Google DeepMind 以研究预览形式向受信任测试者发布 Genie 4 世界模型，可根据文本和图像提示实时生成可探索世界，并原生生成环境音、音乐和角色对话。该模型在仿真循环中引入 Gemini 3.8 Flash 作为规划器，负责拆解目标、检查画面并重新规划，DeepMind 称这是迈向混合世界模型的早期一步。Genie 4 仅托管在 Google 平台，后续将开放给 AI Ultra 用户和 Gemini API 合作伙伴，所有视频与音频均带 SynthID 水印。
匹配字段标题、摘要、正文
Google 正式发布世界模型 Genie 4，官方称其为目前最真实、交互性最强的世界模型。用户可动态用提示词改变世界，并生成带原生音频的场景。该模型先以研究预览形式向 Trusted Testers 开放，随后将通过 Gemini API 和 AI Studio 提供给 Google AI Ultra 订阅用户及早期访问伙伴。
匹配字段标题、摘要、正文
Google DeepMind 发布世界模型 Genie 4，支持实时文字改动场景、原生环境音与互动对话，由 Gemini 3.8 Flash 在后台担任实时导演。作者称其不再预渲染视频，而是随玩家操作实时推演物理碰撞并动态加载场景。目前单次模拟极限约两分钟，时间一长细节会漂移，且仅面向少数测试者的研究预览。
匹配字段标题、摘要、正文
Google DeepMind 正式发布世界模型 Genie 4，支持实时文字改动场景、自带原生环境音与互动对话，由 Gemini 3.8 Flash 担任后台导演。与预渲染视频模型不同，Genie 4 在场景中随玩家操作实时推演物理碰撞，单次模拟可维持约两分钟连续稳定。作者认为其真正用途是为具身智能体提供低成本物理训练场，但目前仍是少数测试者可用的研究预览，时间一长细节会漂移。
匹配字段标题、摘要、正文
Google 发布 Genie 4 世界模型，称其为目前最逼真、最具交互性的世界模型。该模型可实时操控动态环境中的事件、镜头角度和动作，生成与世界匹配的原生音频，并借助 Gemini 的推理能力生成更连贯的多步事件。目前已面向可信测试者开放研究预览，后续将通过 Project Genie 提供给 Google AI Ultra 订阅用户，并通过 Gemini API 和 AI Studio 向早期合作方开放。
匹配字段标题、摘要、正文
Google DeepMind 发布 Genie 4 世界模型，官方称其为目前最逼真、交互性最强的世界模型。用户可用自然语言实时操控场景与音景，例如改变天气、移动镜头或加入新元素；Gemini 在后台充当模拟的“大脑”，负责把请求转成动作、规划复杂事件并跟踪场景变化。Genie 4 还新增环境音效和可实时调整的交互式人声对话。
匹配字段标题、摘要、正文
Google DeepMind 发布新一代通用世界模型 Genie 4，首次在 Genie 系列中原生生成环境音与角色即兴对话，单次连贯世界维持时间翻倍至约 2 分钟，实机画面约 24 帧/秒。该模型由 Gemini 3.8 Flash 在后台做多步推理控场、Gemini 4 Argon 拆解动作指令，组成混合世界模型架构，并已向 Google AI Ultra 用户开放内测申请，同时进入 Gemini API 与 Google AI Studio。
匹配字段标题、摘要、正文
Google 预览 Genie 4 世界模型，能根据自然语言描述生成逼真的三维环境，并支持用后续提示词修改天气、添加物体等编辑操作。相比前代，Genie 4 更擅长渲染流体运动等复杂细节，还能生成海浪拍击等配套音频，并让虚拟人物动作自然、可实时交互操控。该模型内部调用 Gemini Omni 保证画面真实感、Gemini 3.8 Flash 维持帧间一致性，目前面向少量早期用户测试，后续将通过 Google AI Ultra 订阅、Gemini API 和 Google AI Studio 提供。
匹配字段标题、摘要、正文
Google DeepMind 发布 Genie 4 世界模型，可实时渲染带模拟物理、人体动作和原生音频的可交互环境，由 Gemini Omni 塑造场景、Gemini 3.8 Flash 规划下一步。Genie 4 让开发者按需生成测试环境，用于 Apptronik Apollo 人形机器人下跳棋等场景，但 Google 承认其物理并不总是准确，长时间运行中物体可能移位或行为异常。Google 尚未公布 Genie 4 在重复智能体测试中的基准数据，包括同一提示词能否产生一致结果。
匹配字段标题、摘要、正文
Google DeepMind 发布世界模型 Genie 4，可实时生成可交互世界，并首次原生生成环境音与角色对话。模型基于 Gemini 系列能力，由 Gemini 3.8 Flash 在循环中拆解目标、检查画面以维持多步事件的因果连贯，Gemini 4 Argon 也已用于与 Gemini Robotics 联合模拟任务。官方称其仍属早期实验模型，长时运行下物体恒常性与复杂物理交互仍会漂移，生成内容均带 SynthID 水印，目前先向可信测试者开放预览。
匹配字段标题、摘要、正文
Google DeepMind 发布 Gemini 4 Carbon，称其为最强模型，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一，并在 SEC-bench Pro（88.2%）、ExploitGym（54.8%）和 CWE-bench（71.0%）上取得领先。该模型面向长程工程任务，内部团队曾让其连续运行数天排查并修复大型代码库中的隐蔽缺陷，WebDev Arena 上提升 89 elo 至第 4 名（1768）。Carbon 本周起先向部分网络安全防御人员开放，再通过 Fairwind Program 逐步扩大范围，之后才面向开发者、企业和消费者；介绍期后价格为每 1M 输入 token 4 美元、每 1M 输出 token 20 美元。
匹配字段标题、摘要、正文
Google DeepMind 发布 Gemini 4 Carbon，称其为最强模型，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一，并在 SEC-bench Pro 取得 88.2%、ExploitGym 取得 54.8%、CWE-bench 取得 71.0%。该模型面向长程工程任务，内部团队曾让其连续运行数天排查并修复大型代码库中的隐蔽缺陷，WebDev Arena 上以 1768 分升至第 4。Carbon 本周起先向部分网络安全防御者开放，再通过 Fairwind Program 逐步扩大范围，之后才面向开发者、企业和消费者；介绍期后价格为每 100 万输入 token 4 美元、每 100 万输出 token 20 美元。
匹配字段标题、摘要、正文
Google DeepMind 推出 Gemini 4 Carbon，称其为面向长周期智能体编码和网络安全防御的前沿模型，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。该模型在 GraphWalks 长上下文测试中取得 96.2%，在 SEC-bench Pro、ExploitGym 和 CWE-bench 上分别为 88.2%、54.8% 和 71.0%，但在 OSWorld-2.1 上以 81.5% 落后于 Claude Opus 5.5 的 87.2%。目前 Carbon 仅向经过审核的网络安全防御方开放，定价为每百万 token 输入 2 美元、输出 10 美元的引入价，后续为 4 美元和 20 美元，开发者和公众的开放时间未公布。
匹配字段标题、摘要、正文
Google DeepMind 发布新一代世界模型 Genie 4，可实时生成可交互环境，并与 Gemini 3.8 Flash 分工协作：后者观察画面、拆解任务并调整计划。雷锋网从动态语言条件注入、Agent 因果幻觉与双模型异步协作三方面分析其技术挑战，并指出 DeepMind 尚未公开 Genie 4 的网络结构与调度实现。
匹配字段标题、摘要、正文
Google 发布最新模型 Gemini 4 Argon，称其面向复杂真实任务，可进行推理、编码并协调工具。官方给出 8 个示例，包括在零素材条件下从零写出 5000 行数学代码渲染 3D 阳光图书馆，以及在 Antigravity 中处理 NASA 火星任务超 8 万份原始文件并生成高管汇报幻灯片。
匹配字段标题、摘要、正文
Google DeepMind 发布世界模型 Genie 4，主打实时交互模拟，并首次在该系列中引入原生音频。该模型基于 Gemini 家族能力，Gemini Omni 负责让模拟贴合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复杂推理。用户可用自然语言实时操控场景，如移动镜头、改变天气或引入新角色，每个世界还会即时生成环境音、音乐和交互对话。
匹配字段标题、摘要、正文
Google 发布新前沿模型 Gemini 4 Argon，称其在编码、数学和 3D 世界构建等复杂任务上表现突出，并在多领域基准上超过其他前沿模型。官方展示了 5 个社区项目，包括实时映射野火与地震波动的 3D 地球、带实时数据的涡扇发动机模拟、由单张图片生成的 3D 马车，以及多人夺旗浏览器游戏。该模型上周已大范围开放。
匹配字段标题、摘要、正文
SpaceXSI（原 xAI）发布语音到语音模型 Grok Voice 3.0，用于其 Voice Agent API。Artificial Analysis 的 Speech-to-Speech Index 给它 86.9 分，高于 GPT-Live-1 的 83.2 和 Gemini 3.8 Live 的 82.6；Full Duplex Bench 得分 97%。在 Tau-Voice 上 OpenAI 模型以 74.5% 略高于 71.6%，但 SpaceXSI 称其首次出声快约 40%。该模型现已在 Voice Agent API 上线，每分钟 8 美分，与 Grok Voice 2.0 同价。
匹配字段标题、正文
Google 发布 Gemini 4 Argon，定位为覆盖机器人控制、仿真构建与训练数据评估的通用模型，并称其迈向物理 AGI。演示中它从一张照片生成 77 项任务和 4500 多个训练回合，使真实机器人成功率从 56% 升至 75%，执行时间从 35 秒降至 24 秒。在 Google 的 ERQA 基准上 Argon 得 87%，领先 Claude Opus 5.5 的 82.3%；但在 Artificial Analysis 的 AA-Robotics 基准上以 55 分位列第三，落后 GPT-6 Astra 的 69 分。原文指出其演示提示词包含大量人工约束，且未公布各演示的失败率。
匹配字段标题、摘要、正文
Google DeepMind 正式上线通用物理推理模型 Gemini 4 Argon，并发布与 Apptronik Apollo 人形机器人合作的演示视频，机器人仅观看一段掷沙包示范视频后反复练习，最终连续投中 7 次。该模型具备视觉语义推理、物理理解和代码生成能力，可用于机器人控制、仿真环境构建、物理数据分析和动作优化，在纯推理模式下 ERQA 基准得分达 87%。演示还覆盖从机器人视角、人类视角视频及手绘草图生成 MuJoCo 仿真环境，以及用仿真数据把真实机器人抓取成功率从 56% 提升至 75%。
匹配字段标题、摘要、正文