Google DeepMind 发布 Genie 4：支持原生音频的实时世界模拟
Genie 4: A new generation of world simulation
- 谁
- 时间
- 引文
Today, we are announcing Genie 4, our new world model, which unlocks unprecedented realism and improves real-time interactive simulation.
发生了什么
Google DeepMind 已面向可信测试者发布 Genie 4 研究预览版，新增原生音频、互动对话以及实时自然语言引导功能，用于世界模拟。Gemini 3.8 Flash 通过观察场景、规划行动并检查进展来引导多步骤事件。该功能即将面向 Google AI Ultra 订阅用户在 Project Genie 中开放，并向 Gemini API 和 Google AI Studio 的早期访问合作伙伴开放；物体恒存性、物理交互和长期一致性仍是研究挑战。
推荐理由
Gemini 规划能力与 Genie 模拟的结合，展示了结构化推理如何引导不断演变的虚拟环境；文档中说明的一致性局限也明确了该研究预览版的范围。
接下来读什么
查看这件事的完整进展Google DeepMind 发布 Genie 4 预览版，新增音频、更长的互动世界及计划中的 API 访问权限9 家信源报道
这件事到目前为止
Google DeepMind 已发布 Genie 4，这是一款用于生成交互式虚拟世界的模型，目前以研究预览版形式向受信任的测试者开放。Google 表示，Google AI Ultra 订阅用户很快就能通过 Project Genie 使用该模型，早期访问合作伙伴则可通过 Gemini API 和 Google AI Studio 使用；据 TechCrunch 报道，计划在未来几周内推出。Google 已开放 Project Genie 等候名单，Logan Kilpatrick 表示，Genie 4 将首次把该模型引入 API。 DeepMind 表示，Genie 4 新增原生音频和角色对话，用户可以通过自然语言提示，在模拟过程中改变环境和音景。Google AI 表示，用户可以改变天气、移动摄像机并引入新元素。DeepMind 表示，Gemini 3.8 Flash 会通过观察场景、规划行动和检查进度来引导多步骤事件。 据 The Verge 报道，体验时长可达约两分钟，高于 Genie 3 的一分钟，不过场景细节和物体一致性可能随时间发生变化。TechCrunch 还报道称，音频准确度和文字可读性存在问题。DeepMind 表示，物体持续存在、物理交互和长期一致性仍是研究面临的挑战。
每天一封，跟上 AI 的重要变化
模型发布、价格变化、算力进展，附原始来源。免费，确认后开始发送，随时一键退订。 看一份往期日报 · 2026-10-27