- 发布日期
刚刚，谷歌 Genie 4 发布，120 秒的世界却让我看见 AI 的未来
- 作者
- 姓名
- 荷鲁斯快报
- 社交账号
Google DeepMind正式发布新一代世界模型Genie 4，单次可生成约120秒的可交互虚拟世界。演示中，用户能实时改变天气、添加人物，并与虚拟角色对话。该模型还首次支持原生音频生成，并强化物理规律模拟。
Genie系列始于2024年的Genie 1，随后Genie 2扩展至可探索三维环境，2025年的Genie 3实现实时生成与交互。Genie 4将单次模拟时长由约一分钟延长至两分钟。用户输入文字即可生成可探索场景，并在运行中继续修改。
沃顿商学院教授伊桑·莫利克用一句提示词生成“由机器人和马匹居住的新哥特式粗野主义城市”，并实时加入巨龙和友善水獭NPC。a16z投资人贾斯汀·摩尔展示在AI实时生成城市中自由探索的“GTA Waymo”演示。这些场景无需预先制作三维地图，AI会根据操作持续生成后续内容。
Genie 4可在生成世界时实时生成海浪、风声、音乐和人物对话。虚拟角色也能根据用户输入和场景变化动态生成语言与反应。但谷歌承认，音频准确性和长期一致性仍有问题。
谷歌将Gemini引入世界模拟，由大语言模型负责任务规划。Gemini Omni提供现实世界外观与行为基础，Gemini 3.8 Flash充当实时引导智能体。演示中，Gemini 4 Argon分解任务，Genie 4模拟Apptronik旗下Apollo人形机器人下跳棋。
Google DeepMind研究主管Tejas Kulkarni表示，未来重要方向是混合世界模型，把语言模型的结构化推理与世界模型的感官模拟结合。该能力可用于机器人训练、电影制作、游戏原型、新闻教育和工业仿真。Genie 4已向受邀测试者开放研究预览，未来将通过Project Genie向Google AI Ultra订阅用户开放。Runway推出GWM Worlds 2，World Labs走空间智能路线，AMD宣布以约82亿美元收购World Labs。模型模拟约两分钟，复杂物理交互和场景一致性仍待改进。
