谷歌 DeepMind 于 2026 年 10 月 27 日宣布 Genie 4，称其为新一代实时交互世界模拟。模型可生成偏写实的场景，并原生输出环境音、音乐与交互对白；用户可用自然语言在运行中改天气、机位、人物与物体，Gemini 系列模型协助保持场景连贯。
要点
| 内容 | |
|---|---|
| 发布时间 | 2026 年 10 月 27 日（DeepMind 博客） |
| 定位 | 实时交互世界模型；DeepMind 首个原生音频世界模型 |
| 操控 | 模拟中途自然语言编辑；Gemini 适配提示并监控场景延续 |
| Gemini 角色 | Gemini Omni 锚定外观与行为；文中举例 Gemini 3.8 Flash 作环内引导；另有与 Gemini 4 Argon 结合的机器人任务拆解实验 |
| 当前获取 | 受信测试者研究预览 |
| 下一步 | 即将面向 Google AI Ultra 用户（Project Genie）以及 Gemini API、Google AI Studio 早期合作伙伴；Project Genie 可排队 |
| 安全 | 预览前做过安全评估；生成视频与音频带 SynthID 水印 |
| 局限（官方） | 长时运行细节/物体漂移；复杂物理、实时音频准确度、可读文字、空间精度与长期一致性仍在研究 |
背景
Genie 3 约一年多前以研究预览推出，覆盖面有限。Genie 4 增加中途自由编辑、更强物理与人体动作表述，以及原生音频。TechCrunch 报道 DeepMind 称场景连贯可达约两分钟、约为 Genie 3 的两倍；DeepMind 博客本身强调短时会话连贯，并把漂移列为开放问题。Ars Technica 也写到场景大约只能维持几分钟。
DeepMind 把「混合世界模型」（Gemini 做结构与规划，Genie 做像素级外观、声音与响应）当作近期方向，并展示与 Gemini Robotics 相关的早期实验，例如模拟 Apptronik Apollo 人形机器人下国际跳棋。
受信测试覆盖创意预演、档案照片沉浸、游戏原型与企业情景生成。DeepMind 表示最终产品形态仍早。
反应与影响
TechCrunch 引述 DeepMind 工程师 Diego Rivas：实时性对创意构思与分镜有价值；研究总监 Tejas Kulkarni 谈到 Gemini 写代码/文本、Genie 实时仿真的混合路线。Ars Technica 称消费侧预计先走 AI Ultra（Ars 写 Ultra 起价每月 100 美元）经 Project Genie 开放，开发侧走 Gemini API 与 AI Studio；DeepMind 公告未给出 Genie 4 API 定价。
尚不确定
- Ultra / API / AI Studio 的具体上线日（官方写 coming soon；TechCrunch 写「未来几周」）
- Genie 4 API 或 Ultra 用量定价（Ars：尚未公布）
- 是否会扩到 AI Pro / AI Plus（仅见 Ars 推测，DeepMind 文未写）
- 物理、对白质量、会话时长的独立第三方评测