Google DeepMind于2026年10月27日发布了新的“世界模型”“Genie 4”。所谓世界模型，是指根据文字或图像，实时生成可以在其中四处走动、进行操作的虚拟世界的AI。Genie 4的画面真实感大幅提升，还能同时生成环境音、音乐和角色之间的对话。目前它以研究阶段预览版的形式，向少数测试者提供。
Genie 4是什么
在Genie 4中，当用户触发某个事件后，AI会接着生成世界如何反应、会发出什么声音，以及身处其中的人如何行动和说话。用户通过键盘控制移动和镜头方向，并用文字改变场景。
- 用语言改变世界：可以当场发出改变天气、移动镜头、让新人物或新物体登场等指令
- 再现物理：生成接近现实物理的动作，例如气流和物体之间的碰撞
- 人物动作：人物自然地行动，并对周围的变化作出反应。Google DeepMind称这是最大的进步
- 声音生成：同时生成每个地点特有的声音，例如吹动树木的风声和海浪声，以及音乐。Genie 4是该公司首个能同时生成声音的实时世界模型
- 对话：角色会根据用户的操作和世界中发生的事件当场说话
Google DeepMind认为，再现世界是迈向能像人类一样广泛胜任各类任务的AI（AGI）的重要一步。它表示，这项技术有助于打造安全训练机器人和AI智能体的环境，也能用于电影、新闻、游戏、制造等领域的制作。
与Gemini的结合
Genie 4融入了Gemini模型的能力。Gemini Omni让世界的外观和动作更接近现实，其他Gemini模型则负责推理，使世界始终保持前后一致。
例如，Gemini 3.8 Flash担任向导，持续观察正在生成的世界。它把目标拆分为若干步骤，一边查看画面，一边确认每一步是否成功。即使用户中途更改指令，它也会重新制定计划。Google DeepMind还展示了将Gemini 4 Argon与Genie 4结合，逐步模拟Apptronik的人形机器人“Apollo”下西洋跳棋的示例。
测试者的使用方式
Google DeepMind一直在与影视制作、新闻、教育、游戏和工程领域的测试者一同试用。介绍的使用方式如下：
- 影视制作：在拍摄前进入场景之中，一边改变镜头角度、灯光和台词，一边反复尝试“拍摄”
- 新闻与历史：根据一张老照片，在几秒内把当时的地点再现为动态的世界。测试者也在尝试用它展示洪水和山火蔓延的情形
- 游戏：在几秒内把创意变成可以自由探索的原型，并用语言测试外观和玩法
- 模拟：企业正在将其作为快速生成各种场景的工具进行评估
开放计划
Genie 4目前已开始向少数测试者提供。今后计划通过面向Google AI Ultra订阅用户的“Project Genie”，以及向Gemini API和Google AI Studio抢先体验计划的参与者开放。时间方面只说是“近期”。Project Genie正在接受候补名单登记。发布中没有说明价格，也没有说明包括日本在内的提供地区。
安全措施与尚存课题
Google DeepMind表示，它设置了与其他模型相同的、基于安全方针的限制，并在完成内部安全评估后才开始预览。Genie 4生成的视频和声音都带有肉眼不可见的水印“SynthID”，可用于识别其为AI生成的内容。
另一方面，Google DeepMind也说明，Genie 4仍是早期的实验性模型。在短时间内它能保持世界的一致性，但如果长时间运行、反复叠加复杂指令，或在场景中四处移动，细节和物体的位置可能会出现偏差。复杂的物理交互、声音的准确性、文字显示、空间准确性以及长时间的一致性，目前仍是研究中的课题。
CoAI编辑部观点
世界模型是各家公司竞相开发的领域。10月24日，腾讯也发布了开放世界模型“Hy-Nomas”。Genie 4的特点在于，除了画面之外，还能当场生成声音和对话，并借助Gemini努力保持合乎逻辑的情节发展。
不过，普通用户要亲自体验还需要一段时间。最先能用上的是顶级订阅方案Google AI Ultra的用户和部分开发者，能否在日本使用也尚不清楚。对影视制作或游戏原型开发感兴趣的人，不妨先通过演示视频了解其实力，同时等待提供地区和价格的公布。
