Google DeepMind正式发布世界模型Genie 4，以研究预览形式向受信任的测试者开放。该模型在上一代Genie 3的基础上新增实时音频生成能力，提升了模拟环境的物理真实感，并支持用户在模拟运行过程中通过文本提示对场景进行实时引导。
世界模型的核心思路是让AI直接从数据中学习并生成可交互的虚拟环境，而非依赖人工搭建的3D资产与物理引擎。Genie系列自亮相以来，主要面向游戏场景生成、机器人训练环境构建与智能体研究等方向。此次Genie 4加入的实时音频，意味着生成的世界不再只有视觉维度，声音反馈也被纳入模拟闭环，这对需要多模态感知的具身智能训练具有直接价值。
模拟中文本引导（mid-simulation text prompts）是另一项关键升级。此前世界模型通常在生成前设定条件，运行中难以干预；Genie 4允许测试者在模拟持续进行时输入文本指令改变场景走向，使世界模型更接近可实时操控的交互式仿真工具。这一能力对强化学习中的课程设计和场景扰动测试尤为实用。
从行业角度看，世界模型正成为大模型厂商竞争的新方向。与纯文本或多模态生成模型不同，世界模型强调对物理规律与因果关系的建模，被视为通往通用智能体（agent）的重要基础设施。Google DeepMind此次以研究预览而非正式商用形式发布，说明该技术在稳定性、可控性与算力成本上仍处于验证阶段。受信任测试者机制也表明，Google希望在受控范围内收集反馈，再决定后续开放节奏。
目前Google DeepMind未披露Genie 4的具体参数规模、训练数据构成及正式开放时间。随着世界模型在音频与实时交互维度上的补齐，其在机器人仿真、游戏内容生产与智能体评测中的落地空间有望进一步扩大，但距离面向企业客户的规模化商用仍有距离。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
