机器人电报10月28日讯，谷歌DeepMind团队于10月27日发布博文，正式推出Genie 4世界模型，并将其定位为”重大研究里程碑”。该模型在原生音频、实时自然语言改写、物理模拟与人物表现等方面实现核心突破，将世界模型从一次性生成画面升级为可实时操控、可听、可推理的动态模拟世界。
Genie 4最大的亮点在于用户可在模拟运行中以自然语言文本指令实时”导演”世界，例如修改天气、移动镜头、加入新角色或物体。与主流AI重新生成一段视频不同，Genie 4会结合当前场景上下文执行动态变化，更像一个可交互的虚拟沙盒或”AI导演系统”——用户可设定一个事件，观察世界如何继续演化，同时随时介入调整。此外，Genie 4是DeepMind首个在实时世界模拟中原生生成音频的模型，音频与画面在同一过程中同步产生。谷歌还表示，Genie 4在空气动力学、碰撞等物理场景上表现更强，人物动作更加自然，能根据环境作出有机反应，并支持实时操控。
谷歌首席执行官桑达尔·皮查伊（Sundar Pichai）10月28日在其个人账号发布推文，称Genie 4是谷歌迄今为止最逼真、最具互动性的世界模型。谷歌研究总监Tejas Kulkarni在接受科技媒体TechCrunch采访时表示，未来将由Gemini负责文本、代码与任务规划，Genie 4实时将这些内容转化为可交互世界，形成”混合世界模型”。
不过，DeepMind工程师Diego Rivas承认，Genie 4仍处于早期阶段，长时间模拟可能出现细节漂移，音频准确性及画面内文字的可读性也尚未完全解决。Genie 4目前仅以研究预览形式向”受信任测试者”开放，未来几周将扩展至Google AI Ultra订阅用户。