谷歌DeepMind发布Genie 4：原生多模态实时交互式世界模型

2026年10月27日，谷歌DeepMind（Google DeepMind）正式宣布推出其新一代世界模型Genie 4。该模型旨在实现前所未有的真实感并改进实时交互式模拟。与以往主要关注视觉生成的模型不同，Genie 4是原生多模态的，能够同时生成与场景匹配的类音频音乐、环境噪音以及人物对话。

Genie 4的技术基础整合了Gemini系列模型的能力。其中，Gemini Omni负责将模拟锚定在现实世界的外观和行为上，而其他Gemini模型则提供复杂的推理能力，以维持模拟的一致性和连续性。用户只需设定一个事件，Genie 4即可模拟后续发展，包括世界的反应、声音以及人物的移动、反应和说话方式。

谷歌DeepMind表示，理解和模拟世界是构建通用人工智能（AGI）的关键方面。Genie 4通过创建安全且无限可变的模拟环境，有助于为机器人和智能体开发训练环境，并解锁新的互动体验。该模型在物理和人类动作的真实感方面取得了突破，能够模拟空气动力学、碰撞等现实世界物理场景，并创造出能自然移动、有机响应环境并可被实时交互控制的角色。

目前，Genie 4已作为研究预览版向受信任的测试者推出，收集反馈后将逐步向消费者和开发者发布。早期访问权限首先提供给Project Genie中的Google AI Ultra订阅用户，以及Gemini API和Google AI Studio的早期合作伙伴。