继去年Genie 3引发行业震荡后，谷歌DeepMind并未止步，而是持续研发并在近期推出了全面升级的Genie 4世界模型。尽管其输出效果酷似电子游戏，但DeepMind明确将其定位为迈向通用人工智能（AGI）的关键要素，而非单纯的游戏工具。
与传统需要预先渲染或编程交互元素的技术不同，世界模型能够根据用户需求，在探索过程中逐帧实时生成虚拟世界体验。Genie 4在这一基础上进行了多项实用性改进，核心动力源自谷歌更新的Gemini模型。
技术突破：更逼真的物理与原生音频
在架构上，Genie 4利用Gemini 3.8 Flash作为引导代理，负责分解目标并评估每一帧输出。这种机制有助于维持模拟过程的方向性，使用户能在不同环境中移动而不丢失原始上下文。不过，DeepMind也坦承，该模型在运行几分钟后仍会出现一致性下降，逐渐“忘记”初始设定。
与Genie 3一样，新版本支持中途动态调整参数。用户可随时改变天气、添加元素或切换视角，Gemini将协助引导更新后的模拟方向，其逻辑类似于推理模型通过内部提示锁定正确输出。
在视觉表现上，Genie 4显著提升了空气动力学和碰撞处理的逼真度，有效缓解了人物动作的“恐怖谷”效应，使角色对环境的反应更为自然。更具突破性的是，Genie 4成为首款原生支持音频的DeepMind世界模型。它不仅包含环境背景音，还支持在提示词中指定音频元素。DeepMind承诺，模型将能创建随模拟进程自适应的交互式对话，实现人类语音的深度融入。
访问权限与定价
DeepMind强调，世界模型仍处于活跃研究阶段。目前，团队正与小规模受信任测试人员合作，为Genie 4的广泛发布做准备，但尚无具体时间表。
在商业化路径上，谷歌计划通过Gemini API和AI Studio向开发者提供Genie 4，具体定价待定。面向消费者，该功能将纳入谷歌最高阶的AI Ultra订阅计划，起步价为每月100美元，并分阶段推出。未来，访问权限可能会扩展至AI Pro和AI Plus计划。所有体验仍将经由Project Genie平台进行，存在一定的操作限制。感兴趣的用户可加入等待名单申请早期访问资格。