Genie 4：功能、访问权限与世界模型工作原理

什么是 Genie 4？

Genie 4 是 Google DeepMind 开发的人工智能世界模型，用于根据文本提示词生成交互式虚拟环境。它在 Genie 3 的基础上进一步升级，带来了更高的视觉真实感、自然的角色动作以及响应敏捷的现实物理效果。

与输出静态片段的标准视频生成工具不同，Genie 4 生成的是用户可以主动探索的环境。Google DeepMind 将该模型作为研究预览版发布，以评估模拟现实如何赋能创意工作流和自主软件测试。

Genie 4 能做什么？

Genie 4 可以生成逼真的模拟场景，并持续对用户的操控指令和物理交互做出响应。它引入了原生音频生成功能，能够输出背景环境杂音、音乐和交互式对话，并与模拟世界中发生的事件直接联动。

Genie 4 的核心优势之一在于其实时操控能力。用户可以在模拟进行过程中输入新的提示词以改变场景，例如添加新物体、更改天气状况或调整相机视角，完全无需重新渲染。

Gemini 如何辅助 Genie 4？

Genie 4 直接依靠 Google 的 Gemini 模型来监督和构建模拟世界。Google 集成了 Gemini 3.8 Flash 作为底层“导演”，负责将用户目标分解为逻辑步骤，并在生成过程中核验每一帧画面。

这种深度集成显著改善了物理模拟的准确性，包括碰撞检测和空气动力学表现。Digital Trends 报道称，在这些虚拟世界中生成的人物动作更加流畅自然，相比早期版本明显减少了僵硬感。

在机器人研究领域，Google DeepMind 将 Genie 4 与 Gemini 4 Argon 进行了协同组合。Gemini 模型负责规划机器人动作，而 Genie 4 则在物理硬件部署前对这些步骤进行实时可视化并运行测试。

Genie 4 面向哪些用户？

Genie 4 专为需要快速进行空间原型设计的专业技术与创意团队打造。Google 指出其在电影制作前期视觉化、游戏设计概念测试以及自主机器人合成数据训练方面具有明确的落地价值。

TechCrunch 指出，整个世界模型领域正在加速扩张。随着 Runway 等竞争对手推出可玩世界模型，以及硬件厂商对实时模拟技术的持续投入，Genie 4 应运而生。

如何获取 Genie 4 的使用权限

Genie 4 目前仅作为研究预览版面向选定的受信任测试人员开放。Google 已经开通了候补名单，供希望在扩大测试规模后体验该系统的外部用户申请。

Google 计划向其 Google AI Ultra 套餐订阅者开放个人访问权限，订阅费用为每月 $100。未来可能在后续阶段扩大至 AI Pro 或 AI Plus 套餐。

软件开发者后续将能够通过 Gemini API 和 Google AI Studio 访问 Genie 4。Google 尚未公布商业开发者套餐的最终 API 定价及发布日期。

Genie 4 存在哪些局限？

Genie 4 目前仍是一个处于早期阶段的研究系统，Google DeepMind 也承认其存在多项技术瓶颈。最主要的限制在于时间一致性：场景在发生视觉漂移前，最多只能保持两分钟的稳定。

随着模拟时长增加，模型可能会丢失精细细节，且难以维持物体恒存性。Google 还指出，保持高精度的音频同步以及在模拟环境中渲染清晰易读的文字，目前仍是尚未解决的技术挑战。

常见问题

资料来源：Digital Trends · TechCrunch