谷歌发布Genie 4：新一代多模态实时交互世界模型

谷歌宣布推出世界模型Genie 4，并已开始向受邀测试者开放研究预览。用户可通过键盘控制视角与移动，也可输入文字，在场景运行时改变天气、加入人物或物体。谷歌称，模型能够同步生成画面、环境音和随情境变化的对话，并模拟人物动作、碰撞等物理互动；这些能力仍需在更广泛的使用中检验。 Genie 4结合了Gemini系列模型。其中，Gemini 3.8 Flash会持续观察生成的画面，将目标拆分为步骤，并在场景变化后调整计划。谷歌还在探索将Genie 4与Gemini 4 Argon、机器人研究结合，用于模拟多步骤任务。受邀测试者目前正在影视、游戏、教育和工程等领域试用该模型。谷歌计划随后向Project Genie中的Google AI Ultra订阅用户，以及Gemini API和Google AI Studio的早期合作伙伴开放，但尚未公布具体日期。 谷歌同时指出，Genie 4仍是实验性模型：长时间运行或多次修改提示后，物体和视觉细节可能发生偏移，复杂物理互动、声音准确性及空间一致性也有待改进。其生成的视频和音频将加入SynthID数字水印。