Google DeepMind 发布世界模型 Genie 4:基于 Gemini Omni,首次原生生成音频与实时对话,先向受信测试者开放研究预览
Google DeepMind 10 月 27 日发布 Genie 4,称其为迄今最逼真、交互性最强的世界模型。它基于 Gemini Omni,提升了物理和人物动作的真实感,首次原生生成环境声和可互动的角色对话,并由 Gemini 3.8 Flash 在回路中规划复杂事件。目前只向受信测试者开放研究预览,即将登陆 Google AI Ultra(Project Genie)及 Gemini API / AI Studio 早期伙伴;官方未公布量化跑分。
核心要点速览
- 官方口径:Genie 4 是 DeepMind「迄今最逼真、交互性最强」的世界模型,基于 Gemini Omni 锚定真实外观与行为
- Genie 系列首个原生生成音频的实时世界模型:环境声、音乐和角色对话同步生成,角色能实时回应
- Gemini 3.8 Flash 作为回路中的引导 Agent,拆解目标并逐帧核对;Gemini 4 Argon 演示驱动 Apollo 人形机器人仿真
- 局限(官方):只支持几分钟连续交互,长时间运行物体会漂移;官方未公布任何量化跑分
- 目前仅受信测试者可用,即将开放给 Google AI Ultra(Project Genie)和 Gemini API / AI Studio 早期伙伴,输出带 SynthID 水印





