Google DeepMind宣佈Genie 4世界模型，用於實時交互式模擬
Google DeepMind於2026年10月27日宣佈推出新一代世界模型Genie 4，用於實時交互式模擬。該模型基於Gemini系列構建，由Gemini Omni錨定模擬場景的真實世界外觀與行爲，其他Gemini模型提供複雜推理以維持連貫性與連續性。
用戶可通過自然語言在場景運行中實時移動鏡頭、改變天氣或添加新角色與物體。Genie 4是DeepMind首個原生生成音頻的實時世界模型，每個世界會同步生成環境音、音樂及交互對話。DeepMind已向一小部分受信任測試者開放研究預覽，後續將向Project Genie中的Google AI Ultra訂閱用戶，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目前仍屬早期研究階段。模擬可在短時段內保持連貫，但視覺細節與物體恆常性可能隨時間、複雜提示編輯或場景導航而漂移；複雜物理交互、實時音頻準確性、可辨識文字、空間準確性與長期一致性仍是持續研究領域。
原始來源：
標題：We’re announcing Genie 4, our new world model for real-time interactive simulation. 發佈者：Google 發佈日期：2026-10-27 URL：https://blog.google/innovation-and-ai/models-and-research/google-deepmind/introducing-genie-4/ 來源性質：官方公告 覈驗情況：本次實際讀取全文（2026-10-27） 支持內容：Genie 4宣佈、Gemini Omni與推理模型集成、自然語言實時控制、原生音頻（環境音、音樂、交互對話）、向受信任測試者開放及後續向Project Genie與API/AI Studio推出
標題：Genie 4: A new generation of world simulation 發佈者：Raia Hadsell, Diego Rivas and Hang Qi / Google DeepMind 發佈日期：2026-10-27 URL：https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/ 來源性質：官方公告 覈驗情況：本次實際讀取關鍵段落及限制說明（2026-10-27）；頁面含演示視頻與提示示例 支持內容：natively multimodal音頻同步生成、Gemini Omni錨定外觀與行爲、其他Gemini模型維持連貫性、實時自然語言修改場景、研究預覽範圍、短時段連貫與細節/物體漂移等限制說明
ABAB AI 解讀
Genie系列由Google DeepMind自2024年起推進。Genie 3於2025年8月5日公佈，是首個支持實時交互的通用世界模型，可從文本或圖像生成可導航環境；此前Genie 2主要產生較短片段。2026年1月29日，DeepMind將Genie 3接入實驗性原型Project Genie，向美國Google AI Ultra訂閱用戶開放，讓用戶在瀏覽器中創建與探索短時交互世界。Genie 4將Gemini Omni直接用於視覺與行爲錨定，並用其他Gemini模型在循環中做多步規劃與幀級檢查，是系列中首次把原生音頻與更緊密的推理閉環放在同一實時生成管線中。
資本與產品路徑上，Genie 4目前不涉及新融資或股權交易，而是DeepMind在現有Gemini與Project Genie通道內的模型迭代。訪問路徑明確分層：先向受信任測試者收集反饋，再進入AI Ultra訂閱者的Project Genie，以及Gemini API與AI Studio的早期合作伙伴。DeepMind在公告中把世界模擬定位爲邁向AGI的步驟，可用於機器人與智能體安全訓練環境，以及電影預可視化、遊戲原型、教育與製造等創意工具。官方未披露具體會話時長上限、分辨率、幀率或定價；媒體報道稱連貫時長較Genie 3有所延長，但官方文本僅強調“短時段”並主動列出漂移限制。
與2025年8月的Genie 3相比，核心相同點是實時交互與自然語言驅動的場景修改；關鍵差異是Genie 4首次在實時世界模型中原生同步生成音頻（含對話），並把Gemini Omni與循環推理更深度嵌入生成過程。其他實驗室同期也在推進世界模型（如部分視頻生成公司推出可響應輸入的模型），但DeepMind此次把音頻與Gemini閉環放在同一產品敘事中，並直接對接已有的Project Genie與API通道。
這次變化主要提升了DeepMind在交互模擬中同時處理視覺、物理響應與聲音的能力，使Project Genie與API早期用戶未來可能獲得帶原生聲景與對話的場景。對機器人訓練而言，官方提及與Gemini模型配合進行任務分解與模擬驗證的實驗方向，但當前仍處於研究預覽，複雜物理與長期一致性仍被列爲開放問題。觀察指標包括：Project Genie實際向AI Ultra用戶開放的時間、會話中細節漂移的實際程度，以及原生音頻與交互對話在真實測試者反饋中的可用性。
ABAB News · 認知定律
世界模型從“可導航畫面”升級到“帶原生聲景與對話的實時場景”，取決於推理模型是否進入生成循環，而非單純提高分辨率。
官方主動列出漂移與音頻準確性限制時，研究預覽的可訪問範圍不會自動等於產品已穩定交付。
把Gemini系列能力嵌入世界模擬，改變的是同一生成管線內的多模態一致性，而非單獨新增一個獨立音頻模型。