Google DeepMind 发布 Genie 4 新一代世界模拟模型

2026年10月27日 模型

Raia Hadsell、Diego Rivas 和 Hang Qi

今天，我们宣布推出 Genie 4，这是一款全新的世界模型，它解锁了前所未有的真实感，并提升了实时交互式模拟能力。Genie 4 原生支持多模态，能够同时生成类音频的音乐、环境噪音以及交互式对话。

Genie 4 模型整合并建立在 Gemini 系列模型的能力之上：Gemini Omni 将模拟锚定在真实世界的外观和行为上，而其他 Gemini 模型则提供维持模拟连贯性和连续性所需的复杂推理能力。

基于这一基础，你可以启动一个事件，Genie 4 将模拟接下来发生的事情：世界如何响应、听起来如何，以及其中的人物如何移动、反应和说话。

理解和模拟世界是构建 AGI 的关键方面。Genie 4 提升了我们创建安全、无限可变模拟的能力，这些模拟可用于从开发机器人和智能体的训练环境，到解锁新交互式体验的创建等各个方面。

我们已开始向受信任的测试者推出 Genie 4 研究预览版——在面向消费者和开发者发布之前收集反馈，首先面向 Project Genie 中的 Google AI Ultra 订阅者以及 Gemini API 和 Google AI Studio 的早期访问合作伙伴。请在 Project Genie 中此处加入 Genie 4 的等待列表。

Genie 4 推进了四项关键能力

以下是 Genie 4 实时交互的录音，用户通过标准键盘控制进行导航和相机控制，并使用文本提示来引导场景的演变。

实时塑造世界模拟

借助 Genie 4，你可以使用自然语言实时修改模拟——例如改变天气、移动相机或引入新的人物或物体——Gemini 会根据上下文调整你的提示以匹配周围场景。在你的输入之间，Gemini 还会监控并引导场景，以保持世界的连贯推进。

打开音频以聆听 Genie 4 的世界。

在物理和人类动作的真实感上突破前沿

Genie 4 为实时交互式模拟引入了新的真实感标准。基于对世界的高级物理理解，Genie 4 模拟真实世界的物理场景，如空气动力学、碰撞等。

最显著的飞跃在于 Genie 4 如何模拟人物，创造出动作自然、对环境做出有机反应，并且可以实时交互式引导的角色。

模拟世界的声音

Genie 4 是我们首个原生生成音频的实时世界模型。每个世界都带有其自身环境的环境音，从树间的微风到海滩上拍岸的波浪。

然而，真正的 frontier 是人类语音。Genie 4 引入了即时适应的交互式对话。角色会实时与你输入的内容或世界中的事件进行对话和反应。

使用 Gemini 模型模拟复杂事件

将 Gemini 与 Genie 4 结合，为世界模拟增加了一层新的推理能力，使我们能够模拟复杂的多步骤事件，并在将 AI 系统引入现实世界之前测试它们如何导航不同的环境。

为了在实时环境中实现这一点，Gemini 3.8 Flash 在循环中充当引导智能体：当 Genie 4 实时生成世界时，Gemini 持续观察场景，将目标分解为一系列步骤，并审查传入的帧以跟踪进度并验证每个步骤是否成功。随着世界的变化或用户的干预，Gemini 会即时调整其计划，从而解锁具有可靠因果性、程序化行为和多步推理的世界。

作为探索这一能力的一部分，我们还在尝试将 Gemini 4 Argon 与 Genie 4 结合，以将我们的前沿研究与 Gemini Robotics 结合起来。

在下例中，Argon 将用户指示的任务分解为 Genie 渲染的步骤。这些步骤作为文本字幕与 Genie 4 交错，在模拟渲染过程中使用。由于 Genie 4 可以使用 Gemini 通过文本字幕进行实时引导，这现在解锁了随着任务完成而调整模拟的路径。这一能力成为使用 Gemini 4 Argon 和 Genie 4 在想象世界中模拟广泛场景的途径。

来自可信测试者的经验

虽然 Genie 4 是一个重要的研究里程碑，但它仍然是一个早期的实验模型。为了了解交互式世界模型如何支持现实世界的工作流程——以及它们仍需在哪些方面成长——我们一直在与创意产业、新闻、教育、游戏和工程领域的可信测试者群体合作。

测试者强调了照片级真实感、原生音频和实时引导的飞跃，使得想法和概念能够转化为逼真的模拟，从而在各学科中解锁新的能力：

• 创意指导：创意人员和技术人员正在测试 Genie 4 作为预可视化和构思的快速“草稿模式”。例如，电影制作人可以进入场景的实时模拟，并实时运行多个“镜头”，即时调整摄像机角度、灯光、对话和动作。
• 历史场景与沉浸式照片：摄影记者正在探索如何将单张二维档案照片在几秒钟内变成该环境的基于现实的模拟。团队正在测试充满活力的动态世界如何帮助体验历史空间或可视化短期环境事件（如山洪暴发或野火）如何展开。
• 交互式体验概念设计：游戏开发人员和创意技术人员正在测试 Genie 4，以在几秒钟内从初始想法到可探索的原型，在编写任何引擎代码之前，通过自然语言提示测试视觉风格、材料美学和交互机制。
• 模拟：除了我们的机器人研究外，跨行业的企业合作伙伴正在评估 Genie 4 作为快速“从零到一”场景生成的工具，并确定差距以进一步改进 Genie，以最好地满足该模拟需求。

未来工作：迈向混合世界模型

未来进展的一个有希望的路径在于混合世界模型，它将代码和语言模型的逻辑、结构化推理与像素级模拟的丰富感官表示相结合。

让 Genie 和 Gemini 模型更紧密地结合是这一方向上的早期步骤。Gemini 在幕后工作，以映射结构并规划叙事时间线，而 Genie 则生成即时的物理现实——逐像素地渲染世界的外观、声音和反应。这些互补的优势相结合，可以解锁一类新的世界模型，使其比单独使用任何一种方法都更加连贯、可控和扎实。

负责任地构建世界模型

Genie 4 标志着前沿研究的一个新领域，它融合了实时生成和照片级真实感，引入了一系列我们希望以负责任的方式推出和探索的新能力和维度。Genie 4 包含严格的安全护栏，与我们在其他模型中的安全政策保持一致。在推出此预览版之前，我们通过内部严格的安全评估对 Genie 4 进行了测试，以防止生成有害或恶意内容。此外，我们有意首先将其部署给受信任的测试合作伙伴以获取早期反馈，然后再更广泛地发布该模型。

为了保持透明度，Genie 4 生成的所有视频和音频都将包含 SynthID，这是我们的一种不可感知的数字水印技术，有助于在视觉和音频模态中识别 AI 生成的内容。

了解当前的局限性

Genie 4 仍然是一个早期且不断发展的研究领域。

虽然它可以在短会话中保持连贯的环境，但视觉细节和物体恒常性仍可能随时间推移而发生变化或漂移——尤其是在模拟运行时间较长、经过多次复杂的提示编辑或在场景中导航时。复杂的物理交互、实时音频准确性、可识别文本的渲染、空间准确性和长期一致性是持续研究的活跃领域。我们分享 Genie 4 预览版，是为了与我们的社区一起学习，并安全地推进交互式模拟的前沿。

Genie 4 的下一步

Genie 4 已作为研究预览版发布给受信任的测试者，并即将在 Project Genie 中面向 Google AI Ultra 订阅者，以及在 Gemini API 和 Google AI Studio 中面向早期访问合作伙伴。点击此处加入 Project Genie 中 Genie 4 的等待列表。

我们很期待用户很快就能进入其中，进行实验并构建他们自己的交互式世界。

致谢

Genie 4 的实现得益于 Hang Qi、Diego Rivas、Aleksander Hołyński、Inbar Mosseri、Jack Parker-Holder、Shlomi Fruchter、Tejas Kulkarni、James Assiene、Philip Ball、Jakob Bauer、Eddie Cao、Lucy Chai、Harris Chan、Kleopatra Chatziprimou、Hao Chen、Yoni Choukroun、Mark Collier、Enric Corona、Kurtis David、Ariel Ephrat、Maxime Gazeau、Ruiqi Gao、Chelsee Glover-Odom、Liangke Gui、Swaroop Guntupalli、Shan Han、Tingbo Hou、Jiri Hron、Hui Huang、Drew A. Hudson、Zhouyuan Huo、Linyi Jin、Christos Kaplanis、Dhrupad Karwa、Eunyoung Kim、Congtao Kuang、Eliot Laidlaw、José Lezama、Hao Li、Shuang Li、Yuchen Liu、Hanzi Mao、Mark Matthews、Matt McGill、Kay McKinney、Ricardo Monti、Mark Murphy、Joseph Ortiz、Roni Paiss、Frank Perbet、Ben Poole、Tal Reiss、Konstantinos Rematas、Guy Scully、Jeremy Shar、Shashank Shastry、Sri S、Omer Tov、Ruben Villegas、Andrey Voynov、Hongjie Wang、Luyu Wang、Kaustubh Sridhar、Mo Samsami、Stephen Spencer、Yufei Wang、Will Whitney、Rundi Wu、Joyce (Jingjing) Xie、Jesse Yin、Shiran Zada、Serena Zhang、Xiaofan Zhang、Zhengqi Li、Zhixing Zhang、Yuan Zhong、Shuo-yiin Chang、Dmitry Lagun、Ronny Huang、Yao Su、Ankush Gupta、Genzhi Ye、Haolin Jia、Weiqin Wang、Xi Xiong、Salah Zaiem、Carol Zheng 的核心贡献。

Genie 4 还需要跨合作伙伴团队的紧密协作，我们感谢所有促成此次发布的跨职能合作伙伴：Dina Bashkirova、Emil Bergner、Greta Borisko、Irina Blok、Melissa Byun、Gabe Clapper、Viral Carpenter、Michael Y. Chang、Maximo Cudich-Sieburger、Chloe Doan、Alisa Fortin、Shivani Ghanta、Vikram Gopali、Ezra Gorman、Khyatti Gupta、Sam Hasinoff、Philipp Henzler、Hector Hinestroza、Ed Hirst、Tyler Holland、Kristian Holsheimer、Tiffany Hu、Kapil Joshi、Randeep Katari、Pavan Kumar、Vikhyat Kumeria、Sam Kvaalen、Matthew Levine、Yinxiao Li、Yuchi Liu、Miao Luo、Nick Matarese、Kangfu Mei、Signe Nørly、Moises Oliveira、Eric Paskie、Manika Puri、Susanna Ricco、Andrey Ryabtsev、Cai Schumann、Nicole Brichtova、Andy Sekyere、Grace Shih、Melissa Smith、Duncan Noble Smith、Kenda Stewart、Rod Strougo、Jenn Sturgeon、Amy Zeng、Gaby Pearl、Eleanor Tomlinson、Kenyon Watson、Inês Ayer、Luke Talbot、Han-Yun Tsao、Guillaume Vernade、Karen Wang、Changchang Wu、Ian Wilkinson、Weijuan Xi、Jennifer Yick、Yunhan Zhao、Eric Zhang、Jason Zhang、Annie Zhou、James Zhou、Chris Walker、Alan Yam、Alex Chen、Cliff Lungaretti、Dan Motzenbecker、Kaloyan Kolev、Matthew Carey、Nate Zucker、Sam Lawton、Shashwath Santosh、Suz Chambers。

感谢 Raia Hadsell、Aäron van den Oord、Josh Woodward、Steve Seitz、Carlos Hernandez、Elias Roman、Jung E. Kim、Abhishek Bapna、Eli Collins、Tulsee Doshi、Carolina Parada、Jie Tan、Koray Kavukcuoglu 和 Demis Hassabis 在整个研究过程中提供的富有洞察力的指导和支持。

最后，我们感谢我们的可信测试人员和早期访问用户，他们提供的反馈帮助指引了我们的研究前进。