Google DeepMind发布Genie 4世界模型研究预览

Google DeepMind 推出实验性世界模型 Genie 4，支持实时交互场景、声音生成和角色对话，目前仅向部分测试者开放。Gemini 3.8 Flash 持续观察画面、拆解任务并调整计划，Gemini 4 Argon 则在演示中指挥模拟机器人 Apollo 下跳棋。

Google DeepMind 于周二发布 Genie 4 研究预览，新增实时音频与模拟中的提示词编辑，生成更逼真、可交互的世界。模型可实时改变天气、镜头角度或添加人物与物体，保持场景一致性最长两分钟，是前代的两倍，但仍存在细节漂移、音频准确性和场景文字可读性问题。

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。

Google DeepMind 发布 Genie 4 世界模型，称其相比 Genie 3 有多项改进，并承诺更逼真的物理模拟与人物。世界模型根据用户描述，在探索过程中逐帧实时生成体验，无需预渲染环境或编写交互元素。DeepMind 称该技术可用于物理机器人的训练环境和创意领域的快速原型制作，Genie 4 的改进部分得益于更新后的 Gemini 模型。

Google 今天宣布世界模型 Genie 4，可生成更逼真的交互体验，支持用自然语言提示词实时修改体验并生成音频。模型使用 Gemini 3.8 Flash 辅助模拟，体验时长从 Genie 3 的一分钟增至约两分钟，Google 提醒较长模拟中的细节和物体持续性可能发生变化。