Google向符合条件的用户开放Genie 4,实时世界生成升级

2026年的世界模型赛道呈现出三条清晰的主线。 作者|小鼻嘎 编辑|山子 11月18日,Google DeepMind将最新世界模型Genie 4正式向符合条件的Google AI Ultra订阅用户

2026年的世界模型赛道呈现出三条清晰的主线。

作者|小鼻嘎

编辑|山子

11月18日,Google DeepMind将最新世界模型Genie 4正式向符合条件的Google AI Ultra订阅用户开放。这次更新把Project Genie从研究原型推进为可日常使用的产品。用户在浏览器里输入一句话生成一个可探索的世界,用键盘走进去,再在行进途中打字改写它,换天气、加角色、改剧情,画面与音频实时跟上。

Genie 4带来了什么

Google DeepMind于10月27日(周二)以研究预览形式发布其最新世界模型Genie 4。这是迄今照片级逼真程度最高、交互性最强的一代模型,用户可以在模拟进行到一半时输入提示词来改变场景;模型还能生成与模拟世界相匹配的实时音频,涵盖音乐、环境音与可交互的对白。

Genie 4发布的几个月前,AI视频公司Runway刚刚推出其第二个世界模型GWM Worlds 2,一个可动态响应用户输入、并带音频生成的可玩模型。与此同时,世界模型行业正开始整合,李飞飞的World Labs正被AMD收购,Amazon正在洽谈收购Decart,Rivian刚刚收购了Third Dimension,把仿真能力纳入自家自动驾驶测试。

Genie 4是Google在这个拥挤赛道中保持领先的最新动作。

Google的上一代产品Genie 3在一年多前以研究预览形式发布。除了画面远比前代照片级逼真并加入音频之外,Genie 4还支持自由编辑,比如实时改变天气或镜头角度,或添加新的人物和物体;它可以把一个场景连贯地维持最长两分钟,达到前代上限的两倍,并带来更好的物理表现与更像真人的人物角色。

Google的AI模型Gemini也与Genie 4有了更紧密的集成,在其中扮演导演的角色,在Genie生成画面的同时规划步骤并检查帧。在一项与Gemini Robotics相关的研究实验中,一个Gemini 4 Argon模型把任务拆解成步骤,再由Genie 4实时模拟完成。这个实验展示了一种可能的路径,让机器人场景在真实世界发生之前,先在仿真环境中进行测试。

Google研究总监Tejas Kulkarni在一次简报会上表示,“未来我们将越来越多地看到这种混合式的世界模型,即结合Gemini编写代码和文本,同时Genie实时接收这些内容,并在不同抽象层级上模拟现实。”

与其他世界模型一样,Google主打的商业用例包括游戏、互动学习和机器人。互动学习的一个设想例子,是走进一幅描绘历史场景的画作,与画中人物聊聊画作所描绘的事件。

但获得首批访问权限的受信任测试者们,指向了一个可能的新用途,即电影原型制作。

Google DeepMind工程师Diego Rivas在一场新闻发布会上表示,“在创意领域保持流畅创作状态极具价值的场景中,实时性的优势会体现得最为明显。比如在构思阶段、故事板绘制阶段,任何你需要快速构思想法的时刻,它都能派上用场。”

Google同时还提供AI视频生成模型Veo,它能够依据文本、图像或视频提示生成带内置同步音频的高清短片,这一工具在电影创作者中的热度正在上升。Rivas补充说,用户最终可以借助Gemini Omni这个能把图像、音频和文本转化为视频的多模态大语言模型,把这些原型变成创作资产。不过他表示,这些能力仍有相当长的路要走。

在整场媒体发布会上,Rivas强调Genie 4仍处于早期阶段,端到端的产品体验究竟会是什么样还不明确。团队也承认Genie 4仍有短板,模拟运行时间越长,细节和物体越容易出现漂移;团队也尚未完全解决音频的准确性,以及画面内文字保持清晰可读的问题。

从研究预览到订阅产品

这次开放,把几项测试者专属能力变成了默认体验。

AI Pro会员暂时还不能直接进入,可加入等待名单排队,整个过程在浏览器中完成,无需下载客户端。

对话式创作代理也一并上线。构建一个世界不再需要一条写到位的完美提示词。用户用自然语言描述想法,Project Genie代理会调度Google的多模态模型生成初始视觉和匹配情绪的背景配乐;Gemini模型还可以在会话进行中加入,观察屏幕内容、给出下一步建议,或自动触发世界内事件。

社区画廊也同步上线。用户可将自己构建的世界发布到画廊,供他人探索和再混合,再混合范围涵盖世界结构、配乐和规则。首发精选案例包括把个人照片变成可探索空间的Living Memory、基于360度全景图漫游史前栖息地的Dino Field Guide,以及由Gemini实时充当裁判的Rock Paper Scissors。Google还与创意技术专家合作打造了哥特庄园解谜体验Villa Giallo,与电影制作人Anand Gandhi合作推出了蚂蚁视角的The Life of Ants。

Genie 3并没有被下架,反而在同一波更新中获得升级,单次生成时长从60秒提升到最长3分钟,支持把多个世界串联成一段连续旅程,并支持从360度全景照片播种新世界。需要更长会话或全景种子场景时,用户仍可在模型选择器中调用它。

根据Google DeepMind公布的模型卡,Genie 4基于Gemini Omni Flash改造而来,采用transformer架构、原生支持多模态,输入为文本、图像和键盘鼠标等实时用户操作,输出为最高720p、24帧每秒的实时视频与同步音频。Gemini Omni负责把模拟锚定在真实世界的外观与行为上,Gemini的推理能力负责维持模拟的连贯性。

值得注意的判断是,这是前沿世界模型第一次以订阅制产品的形态,成规模地交到普通消费者手中。一间工作室、一位培训师或一个营销团队,可以凭一条指令和一段对话做出可探索的演示原型,并在会话中途当着客户的面重新调整,而不必先立项一个游戏引擎开发项目。Google也同时说明,Genie 3与Genie 4仍属前沿研究范畴,产出适用于原型和演示,而非生产线。

世界模型进行到了哪一步 

Genie的名字取自生成式交互环境(Generative Interactive Environments)。2024年初问世的Genie 1只能生成二维平台游戏式的世界;2024年12月的Genie 2进入三维,但单个场景只能维持10到20秒;2025年发布的Genie 3首次做到一分钟量级的连贯场景,以研究预览形式开放;2026年的Genie 4把时长翻倍到两分钟、补上了音频,并在22天内完成了从研究预览到消费级产品的跨越。

这条产品线的推进节奏,对应着世界模型这个领域的整体提速。预测下一个词的语言模型之后,预测下一个状态的模型正在成为新的主线。一个世界模型观察世界、预测行动带来的后果,并据此生成或规划,它学物理的方式更像一个孩子,靠看、靠猜、靠被现实纠正。

放眼整个行业,2026年的世界模型赛道呈现出三条清晰的主线。

第一条是竞争者的密集入场。AI视频公司Runway在9月发布了可玩的世界模型GWM Worlds 2,以720p、24帧每秒流式传输可交互世界并带同步音频;李飞飞的World Labs走持久化3D场景路线,其Marble生成的世界可导出、可留存;Decart主攻实时交互生成;英伟达的Cosmos 3以开放权重服务机器人公司,用于生成合成训练场景;Meta的V-JEPA 2则选择在抽象表征空间中预测后果而非逐像素渲染,杨立昆(Yann LeCun)已于2025年底离开Meta,创办AMI Labs继续推进这条路线。

第二条是资本与算力所有者的快速收网。前面那几笔交易各有价码,AMD以82亿美元股票收购World Labs,Amazon对Decart的洽购作价约70亿美元,此前Amazon还投资了Odyssey,后者6月完成3.1亿美元B轮融资,估值14.5亿美元。逻辑并不复杂,实时世界模型是当前算力消耗最重的AI负载之一,卖算力的公司希望把需求握在自己手里。

第三条是商业落点的逐渐显形。游戏被普遍视为最近的落点,游戏设计师可以让世界的规则迁就模型的局限,而自动驾驶和机器人面对的世界无法简化;影视行业把实时模拟用作预演和分镜工具;机器人团队用世界模型生成无限变体的训练环境;Waymo、Waabi、Wayve等自动驾驶公司已经把世界模型嵌入自己的技术栈。目前已有真实收入的玩家集中在实时生成API、订阅产品和仿真服务上。

挑战同样具体。

第一是数据。语言模型爬取了几乎免费的互联网,而世界模型需要带动作标注的第一视角数据,视频必须和产生它的操作对应起来,这类数据稀缺且昂贵,这也在解释为什么坐拥YouTube的Google、坐拥车队的特斯拉占据天然优势。

第二是一致性,生成世界会漂移、会变形,Genie 4也没能例外。第三是评测,行业至今拿不出公认基准来回答一个模型究竟是学会了物理,还是学会了像物理的视频。在What-If World因果推理基准上,目前没有领先系统超过52%,开源模型聚集在28%附近。看起来对,和物理上对,中间仍隔着一整段路程。

Genie 4的开放把这条路线图推到了一个新位置,世界模型不再只存在于论文和演示视频里,它开始被普通用户按月订阅、按次使用、发布和再混合。至于它最终是游戏引擎的替代品、机器人的训练场,还是一种全新的创作媒介,答案要等这些订阅用户在两分钟的世界里走出自己的路。

       原文标题 : Google向符合条件的用户开放Genie 4,实时世界生成升级

(来源:维科网)
免责声明:本文内容来源于第三方或整理自互联网,本站仅提供展示,不拥有所有权,不代表本站观点立场,也不构成任何其他建议,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容,不承担相关法律责任。如发现本站文章、图片等内容有涉及版权/违法违规或其他不适合的内容, 请及时联系我们进行处理。

相关推荐