Google（谷歌） DeepMind（谷歌旗下人工智能研究机构） 发布世界模型 Genie 4：实时生成含原生音频的可交互模拟世界
Google DeepMind（谷歌旗下人工智能研究机构）于10月27日发布新一代世界模型 Genie 4，称可实时生成带原生音频的可交互模拟世界，用户可用自然语言修改天气、镜头或引入人物与物体。
公司把机器人训练环境列为潜在用途，但仅向受信任测试者开放研究预览，未公布基准分数或机器人训练效果数据。
Google（谷歌） DeepMind（谷歌旗下人工智能研究机构） 研究团队（Raia Hadsell、Diego Rivas、Hang Qi）在官方博客宣布 Genie 4，称其为“新一代世界模型”，具备原生多模态能力，可同时生成类似音乐的音频、环境声与交互对话。
模型整合 Gemini 系列能力：Gemini Omni 将模拟锚定于真实世界的外观与行为，其他 Gemini 模型提供维持模拟连贯性所需的推理。 演示中用户以标准键盘控制导航与镜头，并用文本提示实时改变场景。 推理环节由 Gemini 3.8 Flash 在生成循环中充当引导智能体（agent），观察场景、拆解目标、核查帧进度并在世界变化时调整计划；
博客演示提示中出现了 Universal Robots UR5 机械臂分配液体的场景。 公司称 Genie 4 模拟空气动力学、碰撞等物理场景并提升人物动作与语音交互的真实感。
发布形态为面向受信任测试者的研究预览，之后再向消费者与开发者开放，计划先从 Google AI Ultra 订阅者在 Project Genie 中以及 Gemini API（应用程序编程接口） 和 Google AI Studio 的早期访问伙伴开始。
这条发布把“世界模型”进一步推向机器人训练基础设施赛道：若模拟环境能实时响应语言指令并由 Gemini 逐步核查任务进度，机器人与智能体团队可用它生成难以实地采集的多步交互场景。 但研究预览阶段、缺乏量化评测意味着它更像能力演示而非已被验证的训练工具，实际替代真实数据或仿真器的程度仍待观察。
演示中机械臂提示仅为生成场景描述，不能解读为对具体机器人系统的部署或效果验证。
后续观察信号
- Genie 4 相对前代世界模型在物理与人物动作上的具体提升指标
- Gemini 3.8 Flash 作为循环内引导智能体的延迟与成本
- 机器人团队对生成式世界模型与物理仿真器混合使用的实践