Google 发布 Genie 4 世界模型：时长翻倍至约两分钟、底层用 Gemini 3.8 Flash
2026.10.28 · 产品 · 模型发布 · 媒体报道
Genie 4 由 Gemini 规划、Genie 生成视觉，并新增音频与实时编辑。
Google DeepMind 发布世界模型 Genie 4 研究预览，可生成更逼真的可交互世界，支持模拟中实时改天气、镜头或增删人物，并生成匹配场景的音乐、环境音与对话。场景一致性最长两分钟，是 Genie 3 的两倍；Gemini 负责规划步骤和检查画面，Genie 负责生成视觉。
- Genie 4 支持在模拟过程中输入提示，实时改变天气、镜头角度或添加人物与物体。
- 模型可生成与模拟世界匹配的实时音频，包括音乐、环境噪音和交互对话。
- 场景一致性最长维持两分钟，是上一代 Genie 3 的两倍，物理与角色更接近真人。
- Gemini 与 Genie 4 更深度整合，Gemini 负责规划步骤和检查画面，Genie 生成视觉内容。
- Gemini 4 Argon 在 Gemini Robotics 实验中把任务拆成步骤，由 Genie 4 实时模拟，用于在仿真中测试机器人场景。
为什么值得看
世界模型从生成画面走向可实时操控、带声音的仿真环境。
适合谁关注
Google DeepMind