10月28日消息，据外电报道，谷歌DeepMind于周二发布全新世界模型Genie4，开启研究预览版本。这款最新模型能够生成目前拟真度最高、可交互的虚拟世界，用户可以在模拟运行的过程中输入提示词，实时修改场景。模型还能同步生成和虚拟世界匹配的实时音频，包含背景音乐、环境音以及交互式对话。

就在Genie4发布的数月前，AI视频初创公司Runway推出第二款世界模型GWMWorlds2。该模型支持交互游玩，可响应用户操作并同步生成音频。与此同时，世界模型赛道开始迎来行业整合：李飞飞创立的WorldLabs将被AMD收购；亚马逊正洽谈收购Decart；Rivian刚刚收购ThirdDimension，自研仿真工具用于自动驾驶测试。

推出Genie4，是谷歌在竞争激烈的赛道中巩固领先地位的最新动作。

一年多前，谷歌就以研究预览形式上线了前代模型Genie3。相比前代，Genie4画面拟真度大幅提升，新增音频能力，还支持自由编辑：比如实时切换天气、调整镜头角度，或是在场景里新增人物、物品。它最长可以维持两分钟连贯统一的场景画面，时长是Genie3的两倍；物理仿真效果更强，虚拟人物也更加拟人。

谷歌大模型Gemini和Genie4实现了更深层的联动：Gemini充当“导演”，负责规划步骤、校验画面，Genie4则负责生成视觉内容。在一项和GeminiRobotics相关的研究实验中，Gemini4Argon模型把任务拆解成分步指令，交由Genie4实时仿真。该实验证明，未来可以先在虚拟仿真环境里测试机器人方案，再落地到现实世界。

谷歌研究总监特贾斯・库尔卡尼在简报会上表示：“未来我们会越来越多地看到这类混合式世界模型：Gemini负责编写代码、生成文本，Genie实时读取这些指令，在不同抽象层级上仿真现实世界。”

和其他世界模型类似，它的商业化方向包括游戏、交互式教学以及机器人研发。交互式学习的一个设想场景：用户进入一幅描绘历史事件的画作当中，和画中人物对话，了解这段历史。

而首批受邀测试谷歌前沿产品的“可信测试用户”，挖掘出了一个全新潜在用途：电影前期样片快速原型制作。

谷歌DeepMind工程师迭戈・里瓦斯在发布会中提到：“实时渲染的价值，在需要保持创作连贯性的场景里尤为突出。比如创意构思阶段、分镜脚本阶段——所有需要快速迸发创意的环节，它都能派上用场。”

谷歌另有AI视频生成模型Veo，可以根据文本、图片或视频指令生成高清短片，并自动配上同步音频，目前已经受到不少影视创作者欢迎。

里瓦斯补充说，未来用户可以依托多模态大模型GeminiOmni（支持根据图片、音频、文字生成视频），把这些仿真原型转化为正式的创作素材，不过这套完整能力距离落地还有一段时间。

在整场简报中，里瓦斯反复强调Genie4仍处在早期研发阶段，最终完整产品形态还没有确定。团队也坦言模型尚存短板：仿真时间越长，画面细节、物体就越容易出现畸变偏移；同时，如何保证音频准确、场景内文字清晰可读，依旧是待攻克的难题。

目前Genie4仅面向可信测试者开放研究预览。未来几周内，该模型将逐步开放给GoogleAIUltra订阅用户（在ProjectGenie工具内使用，ProjectGenie是谷歌用于图文生成交互式世界的AI工具），以及GeminiAPI、GoogleAIStudio的早期合作开发者。