Google DeepMind 10 月 27 日发布第四代世界模型 Genie 4：根据文字或图片实时生成可用键盘走动、转动镜头的交互世界，第一次同时生成环境声、音乐和角色对话；目前作为研究预览只开放给受信测试者。
置信度：高（100） · 事件时间 2026-10-27
理由
- 官方称四项主要进步：用自然语言实时改场景（改天气、移镜头、加人或物体）；物理和人物动作更逼真；原生生成音频，角色能实时对话、回应用户输入；由 Gemini 3.8 Flash 当“引导智能体”，持续观察画面、拆解目标、逐帧核对每一步是否完成，让多步因果更可靠。
- DeepMind 把世界模型定位为机器人和智能体的训练环境：博客演示了 Gemini 4 Argon 把任务拆成步骤、实时驱动 Genie 4 模拟 Apptronik 的 Apollo 人形机器人下跳棋。
- 官方称受信测试者在用它做影视预演、把一张历史照片变成可走动的场景、游戏原型和企业场景模拟。
- Ars Technica 指出上一代 Genie 3 一直只在有限的 Project Genie 网页体验里开放；这次官方给出了面向 Ultra 订阅者和 Gemini API 的开放路线。
用法
- 可在 Project Genie 登记候补名单（DeepMind 博客顶部有入口）。官方称接下来先开放给 Google AI Ultra 订阅者（Project Genie）以及 Gemini API、Google AI Studio 的早期合作方，没有给具体时间和价格。
- 官方称 Genie 4 生成的所有视频和音频都带 SynthID 隐形水印。
风险
- TechCrunch 称场景最长能保持一致约两分钟、是 Genie 3 的两倍；官方原文只写“短时会话内保持连贯”，没有给具体时长。
- 官方列出的局限：运行越久、改动越多，画面细节和物体恒存性越容易漂移；复杂物理交互、实时音频准确度、文字渲染、空间精度和长时一致性仍在研究中。
- 只看到官方挑选的演示，没有公开评测数据；对外开放时间未定，Ars Technica 称价格不会便宜。
打开 · TechCrunch · Ars Technica · The Verge · SiliconANGLE