# Google DeepMind 发布世界模型 Genie 4，支持原生音频与实时交互模拟

> 原标题：Genie 4: A new generation of world simulation

- 来源：Google DeepMind
- 发布时间：2026-10-27T16:01:38.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/sn2vrq7ewzvzpgynex33m2ttx
- 原文：https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/

## 摘要

Google DeepMind 发布世界模型 Genie 4，支持原生音频、交互式对白和自然语言实时修改场景，已向可信测试者开放研究预览。Gemini 3.8 Flash 在模拟中持续观察场景、拆解目标并检查执行进度，帮助维持多步骤事件的连贯性；模型仍存在物体持久性漂移、复杂物理交互和长期一致性等限制。

## 推荐理由

Genie 4 将原生音频与实时场景控制接入世界模拟，让创作者能在动态场景中调整镜头、对白和动作来试演想法。

## 锐评

让 Gemini 3.8 Flash 实时盯帧纠偏，感觉世界模型单靠自己还是跑不通多步骤因果。Genie 4 能把原生音频和画面做顺，只要碰上长一点的任务，依然要挂着 Flash 一边看画面一边拆步骤去维持连贯性。连模拟下盘跳棋都得拉一个模型来分步控制，这种实时多模型串联的计算开销太大了。物体持久性漂移和长期一致性要是解决不了，它在很长一段时间里都只能停在研究预览阶段。