←事件详情

热点事件 持续更新

Google发布世界模型Genie 4

38 篇正式报道4 条相关讨论42 条事件动态更新于 10月30日 12:51

先了解这件事

AI 综述

2026年10月27日,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。官方介绍称,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,每个世界还会即时生成环境音、音乐和交互对话。次日,Google DeepMind进一步说明,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。10月28日,Ethan Mollick发帖称Genie 4能运行DOOM,并实测其边生成边产出游戏式环境,表示体验并不完美。10月29日,Peter Yang用Genie 4实时构建5个世界,认为世界模型是LLM之后AI的下一个大方向。

AI 根据公开报道生成

最新进展 · 正式报道

字节世界模型曝光：张一鸣的布局与谷歌 Genie 4 的路线差异

事件进展

4 个已确认进展

  1. Peter Yang提出世界模型是LLM之后的下一个大方向

    来源：Peter Yang

  2. Ethan Mollick展示Genie 4运行DOOM场景

    来源：Ethan Mollick

  3. Ethan Mollick称Genie 4实时生成游戏化环境体验惊人

    来源：Ethan Mollick

  4. Google发布世界模型Genie 4

    来源：Google Blog

报道与讨论时间线

按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。

10月30日

  1. 钛媒体 · AGI

    字节世界模型曝光：张一鸣的布局与谷歌 Genie 4 的路线差异

    钛媒体文章称，字节跳动已将世界模型列为 2026 年 AI 四大重点之一，目标年底前至少发布一版，对标谷歌 Genie 3，用户可通过 Pico 头显以语音和动作进入云端生成的世界。文章同时梳理了谷歌 10 月 28 日发布的 Genie 4，其支持用自然语言实时改变天气、移动镜头和引入人物，并首次加入声音。文中还提到字节内部评测显示其世界模型综合性能距当时全球 SOTA 约差 10%，生成指标约 20fps。

  2. 钛媒体 · AGI相关讨论

    钛媒体 · AGI 参与了这场讨论

    原帖参与热度计算，不等同于正式报道或已确认事实。

  3. Latent Space

    Elorian 发布 DecoyCount 基准，前沿模型视觉计数准确率均低于 50%

    Elorian 与 Mercor 联合发布 DecoyCount 基准，测试模型是真正数清物体还是依赖视觉捷径，前沿模型准确率均低于 50%，最高为 GPT-6 Astra 的 43.17%。Elorian 称其视觉推理模型 Glimpse 在 1,660 道题上单次运行得分 50.48%，是唯一超过 50% 的模型，但该结果来自内部测试且未使用智能体或工具框架，而论文中的六个模型各取三次运行平均值。Elorian CEO Andrew Dai 表示，该基准同时考察视觉与推理，可区分模型是没看到物体还是数错了。

10月29日

  1. 雷锋网

    雷锋网深度拆解 Google DeepMind 世界模型 Genie 4

    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。

  2. AI Will相关讨论

    AI Will 参与了这场讨论

    原帖参与热度计算，不等同于正式报道或已确认事实。

  3. Peter Yang相关讨论

    Peter Yang 参与了这场讨论

    原帖参与热度计算，不等同于正式报道或已确认事实。

  4. CNET

    Google 发布 Gemini 4 Carbon 与 Genie 4 两款新模型

    Google 发布大语言模型 Gemini 4 Carbon 和世界模型 Genie 4，前者在综合能力基准测试中超过自家 Gemini 4 Argon 及 OpenAI 的 GPT-6 Astra。Gemini 4 Carbon 主打漏洞检测与修补，目前仅向部分网络安全专家开放；Genie 4 新增音频能力，开发者可为 AI 世界加入背景音和对话，现已开放等待名单。

  5. Peter Yang

    Peter Yang 用 Genie 4 实时构建 5 个世界

    Peter Yang 认为世界模型是 LLM 之后 AI 的下一个大方向。他在新视频中演示如何用 Google Genie 4 + Gemini 实时构建 5 个世界，包括怪兽袭击旧金山、在东京街边摊吃拉面、骑龙攻城堡；他表示画面出色，但更令他印象深刻的是实时音频与交互性，并分享了对电影和游戏影响的看法。

10月28日

  1. 傅盛相关讨论

    傅盛 参与了这场讨论

    原帖参与热度计算，不等同于正式报道或已确认事实。

  2. The Rundown AI

    Google DeepMind 发布 Genie 4 世界模型，可生成音效并与场景角色对话

    Google DeepMind 发布新一代世界模型 Genie 4，可将提示词实时转化为可探索的逼真场景，并首次由 Genie 模型自行生成背景音和音乐，场景中的角色也能进行实时对话。用户通过键盘移动，并用文本提示在场景中即时修改内容，场景在多次输入之间保持连贯。演示中一个模拟的 Apptronik Apollo 机器人下跳棋，每一步由 Gemini 4 Argon 规划，指向 Genie 未来的机器人训练用途。

  3. Testing Catalog

    10月28日AI日报：Genie 4与MAI-Image-2.7发布

    Google DeepMind 发布交互式世界模型 Genie 4，支持自然语言操控与原生音频，先向 Trusted Testers 开放，后续接入 Google AI Ultra 和 Gemini API。微软 AI 推出图像编辑模型 MAI-Image-2.7-Preview，在 Arena Edit 排第 3、AA-Image-Editing 排第 2。Liquid AI 开源 LFM3 系列六个 2B 级文本、视觉、音频与全模态模型，采用三混合架构。

  4. Latent Space

    Anthropic 取消编程面试：Felix Reiseberg 称"Hunger beats tenure

    Anthropic 招聘经理 Felix Reiseberg 宣布不再用传统编程面试考察候选人，理由是 Claude 在 React 挑战和汇编题上都已强于人，真正有影响力的构建者不靠这类测试取胜。他建议初级工程师选能带来业务影响的想法、周末做出可运行原型、只聚焦一个好点子，并发挥对用户的新鲜视角。同日 Google DeepMind 发布 Genie 4 世界模型，Artificial Analysis Intelligence Index v5 榜首为 Claude Opus 5.5（58 分）。

  5. 科学网

    谷歌DeepMind发布世界模型Genie 4研究预览版

    谷歌DeepMind于10月27日发布新一代世界模型Genie 4的研究预览版，将场景保持一致性的模拟时长延长至约两分钟，为前代Genie 3的两倍，并提升画面真实感、物理模拟和人物动作自然度。模型支持通过自然语言指令实时改变天气、调整视角或添加人物物体，并具备原生音频生成能力。谷歌还展示了Genie 4与Gemini 4 Argon协同模拟Apptronik旗下Apollo人形机器人下跳棋的实验，计划未来几周通过Project Genie向Google AI Ultra订阅用户开放。

  6. MarkTechPost

    Google DeepMind 发布 Genie 4 实时世界模型，原生生成音频

    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。

  7. 36氪 · AI精选

    Google DeepMind 发布世界模型 Genie 4，支持实时交互与原生音频

    Google DeepMind 于 10 月 27 日推出新一代世界模型 Genie 4，称其为迄今最逼真、交互性最强的世界模型，单次生成交互体验最长 2 分钟，上一代 Genie 3 为 1 分钟。新模型引入原生音频生成、自然语言实时操控和复杂物理与人物行为模拟，并由 Gemini 系列模型负责指令翻译、事件规划与进度跟踪。目前 Genie 4 已面向少量受信任测试者开放研究预览，后续将提供给 Google AI Ultra 订阅用户及 Gemini API、Google AI Studio 的早期合作伙伴。

  8. Analytics India Magazine

    Google DeepMind 发布 Genie 4 实时世界模型

    Google DeepMind 发布 Genie 4，可实时生成带真实画面、声音和对话的交互式三维环境，目前以研究预览形式向创意、新闻、教育、游戏和工程领域的受信任测试者开放。该模型结合 Gemini 系列能力，支持用自然语言提示修改场景、天气、镜头和角色，并原生生成环境音与交互对话。Gemini 3.8 Flash 在复杂模拟中充当引导智能体，负责任务拆解与进度检查，生成内容均带 SynthID 水印。

  9. VR陀螺

    Google DeepMind 发布世界模型 Genie 4，支持原生音频生成

    Google DeepMind 正式发布新一代世界模型 Genie 4，相比 Genie 3 提升了视觉真实感、物理模拟和实时交互能力，并首次支持原生音频生成，可同步生成环境音效、音乐和人物对话。用户可用键盘控制镜头或角色移动，也可用自然语言指令实时调整天气、切换视角、添加人物或物体，无需重新生成整个场景。Genie 4 融合 Gemini 系列能力，由 Gemini Omni 提供现实世界视觉与行为知识、Gemini 3.8 Flash 负责任务规划与场景引导，目前已向部分受邀测试者开放研究预览，后续计划通过 Project Genie 向 Google AI Ultra 订阅用户及部分开发者开放。

  10. 澎湃新闻精选

    谷歌 DeepMind 发布世界模型 Genie 4 研究预览版

    谷歌旗下 DeepMind 发布新一代世界模型 Genie 4 的研究预览版，将场景保持一致性的模拟时长延长至约两分钟，为前代 Genie 3 的两倍，并提升画面真实感、物理模拟和人物动作自然度。用户可用自然语言指令在模拟中实时改变天气、调整视角或添加人物和物体，模型还具备原生音频生成能力。谷歌同时展示了 Genie 4 与大模型 Gemini 4 Argon 协同模拟 Apptronik 旗下 Apollo 人形机器人下跳棋的实验，并计划未来几周通过 Project Genie 向 Google AI Ultra 订阅用户开放。

  11. Ethan Mollick

    Ethan Mollick 实测 Genie 4 实时生成维多利亚下午茶场景

    Ethan Mollick 用 Genie 4 实时生成维多利亚下午茶场景，通过输入“一只穿正装的老鼠”“一只豪猪走过”“老鼠长出翅膀”“老鼠飞向茶杯”等指令，并称自己可以在场景中自由走动。他表示画面仍有瑕疵，但与两年前相比进步幅度极大。

  12. indigo

    Google Genie 4 上线，基于 Gemini Omni 构建

    Google Genie 4 上线，基于 Gemini Omni 构建，可在空间和特定主题中呈现逼真细节。该版本具备高级物理效果、完全实时控制，支持环境音效、音乐、背景噪音和互动对话，并基于 Gemini 推理规划多步骤事件，以在场景演变时保持连贯性。

  13. 36氪 · AI精选

    Google DeepMind 发布世界模型 Genie 4，首次原生生成声音与对话

    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。

  14. IT之家·人工智能

    谷歌 DeepMind 推出世界模型 Genie 4，首次实现音视频同步生成

    谷歌 DeepMind 于周二推出世界模型 Genie 4，目前处于研究预览阶段，可生成可交互虚拟世界，并在模拟运行中输入提示词修改场景。该模型能生成与虚拟世界同步的实时音频，涵盖音乐、环境音和可交互对话，场景最长可维持两分钟连贯不变，时长是前代 Genie 3 的两倍。Genie 4 将陆续向谷歌 AI Ultra 订阅用户、Genie 项目以及 Gemini API 和谷歌 AI Studio 的早期合作方开放，团队也承认仿真时间越长细节越易偏移、音频准确性与画面文字清晰度仍待解决。

  15. IT之家·人工智能

    谷歌 DeepMind 发布 Genie 4 世界模型，支持实时自然语言改写

    谷歌 DeepMind 发布 Genie 4 世界模型，定位为重大研究里程碑，用户可用自然语言指令实时改变天气、镜头和角色。它是 DeepMind 首个在实时世界模拟中原生生成音频的模型，音画同步产生，并在空气动力学、碰撞等物理场景和人物动作上有更强表现。Genie 4 目前仅以研究预览形式向受信任测试者开放，未来几周将扩展到 Google AI Ultra 订阅用户的 Project Genie 以及 Gemini API 和 Google AI Studio 的早期合作伙伴；工程师 Diego Rivas 承认长时间模拟可能出现细节漂移，音频准确性和画面内文字可读性尚未完全解决。

  16. SiliconANGLE

    Google 预览 Genie 4 世界模型，可生成带音频的 3D 环境

    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。

  17. 阿易 AI Notes

    Google DeepMind 发布世界模型 Genie 4，支持实时文字改场景与原生环境音

    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。

  18. 少数派

    派早报：Apple 发布 M6 版 iMac 和 MacBook Pro，Google DeepMind 发布…

    Apple 于 10 月 27 日发布搭载 M6 芯片的 24 英寸 iMac 和 14 英寸 MacBook Pro，iMac 国行售价 12499 元起，MacBook Pro 15999 元起，11 月 6 日正式发售。Google DeepMind 同日发布世界模型 Genie 4，融合 Gemini 系列模型能力，支持自然语言实时调整场景并生成原生音频，已向少量受信任测试者推出。蚂蚁集团发布 AI 助手灵光 2.0，新增跨会话记忆、长程任务调度和工具连接，定位从任务执行者转向事务管理者。

  19. Google Blog一手精选

    Alphabet 2026 年 Q3 财报：营收同比增长 25%，Gemini 应用用户达 10 亿

    Alphabet 2026 年 Q3 营收同比增长 25%，年化收入规模达到 5000 亿美元，Google Cloud 收入增长 103%。CEO Sundar Pichai 表示，第一方模型 API 每分钟处理近 320 亿 tokens，比上季度多 40%；Gemini 应用用户已达 10 亿，是 Google 历史上增长最快的产品。当天还发布了 Gemini 4 系列新模型 Carbon，它在 Artificial Analysis Intelligence Index 上以 59 分排名第一，将先向部分可信网络安全防御者开放，并正由美国政府测试。

  20. Demis Hassabis

    DeepMind 发布交互式世界模型 Genie 4

    Demis Hassabis 分享 Google DeepMind 的交互式世界模型 Genie 4，称其整合了实时物理、推理与音频能力。Google DeepMind 官方账号称这是其迄今最真实、最具交互性的世界模型，可实时探索动态环境，观察场景如何响应、发声，以及其中人物的移动、反应与说话。Hassabis 还提到模拟之中嵌套模拟。

  21. The New Stack

    Google DeepMind 发布 Genie 4 世界模型，为 AI 智能体提供可交互测试环境

    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。

  22. 阿易 AI Notes

    Google DeepMind 发布世界模型 Genie 4

    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。

  23. The Decoder

    Google DeepMind 发布 Genie 4 世界模型，可实时生成带声音的交互场景

    Google DeepMind 推出 Genie 3 的继任者 Genie 4，这是其首个能直接生成声音的实时世界模型，逐帧计算场景并响应用户的键盘操作和文本提示。Gemini 模型在后台负责规划，例如 Gemini 3.8 Flash 持续观察画面、把目标拆成步骤并检查每步结果；DeepMind 还在测试用 Gemini 4 Argon 将 Genie 与机器人研究 Gemini Robotics 结合，演示中模拟了 Apptronik 人形机器人 Apollo 下棋。DeepMind 称该模型仍属早期实验版本，长时间模拟中视觉细节会漂移、物体不一定持续存在，目前仅限部分测试者使用，所有视频和音轨都会带有 SynthID 水印。

  24. 华尔街见闻精选

    谷歌推出世界模型Genie 4，模拟时长翻倍至2分钟并首次实现音视频同步生成

    谷歌发布新一代世界模型Genie 4，最长模拟时长提升至约2分钟，为Genie 3的两倍，并首次实现音视频同步生成，用户可用自然语言实时改变环境、操控镜头和添加角色。该模型目前以研究预览版向少量筛选测试者开放，未来数周将向Google AI Ultra订阅用户开放，并逐步向部分开发者提供Gemini API和Google AI Studio的早期访问。谷歌称Gemini负责为模拟世界提供推理和规划，实际实时交互运行在更轻量的Gemini 3.8 Flash上，所有生成音视频均嵌入SynthID水印。

  25. Philipp Schmid精选

    Google 发布 Genie 4 实时多模态世界模型

    Google 发布 Genie 4，新增原生音频、可移动并说话的角色、更精细的物理效果和实时提示词编辑。Genie 是实时多模态世界模型，能根据键盘操作和文本提示逐帧渲染可玩环境，目前开放候补名单，Google AI Ultra 用户优先。

  26. Logan Kilpatrick

    Google 预告 Genie 4 世界模型将登陆 API

    Logan Kilpatrick 发布 Genie 4 的早期预览，称这是 Google 新的前沿世界模型，将首次上线 API。

  27. Ethan Mollick

    Ethan Mollick：Genie 4 能跑 DOOM

    Ethan Mollick 发帖称 Genie 4 能运行 DOOM，并引用一段荒诞描述：走过普通办公室，每台电脑、每面墙都在跑 DOOM，一切皆是 DOOM；随后同事变成恶魔、手持链枪、还给他发奖金。

  28. Ethan Mollick

    Ethan Mollick 实测 Genie 4 实时生成游戏场景

    Ethan Mollick 实测 Genie 4，称其能边生成边产出游戏式环境，输入“Neogothic brutalist city inhabited by robots and horses”约一分钟即可生成场景。随后他要求加入龙和一只友好的水獭 NPC，这些改动都在实时中完成。他表示体验并不完美。

  29. TechCrunch AI

    Google DeepMind 发布世界模型 Genie 4 研究预览版，新增实时音频与实时操控

    Google DeepMind 发布世界模型 Genie 4 研究预览版，可生成更逼真的交互式世界，支持在模拟过程中输入提示词实时改变场景，并生成与场景匹配的音乐、环境音和交互对话。Genie 4 可实时修改天气、镜头角度或添加人物物体，场景一致性最长维持两分钟，是前代 Genie 3 的两倍，物理效果和角色拟人度也有提升。Gemini 在其中承担规划步骤和检查帧的角色，团队称 Genie 4 仍存在细节漂移、音频准确性和场景内文字可读性等问题。

  30. Testing Catalog

    Google 发布世界模型 Genie 4，支持动态改世界与原生音频

    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。

  31. Sundar Pichai

    Google 发布 Genie 4 世界模型，支持实时操控与原生音频

    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。

  32. Google AI

    Google DeepMind 发布 Genie 4 世界模型

    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。

  33. Google DeepMind一手精选

    Google DeepMind 发布世界模型 Genie 4，支持原生音频与实时交互

    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。

10月27日

  1. Google Blog一手精选

    Google DeepMind 发布世界模型 Genie 4，支持实时交互模拟与原生音频

    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。

本事件热度走势

当前
22
区间峰值
256 10月28日 13:00
近 24 小时变化
—

移动指针或点击图表可查看每小时热度；键盘可用左右方向键切换。

关联事件

  1. 相关事件Anthropic发布Claude Opus 5.5
  2. 相关事件Gemini 4 Argon 出现在 GCP 配额页面
  3. 相关事件Reflection发布首个开放权重模型Beam
  4. 相关事件Meta发布开放权重模型Muse Spark Open