Google DeepMind 发布世界模型 Genie 4

Google DeepMind 发布 Genie 4，这是 Genie 3 的后续版本，可逐帧实时计算场景，并支持键盘移动和文本提示操控事件。它是该公司首个直接生成声音的实时世界模型，世界自带风声等背景音，角色之间可对话并实时响应用户操作；Gemini 模型在后台负责规划与保持世界一致，例如 Gemini 3.8 Flash 会持续观察场景、拆分目标并逐帧核对。

Google DeepMind 以研究预览形式发布世界模型 Genie 4，可生成更逼真的交互世界，并支持在模拟过程中输入提示实时改变场景。新模型还能生成与模拟世界匹配的音乐、环境音和交互对话，并允许实时改变天气、调整镜头角度或添加人物和物体，场景一致时长最长可达两分钟，是上一代 Genie 3 的两倍。

Google DeepMind 发布新一代世界模型 Genie 4，原生支持多模态，可在生成世界的同时产生音乐、环境音和实时对话。它借助 Gemini 系列维持模拟的连贯性，Gemini 3.8 Flash 在循环中充当引导 Agent，把目标拆解为步骤并核对每帧进度。

DeepMind 公布新一代世界模型 Genie 4，称其在物理模拟和人物表现上较 Genie 3 有明显提升，并借助 Google 更新的 Gemini 模型实现改进。该模型可根据指令逐帧实时生成可探索的虚拟世界，无需预先渲染场景或编写交互逻辑。DeepMind 表示，这类技术可用于为实体机器人构建训练环境，并支持创意领域的快速原型设计，付费用户有望较早用上 Genie 4。

Google 发布 Genie 4 世界模型，用于生成交互式体验，并称其带来四项主要更新：世界更逼真、支持用自然语言提示词实时更新体验、可生成音频，底层使用 Gemini 3.8 Flash 辅助模拟。