谷歌Genie 4模型
3 steps3 pieces3 Sources
美国谷歌公司旗下DeepMind部门于2026年10月27日正式发布新一代世界模型Genie 4。该模型实现了原生多模态生成，支持在实时交互模拟中同步生成音频（包括环境音、音乐和对话），并将单次模拟时长从上一代Genie 3的一分钟延长至两分钟。Genie 4深度整合了Gemini系列模型（如Gemini Omni和Argon），允许用户通过自然语言指令实时修改场景元素（如天气、摄像机角度或新增角色）。目前，该模型仅向受信任测试者开放研究预览，计划随后向Google AI Ultra订阅用户及API早期合作伙伴推出。尽管谷歌强调其在机器人训练环境和影视预可视化方面的潜力，但团队承认随着模拟时间延长，物体持久性和细节仍会出现漂移，且音频准确性和画面文字可读性尚待优化。
How it got here
谷歌发布前代模型Genie 3的研究预览版，当时模拟时长限制为60秒。
techcrunch.com ↗AI视频初创公司Runway发布其第二代世界模型GWM Worlds 2，具备动态响应和音频生成功能，加剧了世界模型领域的竞争。
techcrunch.com ↗谷歌DeepMind正式宣布推出Genie 4，支持原生音频生成、实时自然语言交互及两分钟模拟时长，面向受信任测试者开放。
deepmind.google ↗
What is still unsettled
- Genie 4何时正式向公众全面开放，而非仅限于AI Ultra订阅者和API合作伙伴？
- 谷歌如何解决长时间模拟中的物体持久性漂移和音频准确性问题？
- 在世界模型领域并购潮（如AMD收购World Labs）背景下，Genie 4的商业化路径将如何调整？