产品简介
Genie 4 是 Google DeepMind 于 2026 年 10 月 28 日发布的世界模型，定位是实时可交互的模拟环境。它把画面与声音放进同一套生成里：一边渲染世界如何回应，一边同步生成环境音、音乐与人物对话，人物会随事件开口说话。
模型建在 Gemini 家族之上。Gemini Omni 负责把模拟锚定在接近现实的外观与行为上，其他 Gemini 模型提供维持连贯性所需的推理，Gemini 3.8 Flash 在回路里做引导智能体，持续观察画面、拆解目标、核对进展，因此多步事件的因果关系能跑得住。
操作方式接近玩游戏。用键盘与双摇杆移动角色和镜头，再用自然语言改天气、挪机位、加入新人物或物体，Gemini 会结合周围场景改写提示词。目前处于研究预览，先向受信测试者开放，后续进 Google AI Ultra 订阅者的 Project Genie，以及 Gemini API 与 AI Studio 的早期访问伙伴。
核心功能
- 画面与声音同时生成：每一帧之外还有原生音频：环境噪声、配乐、可交互对话都由模型直接产出，不需要另外配音轨，人物的说话与动作跟着事件走。
- 自然语言实时改场景：运行中用一句话改天气、移动镜头、加入新角色或物体。Gemini 会把提示词结合当前场景改写，不需要暂停重建。
- Gemini 在回路里维持连贯：Gemini Omni 锚定外观与行为，Gemini 3.8 Flash 作为引导智能体观察画面、拆解目标、核对进度，让多步事件保持因果与程序性。
- 键盘操控与自由镜头：标准键盘移动与镜头控制，视角可以脱离主角独立航行。官方演示里有 16mm 胶片质感、低对比度自然光的场景，用来检验光照与空间连续性。
- 全量 SynthID 水印：生成的视频与音频都嵌入 SynthID 隐式水印，可事后判别是否由 Google 模型产出。
- 面向训练环境与创作：官方给出的方向是机器人与智能体的安全训练环境，以及影视、新闻、游戏、制造里的交互体验。DeepMind 与 Apptronik 用 Gemini 4 Argon 加 Genie 4 给人形机器人 Apollo 拆解过实时任务。
适合谁用
以下类型的用户会特别受益于 Genie 4：
- 机器人策略的仿真训练，在可无限变化的环境里跑碰撞、抓取与导航。
- 影视与广告的前期预演，用实时操控快速试机位与光线，不必等完整渲染。
- 游戏关卡与场景原型，一句话改天气与地形，直接看交互结果。
- 交互叙事的实验，让人物在场景里按事件即时开口对话。
- 智能体的评测环境，给工具调用与长程任务提供可控的世界。
- 媒体与教育内容制作，用可编辑的模拟讲清复杂过程。
优点亮点
- 画面与音频同源生成，省掉单独配音与对齐的环节。
- 运行中用自然语言改场景，镜头与天气都能即时调整。
- Gemini 3.8 Flash 在回路里做引导，多步事件因果关系更稳。
- 键盘与摇杆操控接近游戏手感，探索不受固定路径限制。
- 生成内容全部带 SynthID 水印，来源可追溯。
- 官方已给出机器人与智能体训练、影视游戏制造等落地方向。
价格与方案
目前处于研究预览阶段，先向受信测试者开放，不单独售卖。正式开放后从 Google AI Ultra 订阅者的 Project Genie 起步，同时向 Gemini API 与 Google AI Studio 的早期访问伙伴推送，等待名单在 Project Genie 页面登记。DeepMind 尚未公布按秒或按次的具体价格，也没有说明 API 的调用限额，实际计费方式以官方开放时的公告为准。
总结与建议
Genie 4 把世界模型从能看推到能玩。此前的版本重在生成逼真场景，这一代补上三件事：实时改场景、声音与画面同源、Gemini 在回路里维持因果。这三件凑齐之后，它才能当训练环境和创作工具用，而不只是一个演示视频。现在还在研究预览，真正的门槛在开放节奏与定价，能不能用到自己的项目里要等 API 放量。
版本演进
- Genie 4 发布：原生音频与实时自然语言操控 （2026-10-28）：Google DeepMind 发布世界模型 Genie 4，以研究预览形式向受信测试者开放。原生多模态，画面与环境音、音乐、人物对话同步生成；Gemini Omni 锚定外观与行为，Gemini 3.8 Flash 在回路里做引导智能体维持多步因果。支持键盘与摇杆操控，运行中用自然语言改天气、移镜头、加人物。全部输出带 SynthID 水印。后续进 Google AI Ultra 的 Project Genie 与 Gemini API、AI Studio 早期访问伙伴，API 定价未公布。