新闻股票Google DeepMind 向 Google AI Ultra 订阅用户开放 Genie 4 世界模型

Google DeepMind 向 Google AI Ultra 订阅用户开放 Genie 4 世界模型

作者: Google DeepMind Blog·

要点速览

  • •Google DeepMind 于 2026 年 11 月 18 日向符合条件的 Google AI Ultra 订阅用户推出其称之为迄今最逼真、互动性最强的世界模型 Genie 4;Google AI Pro 会员可加入等候名单。
  • •Genie 4 允许用户在会话进行中通过自然语言提示实时编辑环境,并首次在 Genie 系列中将视觉效果与自适应原生音频(从环境音景到角色对话)相结合。
  • •Genie 3 获得升级:探索会话从 60 秒延长至三分钟、支持将多个世界链接为更长旅程,并允许以 360 度全景图像为新世界生成种子。
  • •对话式 Project Genie 智能体让用户通过描述构想来构建自定义世界,Gemini 模型还可加入会话,提供导航建议并自动触发世界内事件。
  • •在 Project Genie 中生成的所有视频和音频均带有 SynthID 水印并通过安全筛查;Google DeepMind 将相机延迟、复杂物理交互、实时音频精度和长期场景持久性列为持续研究的挑战。
Google DeepMind 向 Google AI Ultra 订阅用户开放 Genie 4 世界模型

Google DeepMind 于 2026 年 11 月 18 日宣布,其称之为迄今最逼真、互动性最强的世界模型 Genie 4,正通过更新后的 Project Genie 体验向符合条件的 Google AI Ultra 订阅用户推出。此次发布首次提供 Genie 4 的使用权限,同时包括对 Genie 3 模型的新升级、用于构建自定义世界的对话式 Project Genie 智能体,以及一个用户可以发现、探索和二次创作生成世界的社区画廊。

Google DeepMind 集团产品经理 Diego Rivas 与 Google Labs 集团产品经理 Pavan Kumar 在一篇博客文章中表示,此次推出提供“更灵敏、更具社交性、更具互动性的世界生成”。用户现在可以使用自然语言实时编辑环境、添加原生音频,并在新画廊中分享自己的作品。

Genie 是 Google DeepMind 的世界模型系列——能够生成可玩、可交互环境的 AI 系统。与传统的文本、图像或视频生成器不同,世界模型旨在模拟用户可以实时在其中移动和交互的环境。该系列始于 2024 年 2 月的 Genie 1,随后是 2024 年 12 月的 Genie 2 和 2025 年 8 月的 Genie 3,而 Project Genie 则作为基于浏览器的层,让用户能够生成、进入并塑造由这些模型构建的世界。四代模型在不到三年内相继问世,而此次推出首次将最新一代交到用户手中——将世界模拟从研究演示推向消费级订阅。

从研究原型到订阅用户开放

Google DeepMind 于今年早些时候推出了 Project Genie,这是一个让用户生成和探索互动世界的实验性研究原型。据该文章称,早期测试者告诉团队,他们希望对世界内部发生的事情有更深入的控制,并希望有更简便的构建和分享方式。该公司表示,新体验使这些世界“更加灵敏、更具创造性、更具社交性”,并将其最先进的世界模型与 Gemini 模型结合,让用户能够“直接在浏览器中生成、进入并塑造世界”。

除首次提供 Genie 4 访问权限外,此次更新还包括对 Genie 3 的新升级、帮助用户实现创意构想的 Project Genie 智能体,以及一个用于发现、探索和二次创作世界的社区画廊。

Genie 4:实时编辑与原生音频

在 Genie 4 中,提示不再止步于世界创建。用户在浏览世界的过程中可以随时输入新提示并实时编辑环境:改变天气、添加角色或改变情节走向。该模型还首次将其视觉效果与随场景发展而自适应的实时原生音频相结合,涵盖从环境音景到角色对话。Google 将 Genie 4 定位为其保真度最高的选择,提供最强的视觉效果、物理表现和原生音频。

Genie 3:更长会话、全景图 grounding 与世界链接

当用户想要更长的运行时间或以全景图为种子的空间时,Genie 3 仍在 Project Genie 的模型选择器中可用。11 月 18 日宣布的更新包括:

  • 延长会话与世界链接: 每次生成的探索时间现在可达 3 分钟,由此前的 60 秒提升——为原来上限的三倍——并且用户可以将多个世界链接在一起进行更长的旅程。
  • 360 度全景图图像 grounding: 新世界可以从 360 度全景图像生成。
  • 实时世界内事件: 探索过程中可通过自然语言提示动态改变环境。

Google 演示了 Genie 3 的实时可提示事件如何将独立的世界连接为一次横跨森林、水下遗迹和冰封海域的连续飞行——在飞行途中改变环境,甚至根据指令召唤一条龙供用户骑乘。在另一个演示中,360 度全景图 grounding 使约旦联合国教科文组织世界遗产考古遗址佩特拉(Petra)的峡谷和立面在观察者环顾四周时保持一致。

通过对话构建世界

Project Genie 智能体将创作扩展到单一的文本或图像提示之外。用户用自然语言描述自己的构想,智能体便会调度 Google 的多模态模型套件,生成奠定世界标志性外观的初始视觉内容,并搭配契合氛围的自定义背景配乐。Google 表示,打造一个互动宇宙现在“就像进行一场对话一样轻松”。

在探索过程中,用户还可以将 Gemini 模型引入会话。该公司表示,这些模型会观察屏幕上正在发生的事情,为下一步去向提供基于上下文的建议标签,或在旅程展开时自动触发世界内事件。

公告中重点展示的示例包括将自然语言提示转化为互动太空漫步(外星飞船按指令出现),以及将山坡咖啡馆二次创作为沙漠中的玻璃展馆。

画廊:精选世界、创作者合作与二次创作

新画廊汇集了精选世界与社区创意作品,让用户可以直接开始探索。重点体验包括将个人照片转化为可探索空间的“Living Memory”;让用户在以 360 度全景图为基础的丰富史前栖息地中漫游的“Dino Field Guide”;以及在桌面上让主题物品相互对决、由 Gemini 担任实时裁判的“Rock Paper Scissors”。

画廊还展示了与提前获得这些工具的创作者的合作成果。Google DeepMind 与创意技术专家 Will aka BLVCKL!GHT 合作,利用 Genie 4 打造了“Villa Giallo”,这是一座哥特式庄园内充满氛围感的逐房间互动解谜体验。团队还与电影制作人 Anand Gandhi 合作打造了“The Life of Ants”,借助 Genie 4 的照片级真实感,让用户从蚂蚁的视角探索一个复杂的蚁群。

除了浏览精选内容外,用户还可以通过一个简单的提示启动自己的构想,或与 Project Genie 智能体一起对现有的画廊体验进行二次创作——调整底层的世界结构、配乐或规则——然后将作品发布到社区画廊供他人探索和二次创作。

水印、安全筛查与待解挑战

Google DeepMind 表示,公司致力于以负责任的方式开发和推出互动世界模型。在 Project Genie 中生成的所有视频和音频都带有 SynthID 水印——该公司面向 AI 生成内容的水印技术——并且所有模型输入和输出都经过安全筛查。

该公司强调,Genie 3 和 Genie 4 仍属于前沿研究领域的世界模型。随着研究的演进,团队正在积极攻克包括相机延迟、复杂物理交互、实时音频精度和长期场景持久性在内的关键挑战——这份清单实际上相当于一份公开的观察清单,随着模型在当今三分钟会话之上走向成熟,这些都是值得关注的方面。欲深入了解模型局限及进展,请参阅 Genie 4 模型研究概述。

可用性

符合条件的 Google AI Ultra 订阅用户即日起可体验新的 Project Genie,Google AI Pro 会员可在同一页面加入等候名单。Google 已引导用户前往 Project Genie 网站 开始构建自己的世界。该文章未说明等候名单之外更广泛开放的时间表,使更大范围推出的节奏成为下一个值得关注的信号。