谷歌 DeepMind 于周二推出了最新的世界模型 Genie 4，目前处于研究预览阶段。这款最新模型能够生成迄今为止拟真度最高、可交互的虚拟世界，用户可以在模拟运行的过程中输入提示词来修改场景。该模型还能生成和虚拟世界同步的实时音频，涵盖音乐、环境音以及可交互对话。

　　就在 Genie 4 发布的数月之前，AI 初创公司 Runway 推出了自家第二款世界模型 GWM Worlds 2，这是一款可交互运行的模型，能够对用户输入做出动态响应，同时支持音频生成。与此同时，世界模型赛道开始出现整合趋势。李飞飞创立的世界实验室被 AMD 收购，亚马逊正在洽谈收购 Decart，而 Rivian 刚刚收购了 Third Dimension，以此在内部搭建仿真能力，用于自动驾驶测试。

　　一年多前，谷歌就以研究预览的形式发布了前代模型 Genie 3。除了画面拟真度大幅提升并新增音频能力之外，Genie 4 支持自由形式的

　　谷歌的大模型 Gemini 和 Genie 4 的集成度也进一步提高，Gemini 相当于导演，负责规划步骤、校验画面帧，Genie 4 则负责生成

　　谷歌研究总监特贾斯 · 库尔卡尼在一场简报会上表示：“未来我们会越来越多地见到这类混合式世界模型，由 Gemini 编写代码和文本，Genie 4 实时读取这些内容，在不同抽象层级上对现实进行仿真。”

　　和其他世界模型一样，其主推的商业化落地场景包括游戏、交互式学习以及机器人领域。交互式学习的一个设想案例是，用户进入一幅描绘历史场景的画作当中，和画中的人物交流画里记载的事件。

　　不过，“可信测试者”也就是首批能够体验谷歌前沿产品的用户，发现了一个潜在新用途：电影原型制作。

　　谷歌 DeepMind 工程师迭戈 · 里瓦斯在媒体简报会上说：“实时特性的价值，在需要维持连贯创作思路的场景里体现得尤为突出。比如创意构思阶段、分镜脚本阶段，所有需要快速迸发创意的环节都适用。”

　　谷歌还推出过 Veo 这款 AI 生成模型，可以根据文本、或者提示词生成高清短片，自带同步音频，这款工具在影视创

　　里瓦斯补充说，用户未来有望借助 Gemini Omni 这款多模态大模型，把原型素材转化为正式创作资产，Gemini 全模态可以基于、音频和文本来生成。不过他也提到，这些能力距离落地还有一段距离。

　　整场简报会上，里瓦斯反复强调 Genie 4 仍处在发展早期，完整产品最终会是什么样的体验还没有定论。团队也承认 Genie 4 仍存在短板：仿真运行时间越长，细节和物体就越容易出现偏移，团队还没有找到稳妥的办法，保证音频准确无误，同时让虚拟世界里的文字清晰可辨。

　　目前 Genie 4 已经面向可信测试者开放研究预览。未来几周内，该模型会陆续向谷歌 AI Ultra 订阅用户、Genie 项目开放，Genie 项目是谷歌推出的 AI 工具，可以根据文本或提示词生成可交互虚拟世界，Gemini 应用程序接口和谷歌 AI Studio 的早期合作方也会获得使用权限。

　　特别

　　发现一个残忍真相：不管你多爱自己的儿女，不遗余力供他们上大学，把他们抚养成人，给他们最好的，他们也不一定会像你爱他们那样爱你

　　现在中国面前有三个难题，而且每个都是倒计时：第一个，台湾统一没法再往后推了，统一不是选不选的问题，是必须交卷的题

　　业主惊讶发现自己的车被套牌，在自家阳台观察拍摄一周后举报，车主为享受“免费通行”被拘15天、罚5000元

　　震惊！浙江女生发布讲述逛街经历，称父亲对过路女子反复上下扫视，网友：这是大义灭亲，还是欲加之罪

　　8年前，马哈蒂尔叫停了中马铁路合同转向日本，拒绝赔付中国361亿，2026年这条铁路进度达93%，最后结局反转得连狗血剧本都不敢这么写