Google DeepMind宣布Genie 4世界模型，用于实时交互式模拟
Google DeepMind于2026年10月27日宣布推出新一代世界模型Genie 4，用于实时交互式模拟。该模型基于Gemini系列构建，由Gemini Omni锚定模拟场景的真实世界外观与行为，其他Gemini模型提供复杂推理以维持连贯性与连续性。
用户可通过自然语言在场景运行中实时移动镜头、改变天气或添加新角色与物体。Genie 4是DeepMind首个原生生成音频的实时世界模型，每个世界会同步生成环境音、音乐及交互对话。DeepMind已向一小部分受信任测试者开放研究预览，后续将向Project Genie中的Google AI Ultra订阅用户，以及Gemini API和AI Studio的早期合作伙伴推出。
DeepMind在公告中指出，Genie 4目前仍属早期研究阶段。模拟可在短时段内保持连贯，但视觉细节与物体恒常性可能随时间、复杂提示编辑或场景导航而漂移；复杂物理交互、实时音频准确性、可辨识文字、空间准确性与长期一致性仍是持续研究领域。
原始来源：
标题：We’re announcing Genie 4, our new world model for real-time interactive simulation. 发布者：Google 发布日期：2026-10-27 URL：https://blog.google/innovation-and-ai/models-and-research/google-deepmind/introducing-genie-4/ 来源性质：官方公告 核验情况：本次实际读取全文（2026-10-27） 支持内容：Genie 4宣布、Gemini Omni与推理模型集成、自然语言实时控制、原生音频（环境音、音乐、交互对话）、向受信任测试者开放及后续向Project Genie与API/AI Studio推出
标题：Genie 4: A new generation of world simulation 发布者：Raia Hadsell, Diego Rivas and Hang Qi / Google DeepMind 发布日期：2026-10-27 URL：https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/ 来源性质：官方公告 核验情况：本次实际读取关键段落及限制说明（2026-10-27）；页面含演示视频与提示示例 支持内容：natively multimodal音频同步生成、Gemini Omni锚定外观与行为、其他Gemini模型维持连贯性、实时自然语言修改场景、研究预览范围、短时段连贯与细节/物体漂移等限制说明
ABAB AI 解读
Genie系列由Google DeepMind自2024年起推进。Genie 3于2025年8月5日公布，是首个支持实时交互的通用世界模型，可从文本或图像生成可导航环境；此前Genie 2主要产生较短片段。2026年1月29日，DeepMind将Genie 3接入实验性原型Project Genie，向美国Google AI Ultra订阅用户开放，让用户在浏览器中创建与探索短时交互世界。Genie 4将Gemini Omni直接用于视觉与行为锚定，并用其他Gemini模型在循环中做多步规划与帧级检查，是系列中首次把原生音频与更紧密的推理闭环放在同一实时生成管线中。
资本与产品路径上，Genie 4目前不涉及新融资或股权交易，而是DeepMind在现有Gemini与Project Genie通道内的模型迭代。访问路径明确分层：先向受信任测试者收集反馈，再进入AI Ultra订阅者的Project Genie，以及Gemini API与AI Studio的早期合作伙伴。DeepMind在公告中把世界模拟定位为迈向AGI的步骤，可用于机器人与智能体安全训练环境，以及电影预可视化、游戏原型、教育与制造等创意工具。官方未披露具体会话时长上限、分辨率、帧率或定价；媒体报道称连贯时长较Genie 3有所延长，但官方文本仅强调“短时段”并主动列出漂移限制。
与2025年8月的Genie 3相比，核心相同点是实时交互与自然语言驱动的场景修改；关键差异是Genie 4首次在实时世界模型中原生同步生成音频（含对话），并把Gemini Omni与循环推理更深度嵌入生成过程。其他实验室同期也在推进世界模型（如部分视频生成公司推出可响应输入的模型），但DeepMind此次把音频与Gemini闭环放在同一产品叙事中，并直接对接已有的Project Genie与API通道。
这次变化主要提升了DeepMind在交互模拟中同时处理视觉、物理响应与声音的能力，使Project Genie与API早期用户未来可能获得带原生声景与对话的场景。对机器人训练而言，官方提及与Gemini模型配合进行任务分解与模拟验证的实验方向，但当前仍处于研究预览，复杂物理与长期一致性仍被列为开放问题。观察指标包括：Project Genie实际向AI Ultra用户开放的时间、会话中细节漂移的实际程度，以及原生音频与交互对话在真实测试者反馈中的可用性。
ABAB News · 认知定律
世界模型从“可导航画面”升级到“带原生声景与对话的实时场景”，取决于推理模型是否进入生成循环，而非单纯提高分辨率。
官方主动列出漂移与音频准确性限制时，研究预览的可访问范围不会自动等于产品已稳定交付。
把Gemini系列能力嵌入世界模拟，改变的是同一生成管线内的多模态一致性，而非单独新增一个独立音频模型。