摘要

Google DeepMind 推出 Genie 4——号称"迄今最真实、最具交互性的世界模型"。它可据自然语言实时塑造并更改世界（描述地貌与事件、移动镜头、添加角色、改变天气），生成具备碰撞、流体、风力等物理特性的交互环境，并编排合理的因果链事件。Genie 4 首次原生生成世界中的音频（脚下落叶声、人群欢呼、角色对话），使环境"活"起来。该模型依托 Gemini 家族能力（Gemini Omni 锚定真实外观与行为，其他 Gemini 模型维持连贯性），目前以研究预览形式向受信任测试者开放，并将陆续向 Google AI Ultra 订阅者等开放。需注意其连续交互仅支持"几分钟"，实时音频准确性仍在研发中。

正文（译文）

Genie 4 是我们迄今最真实、最具交互性的世界模型，属于"新一代世界模拟（world simulation）"。

• 实时塑造世界：用自然语言实时创建并更改世界——描述地貌与事件、移动镜头、添加新角色或改变天气，然后看接下来发生什么。

• 创建真实交互环境：生成物体碰撞、水流涌动、树木风中摇曳，且生成角色的行动与行为自然的环境。

• 指导复杂事件：构建合理的因果序列，Gemini 在后台解读提示并在变化中的世界里制定动态计划。

• 听见你的世界：世界因原生生成的音频而鲜活——脚下落叶沙沙、人群欢呼，角色可与你及彼此对话。不过实时音频准确性仍是持续研究与改进的方向。

在能力支撑上，Genie 4 融合并建立在 Gemini 家族能力之上：Gemini Omni 将仿真锚定于真实世界的外观与行为，其他 Gemini 模型提供维持仿真连贯与持续所需的复杂推理。该模型目前以研究预览形式向受信任测试者开放，并将率先向 Google AI Ultra 订阅者（通过 Project Genie）以及 Gemini API 与 Google AI Studio 的早期访问合作伙伴推出。其连续交互目前仅支持"几分钟"，而非长时间会话；团队也说明，出于责任考量，已先部署给受信任测试伙伴以获取早期反馈，再更广泛地发布模型。