Google DeepMind 发布世界模型 Genie 4，首次登陆 API

Justine Moore 在 X 上分享了一段由 Genie 4 生成的完全可交互实时视频，画面是 GTA 风格的自动驾驶场景，并附上视频链接。她以“GTA Waymo 比 GTA 6 先来”调侃这段生成内容。

Logan Kilpatrick 与 Raia Hadsell、drivascos 和 Hang 对谈，讨论 Genie 4 的进展以及接下来的方向。原文未披露 Genie 4 的具体功能、参数或发布时间。

Google 模拟了人形机器人用 AI 下跳棋的过程：Gemini 4 Argon 把任务拆解成多个步骤，Genie 4 再实时模拟 Apptronik 的 Apollo 机器人执行这些步骤。推文附有演示视频链接。

Google 发布 Genie 4，可实时探索照片级 AI 世界，支持四处走动、与角色对话、用提示词切换场景。Min Choi 整理了 10 个示例及对应提示词，首个示例是第一人称视角的巨龙飞行。

Google DeepMind 推出 Genie 3 的继任者 Genie 4，这是其首个直接生成声音的实时世界模型，用户可用键盘移动场景、用文本提示词驱动事件。

Google 预览新一代前沿世界模型 Genie 4，并宣布其将首次通过 API 提供。目前仅放出早期预览，具体参数、定价与上线时间均未公布。

谷歌发布 Genie 4 世界模型，可实时生成周围原声的音频，画质和物理效果较此前有大幅提升。该版本还实装了在生成过程中通过提示词生成事件的能力。博主称演示效果很好，但目前 Ultra 会员还不能体验。

Google DeepMind 以研究预览形式发布世界模型 Genie 4，可生成实时音频，并支持在模拟过程中输入提示词实时改变天气、镜头角度或添加人物物体。该模型能维持最长两分钟的一致场景，是前代 Genie 3 的两倍，物理表现和角色拟真度也有提升。

Google Genie 4 能把一张上传的图片变成可实时移动和交互的完整可探索世界。博主演示了在生成场景中走动、让鹦鹉落在手上并扔香蕉互动的过程，并称该功能的 waitlist 已开放。博主还提到，一年半前最好的 AI 视频模型还很难维持镜头连贯，如今整个环境已能即时生成。

Genie 4 发布，主打实时世界模型，用户可进入实时模拟中录制多条 take，并即时调整机位、灯光、声音和动作。Bilawal Sidhu 用它逐步搭建了一个场景，场景中的黑色三角形来自 DoW 近期在 UAP 文件中分享的形象。

Google 发布世界模型 Genie 4，称其为目前最逼真、最具交互性的世界模型。它支持实时操控动态环境中的事件、镜头角度和动作，生成与世界匹配的原生音频，角色可实时对话，并能模拟照片级真实场景和真实物理，借助 Gemini 的推理生成更连贯的多步事件。

Justine Moore 提前体验了 Google DeepMind 的 Genie 4，只需一条起始提示词（环境加角色）就能生成完全由模型生成的可交互世界。她表示现在可以通过提示词改变这个世界并与之交互，且带有原生音频。

Google DeepMind 公布 Genie 4，基于 Gemini Omni 实现照片级真实感，并加入空气动力学与碰撞等物理模拟、实时提示词改场景、原生环境音与对话音频，以及由 Gemini 推理规划多步事件以保持场景连贯。

Google DeepMind 发布 Genie 4，称其是目前最真实、最具交互性的世界模型。官方演示显示，用户可实时探索动态环境，观察场景如何响应、如何发声，以及其中的人物如何移动、反应和说话。

Google DeepMind 发布世界模型 Genie 4，可实时生成带原生音频的交互式模拟世界，支持用自然语言在运行中修改天气、镜头和人物。Genie 4 首次在实时世界模型中原生生成音频，包括环境声和可随输入反应的对话，并借助 Gemini 3.8 Flash 作为循环中的引导智能体拆解多步任务。

Google 发布 Genie 4 世界模型，用于生成可交互的 AI 体验，官方称有四项主要更新：生成更真实的世界、支持用自然语言提示词实时修改体验、可生成音频，底层使用 Gemini 3.8 Flash 辅助模拟。