模型定位
Genie 4 是 Google DeepMind 发布的实时交互式世界模型,旨在生成可探索、可实时调整的模拟环境。它是原生多模态模型,可在生成世界画面的同时生成音乐、环境声和互动对话。官方公告发布日期为 2026 年 10 月 27 日。(deepmind.google)
主要能力
- **实时控制环境:**用户可使用自然语言修改天气、移动镜头或引入人物和物体,并通过键盘等控制方式探索场景。
- **模拟物理与人物行为:**生成包括碰撞、气动现象在内的场景,以及能够移动、回应环境并受实时引导的人物。
- **原生音频:**生成与场景相匹配的声音,人物对话可随用户输入或世界事件实时变化。
- **多步骤事件模拟:**与 Gemini 模型配合时,Gemini 可观察场景、拆解目标并动态调整计划;官方还展示了与 Gemini Robotics 相关的实验。(deepmind.google)
用途与访问
官方列举的探索用途包括影视预演和创意构思、历史场景可视化、交互体验原型,以及机器人和 AI 智能体的模拟训练与测试。这些用途不代表模型已适合所有生产场景。
截至查询时,官方将 Genie 4 描述为面向可信测试者的研究预览,并计划首先向 Project Genie 中的 Google AI Ultra 订阅者以及 Gemini API 和 Google AI Studio 的早期合作伙伴开放。(deepmind.google)
限制与安全
- 官方称连续交互目前只能持续几分钟;长时间模拟、复杂提示词修改或场景导航可能导致视觉细节和物体持存性发生漂移。
- 多智能体交互、复杂物理交互、空间与实时音频准确性、清晰文字渲染及长期一致性仍有待改进;对真实地点的模拟并非完全准确。
- 官方表示生成的视频和音频将包含 SynthID 数字水印,并采用安全防护措施。(deepmind.google)
价格
截至 2026 年 11 月 16 日,在查询的官方公告、模型页面和 Gemini API 定价页面中,未核实到 Genie 4 专属的公开价格:币种、输入计费、输出计费及计费单位均未核实。不将其他 Gemini 模型或订阅套餐的价格视为 Genie 4 的 API 单价。(deepmind.google)