公告 AiTest123 交流群已开放 欢迎进群交流功能建议、产品想法、数据问题和使用反馈

AiTest123.comAiTest123.comAI 评测与可信度检测平台

谷歌Genie 4：120秒虚拟世界，AI未来已来

资讯 腾讯网 作者：腾讯网 全文 3799 字 · 约 10 分钟读完 配图 2 张 分类Google模型发布世界模型DeepMind

这个世界只能维持 120 秒，然后一切开始崩塌。然而在这两分钟里，你可以随时改变天气、召唤巨龙，甚至让一座城市为你拔地而起。 刚刚，Google DeepMind 正式发布新一代世界模型 ....

所属频道 大厂动态模型发布
这个虚拟世界撑得住 120 秒，之后就开始瓦解。可就在这两分钟里，天气随你改，巨龙随你召唤，一座城市也能就地长出来。
Google DeepMind 刚刚正式推出新一代世界模型 Genie 4。AI 造出来的虚拟世界，离现实又近了一步。
和上一代比，Genie 4 的画面更逼真，还能实时生成声音、模拟物理规律。用户可以直接走进 AI 造的世界，随手改天气、加人物，和虚拟角色对话。
谷歌还把 Gemini 接进了世界模拟：大语言模型管规划行动，Genie 4 管实时生成环境。过去只能看的 AI 视频，正变成一个能自由探索、持续互动的虚拟世界。

AI 视频的下一站，是可以走进去的世界

2024 年，Google DeepMind 推出 Genie 1，试着从视频里学习动作与环境变化的关系。之后的 Genie 2 把能力扩到可探索的三维环境，2025 年发布的 Genie 3 做到了实时生成、实时交互。
Genie 4 在真实感、物理模拟和交互能力上再升一级，单次模拟时长从约一分钟拉长到两分钟。
谷歌公布的演示里，用户输入一段文字，就能生成可探索的虚拟世界。用键盘控制角色移动、调整镜头都行，运行过程中还能继续输入提示词，把整个场景改掉。
比如一个漂浮在湖面上的小平台，一名穿棕色西装的男子在吹萨克斯。四周是薄雾笼罩的湖水、森林，还有随风摆动的植物。
镜头可以自由移动，去看演奏者的动作和湖面的变化，也能临时改天气、加人物或物体。Gemini 会结合当前环境理解指令，帮 Genie 4 把场景的连贯性维持住。
提前体验过 Genie 4 的沃顿商学院教授伊桑·莫利克，只给了一句「一座由机器人和马匹居住的新哥特式粗野主义城市」，一分钟内就生成了一座虚拟城市，随后又实时塞进巨龙和一只友善的水獭 NPC。
a16z 投资人贾斯汀·摩尔则展示了一段他戏称为「GTA Waymo」的演示：在完全由 AI 实时生成的城市环境里自由探索，全程都能直接交互。
摩尔还演示了一个只靠环境与角色提示词搭出来的虚拟世界。用户能在运行中继续下指令、改场景，并且听到与世界同步生成的原生音频。
从这些实际体验看，Genie 4 的特别之处在于：不用预先做三维地图，也没有固定的场景演出，AI 会跟着用户的操作，持续生成接下来发生的事。
物理模拟方面，谷歌展示了西瓜受到冲击、枫树种子从空中飘落、拥挤的乡村火车站等案例，对应的是碰撞、空气动力学、重力作用和复杂人群行为。
人物动作尤其明显。Genie 4 让虚拟角色移动得更自然，能随环境变化作出反应，用户也能实时引导角色的行为。
以前 AI 生成视频基本是一次性交付，用户只能看最后的结果。现在 Genie 4 想让每一次移动、每一个操作，都变成影响虚拟世界走向的新变量。

AI 生成的世界，终于有声音了

Genie 4 的另一项重要升级，是第一次支持原生音频生成。
此前 Genie 系列主要围着画面和动作交互转。现在 Genie 4 在生成世界的同时，能实时生成环境声音、音乐和人物对话。
海边有海浪声，树林里有风声；骑着巨龙穿过山谷，能听见翅膀拍打空气、狂风呼啸，还有远处的火山活动。
更值得关注的一点是，Genie 4 开始让虚拟人物具备实时对话能力。
传统游戏里的 NPC 一般靠预先设计的对白和行为逻辑，Genie 4 则能根据用户输入和场景中发生的事，动态生成角色的语言与反应。
这意味着，未来玩家有机会走进一个 AI 创造的世界，和里面的人物自由交流，甚至用自己的行动改变故事发展。
不过，眼下的Genie 4在音频准确性和长期一致性上还有短板，想真正撑起大型开放世界游戏，技术差距依然不小。

Gemini 也来当导演，AI 开始理解世界如何运转

画面和声音让Genie 4离现实更近一步，Gemini的加入则让世界模型有了复杂的推理与规划本事。
按Google DeepMind的说法，Genie 4把Gemini家族的多项能力融了进来。模拟所需的外观与行为基础由Gemini Omni提供；Gemini 3.8 Flash则扮演实时引导智能体，盯着生成的画面看，把任务拆成若干步骤，再逐步判断有没有做成。
分工很清楚：虚拟世界由Genie 4生成，接下来该发生什么由Gemini规划。比如用户让机器人完成一项复杂任务，Gemini会把任务拆成多个动作，观察机器人在模拟环境里的表现，再依据执行结果调整下一步计划。
用户临时改要求，或者周边环境变了，Gemini也能当场修改行动方案。
谷歌还亮出一项研究实验，把Gemini 4 Argon和Genie 4搭在一起。演示中，Gemini 4 Argon把任务拆成连续步骤，Genie 4实时模拟Apptronik旗下Apollo人形机器人下跳棋的全过程。和单纯生成一段机器人下棋视频相比，这套组合更看重对任务执行过程的持续模拟与调整。
这对机器人训练很有用。现实里训练机器人要占用大量设备、场地和实验，碰上危险或昂贵的场景，反复测试几乎不可能。世界模型若能准确模拟物理环境，机器人就可以先在虚拟世界里练手，再把学到的能力搬到现实中。
Google DeepMind研究主管Tejas Kulkarni也提到，混合世界模型是未来的重要方向，要把语言模型的结构化推理和世界模型的感官模拟捏到一起。复杂事件的规划与组织交给Gemini，Genie再把规划变成实时变化的画面、声音和物理环境。
AI开始试着在自己造的世界里，预测并验证行动可能带来的结果。

世界模型的野心，远远不止游戏

现在，Google DeepMind已经邀请电影、游戏、新闻、教育和工程等行业的测试者，来摸索Genie 4的实际用法。
电影制作是其中颇有想象力的一个方向。以前导演要验证复杂镜头，往往得先做分镜、搭三维场景，或者安排演员预演。有了Genie 4，创作者用文字生成一个可探索的虚拟场景，直接走进去调镜头、灯光、人物动作和对白，不同的拍摄方案可以快速试。
游戏开发者这边，Genie 4也可能成为快速原型工具。开发者用提示词造出游戏环境，直接测试美术风格、材质表现和基础互动玩法，再决定要不要投入资源正式开发。
新闻和教育领域也有应用空间。谷歌提到，有摄影记者正试着把二维历史照片变成可探索的动态场景，或者用模拟呈现洪水、野火等事件的发展过程。不过，AI从历史照片推断出的画面，不能直接当成对历史事实的准确重建。
工业仿真、机器人研发、复杂环境测试这类企业场景，同样是世界模型可能落地的地方。真实试验要花的时间和成本，有望因此压下来一部分。
应用前景一清楚，世界模型就成了AI巨头争抢的新赛道。
谷歌之外，Runway已经拿出支持实时音频和交互的GWM Worlds 2。李飞飞创办的World Labs走的是另一条路——空间智能，重心放在三维环境的重建、编辑和长期一致性上。
今年9月，AMD宣布以约82亿美元收购World Labs。这笔交易说明，世界模型的价值已经不只停在内容生成，还伸向了机器人和AI算力基础设施。

只有120秒的世界，却通向AI的未来

Genie 4的能力确实让人印象深刻。不过，离一个真正完整的数字世界，它还有很长的路要走。
眼下模型能维持的交互模拟时长大约两分钟。模拟时间一拉长，物体细节就可能变样，场景也会出现前后对不上的情况。
用户要是连续改提示词，或者在大环境里不停探索，模型对早期场景信息的把握也可能慢慢失准。复杂物理交互、空间准确性、音频生成，还有画面里文字的可读性，同样都有待改进。
Genie 4目前已向部分受邀测试者开放研究预览。后续它会通过Project Genie向Google AI Ultra订阅用户开放，再逐步提供给Gemini API和Google AI Studio的早期合作伙伴。
回看这几年生成式AI的走向：从文字到图片，从图片到视频，再到如今能实时探索、带声音和人物行为的虚拟环境，AI生成内容的边界一直在往外扩。
Genie 4真正该盯住的点，是世界模型开始和大语言模型的推理能力深度结合。
以前的AI能告诉你一个人推开门后可能看到什么，也能生成一段推门的视频。往后它还得弄明白门为什么开、门后的人会怎么反应，以及接下来一连串行动会带来什么结果。
对要走进现实世界的AI Agent和机器人来说，能预判行动后果、能在虚拟环境里反复试错，或许比生成一段好看的视频更要紧。
大语言模型正在教AI学会思考，世界模型想的则是让AI理解行动的后果。
也许未来AI理解现实世界的一条重要路径，就是先在自己造出来的无数个世界里，反复学习现实到底怎么运转。
本文由本站编辑组整理与排版，内容基于公开信息核实后归纳发布，与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态，力求信息准确、表述清晰；文中涉及的名称、价格与功能细节可能随官方调整而变化，请以官方最新说明为准。如发现疏漏或表述有误，欢迎通过站内渠道反馈指正。

继续浏览更多资讯

返回资讯目录
上一篇资讯 谷歌发布Genie 4：一句话生成可玩世界，键盘漫游NPC开口对话 阅读之前记得关注+星标⭐️，，每天才能第一时间接收到更新 谷歌刚刚推出Genie 4，迄今为止最逼真且最具交互性的世界模型。Genie 4 的最新功能： 照片级真实感：基于 Gemini Omni 构建，在空间和主题中呈现逼真的细节 高级物理效果：空气动力学、碰撞以及自然移动的人物 实时控制：通过提示更改场景、添加元素 下一篇资讯 谷歌Genie 4发布：2分钟世界，能实时出声还能走进去 这个世界只能维持 120 秒，然后一切开始崩塌。然而在这两分钟里，你可以随时改变天气、召唤巨龙，甚至让一座城市为你拔地而起。 刚刚，Google DeepMind 正式发布新一代世界模型 ....

相关资讯

更多
谷歌Genie 4发布：实时生成世界，还能语音对话 AI 开发者社区 · 10/28 谷歌Genie 4世界模型：音视频同步生成，最长两分钟 TechWeb · 10/28 谷歌DeepMind发布Genie 4：音视频同步生成，最长两分钟可交互画面 AI 行业观察 · 10/28 谷歌发布Genie 4世界模型：原生声音、2分钟记忆，内测已开 AI 行业观察 · 10/28 谷歌DeepMind推出Genie 4：音视频同步生成，可实时编辑虚拟世界 TechWeb · 10/28 谷歌DeepMind发布Genie 4：可实时改场景，同步生成音频 腾讯网 · 10/28 Google DeepMind Genie 4：原生音频+连续性翻倍，性能指标为何成谜？ AI 行业观察 · 10/28 DeepMind Genie 4首发原生音频：连续性翻倍，指标为何未公开？ AI 科技快讯 · 10/28 Genie 4研究预览上线：新增实时音频，支持中途文本操控 AI 科技快讯 · 10/28 DeepMind Genie 4发布：物理与人类模拟双提升，开放生态待解 AI 科技快讯 · 10/28

相关 AI 工具

AI 导航
DeepMind Google DeepMind致力于通过先进的人工智能技术推动科学发现与创新 知识管理 · deepmind.google Genie 专为Shopify品牌设计的高效库存管理工具,简化您的日常运营流程 营销与增长 · genie.io Genie Genie官网,Cosine ai推出的编程助手 简介 Genie是Cosine Al推出的A编程助手,能像… 聊天对话 · cosine.sh Deepmind 我们是一个由科学家、工程师、伦理学家等组成的团队,致力于解决智能问题,推动科学进步,造福人类 知识管理 · deepmind.com Genie 腾讯云CodeBuddy推出的零代码AI应用开发工具,提供智能问答、创意协作和高效助手服务 聊天对话 · codebuddy.ai Google Antigravity antigravity官网,Google以Gemini 3为核心、强调“agent-first”的云端AI开… AI 编程 · antigravity.google Socratic by Google 一个由谷歌人工智能驱动的学习应用,为作业问题提供答案和解释 教育与学习 · socratic.org Hubble with Google PaLM Rubber是一款无代码平台,专为无需编程技能即可创建AI应用程序而设计 AI 智能体 · hubble.ai

相关推荐 按相关度与热度排序

全部资讯 →

  2. 谷歌发布Genie 4世界模型：实时生成场景，角色能开口对话

    文章转载于量子位作者：梦瑶实时、改环境、语音指令、Gemini…全来了？？？刚刚，Google DeepMind正式发布新一代「世界模型」——Genie 4。这也是，谷歌迄今为止最逼真且最具交互性的世界模型。一句话实时修改场景、模拟真实物理效果，连人物动作、环境音效和互动对话都能同步生成全安排上了。比如，直接在对话框里

    来源 腾讯网

  3. 谷歌发布Genie 4世界模型：可实时用自然语言“导演”虚拟世界

    谷歌 DeepMind 团队昨日（10 月 27 日）发布博文，宣布推出 Genie 4 世界模型，定位为“重大研究里程碑”，在原生音频、实时自然语言改写、更真实的物理与人物等方面实现核心突破，把世界模型从一次性生成画面升级为可实时操控、可听、可推理的动态模拟世界。

    来源 IT之家

  5. Genie 4：实时交互加原生音频，世界模型能“进”了？

    Google DeepMind推出新一代世界模型Genie 4，主打高保真视觉与原生音频同步生成。该模型允许用户通过自然语言实时修改场景中的天气、物体或人物行为，并引入Gemini系列模型进行逻辑推理以维持模拟连贯性。目前仅面向受信任测试者开放预览，旨在探索其在机器人训练、游戏原型设计及影视预演等领域的应用潜力，同时承

    来源 AI 应用前沿

  7. 谷歌推出最强世界模型 Genie 4：一句话创造可交互虚拟世界，首次实现音视频同步生成

    IT之家 10 月 28 日消息，谷歌 DeepMind 于周二推出了最新的世界模型 Genie 4，目前处于研究预览阶段。这款最新模型能够生成迄今为止拟真度最高、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来修改场景。该模型还能生成和虚拟世界同步的实时音频，涵盖音乐、环境音以及可交互对话。IT之家注意到，就

    来源 腾讯网

  8. 谷歌DeepMind发布Genie 4：AI世界开口说话，边玩边改

    出品 | 网易智能 作者 | 小小 编辑 | 王凤枝 骑着巨龙掠过山谷，视角随你转动，耳边是振翅声和呼啸而过的风声。谷歌这次展示的AI世界，已经有了几分亲手玩游戏的感觉。 打开网易新闻 查看精彩图片 图：谷歌官方演示节选，GIF不含声音 美国当地时间10月27日，谷歌DeepMind发布新一代世界模型Genie 4的研

    来源 AI 行业观察

  9. 谷歌Genie 4实测：30秒生成可玩世界，24帧实时改？

    如果 AI 不再只是生成一段视频，而是直接创造一个可以走进去、随时改变，甚至能与其中人物交流的世界，会发生什么？ 谷歌最新发布的 Genie 4，正在把这一设想推向现实。 当地时间 10 月 27 日，Google DeepMind 正式推出新一代世界模型 Genie 4，称其为「迄今为止最逼真、交互性最强的世界模型」

    来源 AI 行业观察

  10. 谷歌Genie 4发布：30秒生成游戏世界，支持24帧实时交互

    作者｜青和编辑｜四月如果 AI 不再只是生成一段视频，而是直接创造一个可以走进去、随时改变，甚至能与其中人物交流的世界，会发生什么？谷歌最新发布的 Genie 4，正在把这一设想推向现实。当地时间 10 月 27 日，Google DeepMind 正式推出新一代世界模型 Genie 4，称其为「迄今为止最逼真、交互性

    来源 腾讯网

  12. 谷歌发布Genie 4：一句话生成可探索虚拟世界，模拟时长翻倍至两分钟

    财联社10月28日讯（编辑 赵昊）谷歌发布了新版人工智能世界模型，能够实时生成更加逼真的虚拟环境，进一步推进这项曾令游戏公司感到不安的技术。谷歌DeepMind周二在官网发布了Genie 4，可让用户通过文字提示创建可供探索的虚拟世界，并可以使用键盘操控在其中游历。用户还可以在场景展开过程中输入指令，实时改变天气或添加

    来源 腾讯网

  14. 谷歌DeepMind发布Genie 4：可生成实时音频，场景能边跑边改

    谷歌DeepMind在最新研究预览中发布了第四代世界模型Genie 4，其亮点是在生成逼真交互世界的同时新增实时音频，并能通过提示词实时修改天气、摄像机角度或添加物体。Genie 4可将场景一致性维持两分钟，为上一代的两倍。谷歌强调其与Gemini模型的协同——Gemini担任'导演'负责规划与检查，Genie负责视觉

    来源 凤凰科技

  15. 张一鸣6700亿刷新首富纪录，谷歌Genie 4、苹果M6新品同日出炉

    “IT早报”时间，大家好，现在是 2026 年 10 月 28 日星期三，今天的重要科技资讯有： 1. 2026 胡润百富榜发布：张一鸣 6700 亿元刷新中国首富财富纪录、DeepSeek 梁文锋首次上榜位列第七 胡润研究院发布《2026 胡润百富榜》。今年共有 1529 位个人财富 50 亿元以上的企业家登上胡润百

    来源 AI 行业观察

  18. 谷歌发布Genie 4：一句话生成可玩世界，键盘漫游NPC开口对话

    阅读之前记得关注+星标⭐️，，每天才能第一时间接收到更新 谷歌刚刚推出Genie 4，迄今为止最逼真且最具交互性的世界模型。Genie 4 的最新功能： 照片级真实感：基于 Gemini Omni 构建，在空间和主题中呈现逼真的细节 高级物理效果：空气动力学、碰撞以及自然移动的人物 实时控制：通过提示更改场景、添加元素

    来源 腾讯网

  20. Opera推WebAI网页标准：浏览器本地跑AI模型，无需云端

    IT之家 10 月 28 日消息，浏览器厂商 Opera 推出了一项名为 WebAI 的新 Web 标准，允许用户直接在浏览器中运行 AI 模型，无需依赖云端服务。 Opera 表示，WebAI 旨在兼容多种 AI 模型。该公司以谷歌（Google）的 Gemma 为例。这是一款由谷歌推出的开放权重模型，首次发布于两年

    来源 AI 行业观察

  21. Nano Banana 2.1发布：谷歌升级图像模型，瞄准专业设计

    机器之心编辑部 Nano Banana 2 推出几个月之后，谷歌终于更新了这条产品线。 就在今天凌晨，Google DeepMind 正式发布 Nano Banana 2.1。 从命名看，这只是一次「0.1」级别的升级，但谷歌给出的评价相当直接：新版在此前 Nano Banana 系列基础上进一步提升，重点变化集中在视

    来源 AI 开发者社区

  23. 千里科技AI毫米波雷达：10 TOPS NPU进雷达，端到端传感器要换思路？

    过去两年，聊智驾技术基本绕不开这几个词：端到端、VLA、世界模型，还有一张比一张贵的训练卡。讨论几乎全在模型那一侧。可有个问题很少有人正面问：模型换了，传感器要不要跟着换？最近有消息称，千里科技发布了一款 AI 毫米波雷达（4D），千里称这是首次在雷达里集成 10 TOPS 的 NPU。我把手头能拿到的材料从头读到尾，

    来源 腾讯网

  24. Ndoc上线：前Meta总监打造AI办公平台，对标Office与Workspace

    前Meta AI总监Rohit Patel近日正式推出人工智能生产力创业公司 Ndoc ，并发布旨在挑战 微软 Office与 谷歌 Workspace的同名一体化办公平台。 该平台跳出了在传统电子表格中简单嵌入聊天机器人的既有模式，从零构建了包含“阶段”、“叙事”和“模型”三个独立标签页的工作空间。用户可通过“模型”

    来源 AI 开发者社区

  25. Edge AI Daily 早报（10月28日）

    Meta启动史上最大约950亿美元股权融资，英伟达、AMD分别以30亿、10亿美元入股绑定算力合作，AI竞争由算法转向资本与租约。OpenAI发布GPT-6.1 Terra（事实错误率53.6%降至16.7%、API降价50%），Google推出Genie 4世界模型，微软向约6万员工开放自愿离职。

    来源 AI 行业观察

  26. 谷歌DeepMind高层换血后，Argon能打回前沿吗？

    文 | 影子备忘录 2026年的AI赛道，用“瞬息万变”来形容已经远远不够。如果你每隔两周没有关注前沿模型的动态，打开排行榜时大概率会怀疑自己是不是错过了整整一个季度。 就在这样近乎疯狂的产品迭代节奏中，谷歌DeepMind于9月30日正式发布了Gemini 4系列的首款旗舰模型Argon。距离上一代旗舰Gemini

    来源 AI 开发者社区

  29. 物理AI进工厂：6万亿到50万亿美元赛道，卡在哪？

    人工智能正加速跨越数字世界的边界，向物理世界的工业肌理渗透。不过，在第二十六届中国国际工业博览会期间，多位业内专家表示，从“会生成”到“能生产”，智能制造迈向自主化还需迈过诸多现实门槛。 资本下注的物理AI 从英伟达、谷歌到Meta，全球科技巨头正密集押注“物理AI”与世界模型的基础设施。 “全球科技力量对物...

    来源 腾讯网

  30. 谷歌布林谈Gemini 4：AI模型已开始帮造下一代

    谷歌联合创始人谢尔盖·布林在Gemini 4模型Argon研发圆桌讨论中表示，公司AI开发进程正在加速，模型已开始帮助构建自身后继模型，即递归自我改进（RSI）。布林称Flash系列模型为证据，公司已踏上RSI循环之路。谷歌DeepMind负责人维汉·杰恩发文称Argon使用配额已成后训练需求。Anthropic、Op

    来源 凤凰科技
向下滚动自动加载更多
官方 API 状态 官方状态 Claude 降级
Claude · 轻微事件进行中（已持续 1 小时 11 分钟）
更新于 6 分钟前 全部状态