Google DeepMind於2026年10月27日發表新的「世界模型」「Genie 4」。所謂世界模型，是指依據文字或圖像，即時產生可以在其中四處走動、進行操作的虛擬世界的AI。Genie 4的畫面真實感大幅提升，也能同時產生環境音、音樂與角色之間的對話。目前以研究階段預覽版的形式，提供給少數測試者。
Genie 4是什麼
在Genie 4中，使用者觸發某個事件後，AI會接著產生世界如何反應、會發出什麼聲音，以及身在其中的人如何行動與說話。使用者以鍵盤操作移動與鏡頭方向，並用文字改變場景。
- 用語言改變世界：可當場下達改變天氣、移動鏡頭、讓新人物或新物體登場等指令
- 重現物理：產生接近真實物理的動作，例如氣流與物體之間的碰撞
- 人物動作：人物自然地行動，並對周遭的變化做出反應。Google DeepMind表示這是最大的進步
- 聲音生成：同時產生各個地點特有的聲音，例如吹動樹木的風聲與海浪聲，以及音樂。Genie 4是該公司第一個能同時產生聲音的即時世界模型
- 對話：角色會配合使用者的操作與世界中發生的事件當場說話
Google DeepMind認為，重現世界是邁向能像人類一樣廣泛處理各種任務的AI（AGI）的重要一步。它表示，這項技術有助於打造安全訓練機器人與AI代理的環境，也能用於電影、新聞、遊戲、製造等領域的製作。
與Gemini的結合
Genie 4融入了Gemini模型的能力。Gemini Omni讓世界的外觀與動作更接近真實，其他Gemini模型則負責推理，讓世界始終保持前後一致。
例如，Gemini 3.8 Flash擔任嚮導，持續觀察生成中的世界。它把目標拆成幾個步驟，一邊檢視畫面，一邊確認每個步驟是否成功。即使使用者中途變更指令，它也會重新擬定計畫。Google DeepMind也展示了結合Gemini 4 Argon與Genie 4，逐步模擬Apptronik的人形機器人「Apollo」下西洋跳棋的範例。
測試者的使用方式
Google DeepMind一直與影像製作、新聞、教育、遊戲與工程領域的測試者一起試用。介紹的使用方式如下：
- 影像製作：在拍攝前走進場景之中，一邊改變鏡頭角度、燈光與台詞，一邊反覆嘗試「拍攝」
- 新聞與歷史：依一張老照片，在幾秒內把當地重現為會動的世界。也在嘗試用來呈現洪水與山火擴散的情形
- 遊戲：在幾秒內把點子變成可以四處探索的原型，並用語言測試外觀與玩法
- 模擬：企業正將其作為快速產生各種情境的工具進行評估
開放計畫
Genie 4已先開始提供給少數測試者。之後預計透過供Google AI Ultra訂閱者使用的「Project Genie」，以及向Gemini API與Google AI Studio搶先體驗計畫的參與者開放。時程只說是「近期」。Project Genie正在受理候補名單登記。發表中並未說明價格，也未說明包含日本在內的提供地區。
安全措施與尚存課題
Google DeepMind表示，它設置了與其他模型相同、依據安全方針的限制，並在完成內部安全評估後才開始預覽。Genie 4產生的影像與聲音都帶有肉眼看不見的浮水印「SynthID」，可用來辨識為AI生成的內容。
另一方面，Google DeepMind也說明，Genie 4仍是早期的實驗性模型。短時間內能維持世界的一致性，但若長時間執行、反覆疊加複雜指令，或在場景中四處移動，細節與物體的位置可能會出現偏差。複雜的物理互動、聲音的準確度、文字顯示、空間準確度以及長時間的一致性，目前仍是研究中的課題。
CoAI編輯部觀點
世界模型是各家公司競相開發的領域。10月24日，騰訊也發表了開放世界模型「Hy-Nomas」。Genie 4的特色在於，除了畫面之外，還能當場產生聲音與對話，並結合Gemini努力維持合乎邏輯的情節發展。
不過，一般使用者要親自體驗還需要一段時間。最先能使用的是頂級訂閱方案Google AI Ultra的使用者與部分開發者，能否在日本使用也還不清楚。對影像製作或遊戲原型開發有興趣的人，不妨先透過展示影片了解實力，同時等待提供地區與價格的公布。
