【php中文网快讯】据财联社消息，谷歌 deepmind 于本周二在其官网正式发布全新一代 ai 世界模型——genie 4。该模型支持仅凭文本指令即可构建具备实时交互能力的虚拟环境，标志着交互式虚拟场景技术迈入新阶段。官方将其定义为“当前最为逼真、交互能力最强的世界模型”。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
与传统视频生成工具不同，世界模型的核心在于能即时生成可操作、可响应的动态环境。今年1月，谷歌曾基于 Genie 3 推出 Project Genie 原型系统，一经亮相即引发资本市场广泛关注，游戏类股票应声走弱，业内亦开始热议该技术是否将重构游戏内容生产范式。
在 AI 领域，谷歌持续面临来自 OpenAI 和 Anthropic 的激烈竞争。而 Gemini 4 Argon 的推出，被外界普遍视为谷歌在关键能力维度上加速追赶的重要信号。其中，世界建模能力与多模态理解能力，长期被视为谷歌的核心技术壁垒。
据悉，Genie 4 允许用户通过自然语言提示快速创建可供自由探索的虚拟空间，并支持键盘输入实现基础场景内操控；更进一步的是，在环境运行过程中，用户还可随时插入新指令，如切换天气系统、添加 NPC 角色等。其单次模拟最长可持续达两分钟，是前代 Genie 3 的两倍。此外，Genie 4 也是该系列中首个实现音画同步生成的版本：不仅能输出环境音效与背景配乐，还可生成与用户操作实时匹配的语音反馈。所有由 Genie 4 输出的音视频内容，均自动嵌入谷歌 SynthID 隐形水印，用于标识 AI 生成属性。
Genie 4 的逻辑一致性由 Gemini 系列模型提供底层支撑。在生成虚拟场景时，Gemini 持续对画面进行语义解析，识别用户意图、分解执行路径，并实时校验任务执行效果。团队此前已对 Argon 模型完成验证，而实际端到端交互体验则交由轻量级 Gemini 3.8 Flash 模型驱动。
使用AIsa生成图像与视频。仅需一个API密钥即可调用Gemini 3 Pro Image（图像）和Qwen Wan 2.6（视频）。
目前，包括游戏开发者、影视创意人员在内的早期测试者，正借助 Genie 4 快速构建可交互原型及场景概念草图。谷歌方面也在同步评估其在机器人仿真训练领域的应用潜力，但相关落地规模仍存在较大不确定性。
针对技术对游戏产业的影响，DeepMind 产品经理 Diego Rivas 表示，谷歌正携手生态伙伴共同梳理 Genie 4 的适用场景与现存瓶颈，核心目标是拓展创作者的能力边界，而非取代现有开发流程。
谷歌特别指出，Genie 4 当前仍处于实验性阶段。随着模拟时长增加，画面细节与物体结构可能出现偏移现象。DeepMind 工程师坦言，即便模型支持最长两分钟的连续推演，也难以保障全程视觉与逻辑的高度一致。复杂物理交互建模、清晰可读的文字渲染、长时间尺度下的场景稳定性，仍是亟待突破的关键挑战。研究负责人 Tejas Kulkarni 强调，要实现真正稳定的两分钟虚拟世界，模型必须深度掌握现实世界的物理规律。官方亦明确表示，该项目尚处基础研究阶段，尚未进入产品化开发周期。
现阶段，Genie 4 以研究预览（Research Preview）形式面向小范围可信测试人员开放。未来数周内，谷歌计划向订阅最高级别 Google AI Ultra 服务的用户开放访问权限，同时也会逐步向部分 Google AI Studio 用户及 Gemini API 开发者提供调用接口。
