DeepMind发布世界模型Genie 4：原生音频、人声与更真实的物理效果

据Ars Technica报道，谷歌DeepMind推出Genie 4，为AI生成的交互式世界加入原生音频、人类语音和更逼真的物理效果，将先向开发者和AI Ultra订阅用户开放。

据Ars Technica报道，谷歌DeepMind发布了其Genie世界模型的最新版本Genie 4，DeepMind博客2026年10月的Models栏目下也列有一篇题为“Genie 4: A new generation of world simulation”的文章。世界模型可根据文字提示实时逐帧生成可交互的虚拟环境，无需预先渲染的场景或手工编写的交互逻辑。Ars Technica称，谷歌将此类模型视为迈向通用人工智能的一步，DeepMind表示它们可为机器人提供无限的训练环境，或加快创意领域的原型设计。

据Ars Technica介绍，Genie 4使用Gemini模型Gemini 3.8 Flash作为引导智能体，负责拆解目标并评估每一帧生成的画面，用户仍可在运行过程中更改天气或镜头等条件。DeepMind称，该模型对空气动力学和碰撞的处理更好，人物动作也更自然。它被描述为DeepMind首个带有原生音频的世界模型，包括环境声和人类语音，对话会随模拟的变化而调整。这些是公司的说法，尚未经独立测试，DeepMind也承认Genie 4生成的世界只能保持几分钟的一致性，之后就会忘记最初的情形。

目前尚未给出发布时间。Ars Technica报道，一小批受信任的测试者已在使用该模型，开发者将通过Gemini API和AI Studio获得，价格尚未公布，普通用户则会通过Project Genie分阶段获得访问权限，首先面向谷歌最昂贵的AI Ultra套餐，起价为每月100美元。谷歌日后可能向更便宜的套餐开放，目前已设有候补名单。DeepMind强调，世界模型仍是活跃的研究领域，并指出Genie 3从未超出有限的Project Genie网页体验。