谷歌DeepMind发布Genie 4世界模型，实现实时交互式模拟
实现实时交互式模拟
（映维网Nweon 2026年11月12日）谷歌DeepMind日前发布了用于实时交互式模拟的Genie 4，并已作为研究预览版向受信任的测试者开放。
据介绍，用户可以设定一个事件并使其运转起来，Genie 4会模拟接下来发生的一切：世界如何响应、声音如何呈现，以及其中的人物如何移动、反应和说话。团队表示，使用Genie 4创建的模拟可服务于多种用途，例如打造全新的交互体验。
谷歌指出，Genie 4融合并拓展了Gemini系列AI模型的能力，用户可以通过自然语言提示实时修改模拟内容，例如改变天气、移动镜头，或引入新的人物或物体，Gemini会根据周围场景对提示进行上下文适配。
通过将Gemini与Genie 4相结合，它能够对复杂的多步骤事件进行建模，并在将AI系统引入真实世界之前，测试其在不同环境中的导航能力。为实现实时运行，Gemini 3.8 Flash在循环中充当引导智能体，将目标分解为一系列步骤，并审查传入的画面帧以验证每一步是否成功完成。
另外，Genie 4能够模拟真实世界的物理场景，如空气动力学和碰撞。它同时能模拟人物，创造出能够对所处环境做出反应、并可在实时中被交互操控的角色。这家公司表示，Genie 4原生支持多模态，是其首款原生生成音频的实时世界模型，音乐、环境音效和交互对话均与画面同步生成。
谷歌表示，它一直在与创意产业、新闻业、教育、游戏和工程领域的受信任测试者合作，并列举了以下应用场景：
Genie 4包含“严格的安全护栏”，在预览版发布之前已进行内部安全评估，以防止生成有害或恶意内容。Genie 4生成的所有视频和音频都将包含SynthID，亦即谷歌的不可感知数字水印技术。
当然，谷歌谈成了Genie 4的局限性：“尽管它能够在短时间会话中维持连贯的环境，但视觉细节和物体恒存性仍可能随时间发生偏移或漂移，尤其是在模拟运行时间较长、经过多次复杂提示编辑之后，或在场景中导航移动时。”
谷歌表示，它正在收集反馈，之后才会将Genie 4向消费者和开发者发布，首批面向Google AI Ultra订阅用户在Project Genie中开放，以及Gemini API和Google AI Studio的早期访问合作伙伴。Genie 4的等候名单已在Project Genie中开放。
如需了解更多关于谷歌DeepMind Genie 4世界模型的信息，请访问公司网站。
