谷歌发布世界模型Genie 4：可实时操控、可听、可推理的动态模拟世界
北京商报10月29日报道，北京时间10月28日，谷歌发布新一代世界模型Genie 4。与单纯追求视频生成不同，Genie 4的定位是“可实时操控、可听、可推理的动态模拟世界”，它是谷歌旗下首个能够原生生成音频的实时世界模型，能在生成场景的同时，同步生成音乐、环境音和互动对话，人物能根据用户输入或场景中发生的事件实时交谈、作出回应。用户可通过自然语言在模拟中途直接改写天气、镜头角度或引入新对象，且模型能在最长两分钟的窗口内维持场景一致性。Genie 4与Gemini系列模型协同：在实时生成世界的过程中，Gemini 3.8 Flash扮演类似“导演”的角色，持续观察画面、将目标拆解为多个步骤、检查任务进展。目前Genie 4仍处于研究预览阶段，仅向受信任的测试者开放；谷歌计划随后向Project Genie中的Google AI Ultra订阅者，以及Gemini API和Google AI Studio的早期合作伙伴开放。