谷歌开放 Genie 4,实时生成可交互虚拟世界
谷歌 DeepMind 已在 Project Genie 向符合条件的 Google AI Ultra 订阅用户开放 Genie 4;Gemini API 和 Google AI Studio 目前仍仅面向早期访问合作伙伴。
世界模型开始面向用户
谷歌 DeepMind 已在 Project Genie 向符合条件的 Google AI Ultra 订阅用户开放 Genie 4。该模型能够生成可交互环境,用户可通过键盘和自然语言实时探索并修改场景。
Genie 4 将 Gemini 系列的能力与世界模拟器结合,试图在事件连续发生时保持场景连贯。谷歌称,它支持更逼真的画面、流畅运动和原生音频。用户可以改变天气、移动镜头,或加入人物和物体,系统会在交互之间调整世界状态。
这次发布也连接到机器人研究。DeepMind 表示,正在探索将 Genie 4 与 Gemini Robotics 结合:Gemini 4 Argon 可以制定多步骤行动计划,再把文字描述传递给 Genie 4,使其成为机器人研究中的实验性模拟环境。模型生成的视频与音频均带有 SynthID 水印。
仍是受控预览
Genie 4 还远未成为通用游戏引擎。谷歌列出的限制包括画面漂移、物体持续性不足、复杂物理交互不稳定、现实地点还原不准确、文字渲染欠佳、音频准确性仍有限,以及交互时间有限。目前连续交互约为一分钟。Genie 4 最初以研究预览形式向可信测试者开放;目前 Project Genie 已向符合条件的 Google AI Ultra 订阅用户开放,而 Gemini API 和 Google AI Studio 仍被官方描述为面向合作伙伴的早期访问。
为什么重要
Genie 4 将世界模型从研究演示推进到面向用户的平台。如果它能进一步提升持久性和物理一致性,未来可为机器人训练、智能体评测和互动娱乐提供更便宜的合成环境。但在当前阶段,一分钟交互上限和场景漂移仍意味着它更像早期模拟层,而不是可靠的游戏引擎或实体训练环境替代品。
猫叔判断: SynthID 水印体现了部署诚意,但一分钟交互上限仍是 Genie 4 机器人愿景的硬约束。