谷歌Genie 4发布：一句话，生成一个能逛的虚拟世界

谷歌DeepMind周二在官网发布了新一代世界模型Genie 4。输入一句文字描述，模型实时生成一个可以探索的虚拟世界，用键盘就能在里面走。场景展开过程中也能输入指令，让天气突变，或者往场景里塞一个新角色。

这次它比上一代多撑了两倍时间，模拟环境最长能跑两分钟，还第一次带上了声音：环境声音、音乐，以及对用户行为作出反应的对话。

世界模型不生成静态视频，它生成的是能即时交互的环境。这类技术对游戏行业的冲击，华尔街已经领教过一次。今年1月，谷歌用Genie 3做了个原型产品Project Genie，消息一出，游戏股集体下跌。

Genie 4靠Gemini维持虚拟世界的连贯性。谷歌在博客里说，当Genie 4生成场景时，Gemini会观察不断传入的画面，理解用户目标，拆解成步骤，再核查每一步是否完成。团队曾尝试用Gemini 4 Argon，但实际的实时体验由承担日常任务的较轻量级主力模型Gemini 3.8 Flash驱动。

新模型目前以研究预览形式，向一小批受信任的测试者开放。游戏开发者和电影制作人已经在尝试用它把创意变成可探索的原型。未来几周，谷歌会向Google AI Ultra付费套餐用户开放，同时也将向部分使用Google AI Studio和Gemini API的开发者提供访问权限。公司还在研究用它训练机器人。

Genie 4仍然是实验品。DeepMind研究工程师Hang Qi说，能跑到两分钟，也不意味着场景全程保持完全一致。随着模拟运行时间延长，画面细节和物体可能逐渐发生变化。复杂的物理交互、清晰可读的文字、长时间一致性，都有待完善。DeepMind研究总监Tejas Kulkarni说，要让虚拟世界哪怕只维持两分钟的一致性，模型也得真正理解日常世界的物理规律。

所有生成的音频和视频都带SynthID，谷歌的AI内容识别隐形水印。

在新闻发布会上被问及对游戏行业的影响时，DeepMind产品经理Diego Rivas回应得很克制：“两分钟能做到的事情终究有限。我们仍处于研究探索阶段，还没有真正进入最终产品的开发阶段。”