境或编写交互元素，用户只需描述需求，它便能在探索过程中逐帧实时生成体验。DeepMind 将世界模型视为通往 AGI 的关键要素，认为其可用于为物理机器人构建训练环境，或加速创意领域的原型设计。DeepMind 一手发布信息称，Genie 4 原生支持音频与交互式对话，可在实时模拟中用自然语言修改天气、镜头和人物，并结合 Gemini Omni 与 Gemini 3.8 Flash，后者作为引导智能体拆解多步目标并校验每帧进展。The Decoder 报道称，用户用键盘移动、用文本提示词驱动事件，DeepMind 称这是其首个直接生成声音的实时世界模型，每个世界带有自己的背景音，角色之间能对话并实时反应。目前该模型处于研究预览阶段，报道未披露更广泛的开放或商用安排。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。