Google（谷歌） DeepMind（谷歌旗下人工智能研究机构） 发布世界模型 Genie 4，可实时生成带原声音频的交互世界并称用于机器人训练环境
Google DeepMind（谷歌旗下人工智能研究机构）发布世界模型 Genie 4，称可在实时交互仿真中原生生成环境音与人声对话，并用 Gemini（谷歌大模型系列）模型在生成循环中规划、校验多步骤事件。
官方称其可帮助开发机器人和智能体的训练环境，但仅面向受信任测试者的研究预览开放，未公布机器人在该环境中训练后迁移到真实硬件的量化结果。
Google（谷歌） DeepMind（谷歌旗下人工智能研究机构） 于 2026 年 10 月 27 日发布 Genie 4，称其为新的世界模型，具备实时交互仿真与原生多模态生成能力，可同时生成类似音乐、环境噪声与交互对话。
模型沿用 Gemini 系列能力：Gemini Omni 负责让仿真贴近真实世界的外观与行为，其他 Gemini 模型提供维持仿真连贯性所需的推理。 原文称 Genie 4 能模拟空气动力学、碰撞等物理场景，也能模拟人的动作、反应与说话。
技术实现上，Gemini 3.8 Flash 在循环中充当引导智能体：Genie 4 实时生成世界时，Gemini 持续观察画面、把目标拆成步骤、检查每步是否完成，并在世界变化或用户干预时调整计划。
目前以研究预览形式向受信任测试者逐步开放，后续计划先向 Google AI Ultra 订阅者通过 Project Genie 开放，再面向 Gemini API（应用程序编程接口）和 Google AI Studio 的早期接入伙伴。 原文示例中出现 Universal Robots UR5 机械臂分配液体的生成画面。
该发布把世界模型从视频生成推向可交互、可用自然语言提示修改的仿真环境，并尝试用大模型在循环中充当任务规划与结果校验者，与机器人训练中“仿真到真实”的需求方向一致。 但原文未给出机器人策略在 Genie 4 环境中训练后迁移到真实硬件的成功率、样本量或对比基线，训练环境可用性目前仍属公司口径。
原生音频与对话能力主要指向交互体验，对机器人操作任务的直接价值尚不明确。
后续观察信号
- Genie 4 生成世界的物理一致性是否有第三方复现测试
- Gemini 引导智能体在长程多步骤任务中的失败模式
- 研究预览与消费级开放之间的能力差异