【太平洋科技快讯】据财联社报道，谷歌 DeepMind 于周二在官方网站推出新一代 AI 世界模型 Genie 4，该模型支持通过文本指令生成可交互的虚拟环境，进一步推进交互式虚拟场景技术的发展，官方称其为 " 目前最逼真、交互性最强的世界模型 "。
在 AI 赛道，谷歌需要直面 OpenAI、Anthropic 带来的竞争压力，不过 Gemini 4 Argon 的发布被外界认为帮助谷歌缩小了行业差距。世界模型与多模态能力，一直被视作谷歌的技术优势。
据了解，Genie 4 可让用户借助文字提示就能搭建可供游历的虚拟世界，并能够通过键盘完成场景内操控；在场景运行过程中，还可以实时下发指令，调整天气、新增角色等元素。模型模拟环境最长可运行两分钟，时长达到上一代 Genie 3 的两倍。Genie 4 也是该系列首个实现音画同步生成的版本，可以产出环境音效、背景音乐，还能生成响应用户操作的对话音频。Genie 4 输出的全部音视频内容，都会嵌入谷歌 SynthID 隐形水印，用于标记 AI 生成内容。
Genie 4 依托 Gemini 系列模型保障虚拟世界的逻辑连贯性。Genie 4 生成场景时，Gemini 会持续解析画面，理解用户意图并拆解执行步骤，校验任务完成情况。团队曾测试过 Argon 模型，实际实时交互体验则由轻量化的 Gemini 3.8 Flash 负责驱动。
目前游戏开发者、影视创作者等测试人员，正在利用 Genie 4 制作可交互创意原型、搭建场景草图。谷歌也在探索该模型在机器人训练方向的可能性，但相关应用能否大规模落地尚不确定。
谈及技术对游戏行业的影响，DeepMind 产品经理 Diego Rivas 表示，谷歌正联合合作伙伴评估这项技术的落地方式与现存短板，目标是拓展现有创作能力，而非直接替代现有工作流。
谷歌强调， Genie 4 仍处在实验阶段，当模拟时间拉长后，画面细节、物体形态会出现漂移。DeepMind 工程师坦言，即便模型支持最长两分钟模拟时长，也无法保证全程场景完全一致。复杂物理交互、可读文字、长时段场景一致性，仍是有待攻克的难点。研究负责人 Tejas Kulkarni 提到，想要实现两分钟完全稳定的虚拟世界，需要模型深度理解现实世界物理规则。官方也表示该项目还停留在研究探索阶段，尚未进入成熟产品开发。
现阶段 Genie 4 以研究预览模式对小范围可信测试人员开放，未来数周谷歌计划向最高档位付费订阅 Google AI Ultra 用户开放访问，同时面向部分 Google AI Studio、Gemini API 开发者提供调用权限。
