11月19日,google 宣布其最新世界模型models/genie-4)已通过
☞☞☞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☜☜☜

Genie4融合 Gemini Omni 的视觉渲染能力与 Gemini 系列的多模态推理能力,可基于文本提示或参考图像生成分辨率为 720p、帧率为 24fps 的连续高清交互式虚拟世界,并同步输出包含环境音、音效及角色语音的原生立体声音频。
用户可在场景中使用 WASD 键或方向键进行实时自由移动(平均响应延迟约 0.5 秒),并可通过实时文本指令动态修改天气、光照条件及触发事件(调整延迟约为 1–2 秒)。系统底层通过持续推理机制确保世界状态在交互过程中的逻辑一致性与时间连贯性。与此同时,Google AI Studio 新增交互式画布界面与开箱即用的入门示例应用,以降低开发门槛;所有由 Genie4 生成的内容均自动嵌入不可见的 SynthID 数字水印。
Google Workspace MCP 服务器通过任何支持 MCP 的 AI 助手,提供对 Gmail、Google Calendar、Drive、Docs、Sheets、Slides、Forms、Tasks、Contacts 和 Chat 的全面自然语言控制。它支持 OAuth 2.1 多用户认证,并包含用于编码代理的 CLI。
在技术实现层面,Genie4 采用单会话临时令牌机制保障 API 密钥安全,浏览器端通过 WebRTC、服务端通过 WebSocket 实现低延迟流媒体传输;单次会话最长持续 120 秒,服务节点部署于美国、西欧及日本数据中心。API 收费标准为:每百万输入 token 1.50 美元、文本输出 9 美元、视频输出 17.50 美元,整体流媒体服务成本约为每秒 0.10 美元。
作为 Google DeepMind 于 10 月发布的研究预览成果的商业化演进,Genie4 将世界模拟技术从实验室研究阶段推向开放的第三方应用生态。它不仅为交互式原型开发与空间可视化任务提供了全新工具链,也为机器人控制策略训练及通用人工智能(AGI)智能体研发,构建了一个兼具低成本、高保真与高安全性的仿真训练环境。

















