原始日期:2026-10-27。Google DeepMind发布Genie 4研究预览,把它定位为可实时生成并操控视觉世界的世界模型。用户可以用文字改变场景、角色和事件,系统同时生成画面与环境反应;本次新增原生音频,包括与场景匹配的环境声和能随用户输入或事件即时变化的角色对话。它不是公开权重模型,也不是已经普遍可用的生产API。

Genie 4的主要叙事是从短视频生成走向持续交互。发布方展示了碰撞、空气动力学、人物动作和复杂场景,但这些示例是筛选后的厂商演示,不能等同于系统性物理评测。可信测试者覆盖创意、新闻、教育、游戏和工程,使用场景包括预演镜头、从历史照片构造可探索场景、快速制作交互原型和零到一的仿真草稿。

系统还把Gemini置于生成循环中。官方称Gemini 3.8 Flash持续观察Genie 4输出的画面,把目标拆成多步,检查每一步是否完成,并在世界变化或用户介入时调整计划。这个组合试图用语言模型的结构化规划约束像素级模拟。另一个研究示例让Gemini 4 Argon把机器人任务拆成文字步骤,再交错输入Genie 4渲染,展示人形机器人下棋等场景。

这些演示尚未证明模拟可替代真实机器人验证。发布文章没有提供独立基准、失败率、实时帧率、分辨率、延迟或训练数据说明,也没有说明外部开发者何时能稳定调用Argon组合。当前证据支持“研究系统展示了闭环规划与生成联动”,不支持把其结果当作精确数字孪生、可认证仿真或已验证的安全测试环境。

DeepMind公开列出限制:场景只在短时会话里较为连贯,运行更久、连续复杂改写或大范围导航后,视觉细节和对象恒存会漂移;复杂物理、实时音频准确度、可读文字、空间精度和长期一致性仍在研究。所有生成视频和音频都会嵌入SynthID,安全评测目前由公司内部完成,尚无独立测试材料。

可用性同样需要准确表述。Genie 4目前只向受信测试者提供研究预览,计划随后进入Google AI Ultra的Project Genie,并向Gemini API和Google AI Studio的早期访问伙伴开放。官方页面提供候补名单,但“即将提供”不是正式可用。团队若据此规划产品,应把访问资格、接口稳定性、生成时长和可重现性视为待确认项。

量仔观察

Genie 4最值得关注的是把声音、实时操控和代理规划放进同一模拟循环,这比单次生成视频更接近可实验的世界模型。然而发布材料的证据仍以演示和内部评估为主,且对象恒存与物理准确性正是工程仿真最关键的门槛。短期适合做创意预演和交互原型探索,不宜把生成结果直接用于机器人安全证明、事故复盘或需要可重复数值的决策。