谷歌发布Genie 3：一句话生成可玩的实时游戏世界，智能体自由互动

谷歌DeepMind于8月5日发布其“世界模型”系列最新成果——Genie 3，标志着AI生成虚拟世界迈入实时可交互的新阶段。该模型仅需一句文本或图像提示，即可即时生成一个3D可玩环境，支持用户与AI智能体共同探索与互动。 相比此前版本，Genie 3实现多项突破。它以720p分辨率、24帧每秒的流畅度运行，支持持续数分钟的交互，远超前代产品仅10至20秒的交互时长。更关键的是，Genie 3具备初步“记忆”能力——环境状态可保持约一分钟。例如，用户在墙上涂鸦后离开，再返回时，涂鸦仍清晰可见，有效解决了以往模型“遗忘”或前后矛盾的问题。这种长时一致性被视为模型的“涌现能力”，并非人为编码，使虚拟世界更具动态与连贯性。 Genie 3还引入“可提示的世界事件”功能，允许用户在互动中通过新指令动态改变环境。例如，在滑雪场景中输入“加入一群鹿”，系统会实时生成角色；或召唤“穿天鹅绒背心的大猩猩”等超现实元素，极大增强了创造自由度，使生成世界更像一个可随意编辑的“数字沙盒”。 谷歌研发此模型的深层目标并非娱乐，而是推动通用人工智能（AGI）的发展。DeepMind认为，世界模型是训练具身智能体的关键。目前，Genie 3已用于训练通用AI智能体SIMA，使其学会在不同虚拟环境中理解自然语言指令、导航、互动并应对突发状况，为未来机器人、工业自动化等领域提供低成本、高效率的训练平台。 尽管进展显著，Genie 3仍存在局限：AI智能体动作范围有限，复杂操作仍依赖文本指令；多智能体协同互动能力不足；无法精确还原真实地理场景；文本渲染能力较弱，仅在提示中明确要求时才能生成清晰文字。此外，当前版本未向公众开放，仅提供有限研究预览，供少数学者和创作者使用，以评估潜在风险，确保技术负责任地发展。 尽管距离《星际迷航》中“全息甲板”般的终极体验仍有距离，Genie 3作为首个真正实现实时交互的通用世界模型，已为通往下一代AI与虚拟现实融合开辟了清晰路径。