Genie 4：DeepMind 世界模型现在能生成声音了

10 月 27 日，Google DeepMind 发布了 Genie 4，这是其世界模型的新一代。所谓世界模型，就是能实时生成一个可交互、可以在其中自由移动的世界的 AI。目前它还是面向少数测试者的研究版本，接下来排队的是 Project Genie 中的 Google AI Ultra 订阅用户，以及 Gemini API 和 Google AI Studio 的合作伙伴。

世界模型 Genie 4 有什么新东西？

最大的亮点是声音。按 DeepMind 的说法，这是他们“首个原生生成音频的实时世界模型”（原文为“our first real-time world model to generate audio natively”）。与画面一同生成的有：

1. 环境音，
2. 音乐，
3. 角色对话，会随当下发生的事情而变化。

第二点是在模拟过程中用普通文字操控世界。我们可以改变天气、移动镜头，或者加入一个人或一件物品，而且不用从头开始。Gemini 模型会把指令对应到场景中，并在两条指令之间推进事件，让世界保持连贯。

第三点是物理和人。发布内容中提到了对空气动力学和碰撞的模拟，以及会自主移动并对周围环境作出反应的角色。

Genie 4 如何与 Gemini 配合？

对智能体爱好者来说，有意思的部分来了。Genie 4 借助 Gemini 系列：Gemini Omni 负责让世界看起来、表现起来都像真实世界，其他 Gemini 模型则负责推理和连续性。

在演示中，Gemini 3.8 Flash 作为智能体在生成的世界里行动：它观察场景，把目标拆成步骤，在后续画面中检查每一步是否成功，并在世界变化或用户介入时修正计划。此外，DeepMind 还展示了一个结合 Gemini 4 Argon 和 Gemini Robotics 的实验：Genie 4 模拟 Apptronik 的人形机器人 Apollo 下跳棋（没有用到实体机器人）。

这和通关 Minecraft 的 Gemini 智能体是同一个方向，只不过这里的世界不是来自游戏，而是来自模型。

Genie 3 当时表现如何？

作为对比，2025 年 8 月的 Genie 3 以 720p、每秒 24 帧生成世界，能保持几分钟的连贯，视觉记忆最多可回溯一分钟。至于 Genie 4，DeepMind 目前还没有公布这类参数（分辨率、帧率、会话时长）。

Genie 3 后来上线 Project Genie，面向 AI Ultra 订阅用户，还在股市掀起了波澜。2026 年 1 月 30 日，Sherwood News 报道称 Unity 股价下跌超过 25%，Roblox 下跌约 9%。所以 Genie 4 一出，这个问题又回来了：世界模型会威胁游戏引擎吗？目前它更像是一个新奇玩意儿，而不是现成的游戏开发工具 ;)

怎么试用 Genie 4？

目前还无法自己上手，除非我们在受邀测试者之列（DeepMind 列出了创意产业、新闻、教育、游戏和工程领域）。之后的计划是：

1. 面向 Google AI Ultra 订阅用户的 Project Genie，“即将推出”。
2. 面向早期访问合作伙伴的 Gemini API 和 Google AI Studio。
3. Project Genie 的候补名单，链接在发布文章中。

DeepMind 没有给出 API 访问的日期和价格。

需要注意什么？

第一，DeepMind 自己列出的局限。在较长的会话中、经过多次编辑后，画面细节可能会变化，物体也不一定总待在原位。复杂的物理交互、实时音频的准确性、清晰可读的文字以及长期一致性，仍是尚未解决的问题。

第二，缺少数据。我们看到了能力介绍和演示，但没有技术参数，因此很难判断相对 Genie 3 的进步有多大。

第三，内容标识。据 DeepMind 介绍，Genie 4 生成的所有视频和音频都会带有 SynthID 水印。

FAQ

Genie 4 是什么？

它是 Google DeepMind 的世界模型，能实时生成包含画面、声音和角色对话的可交互环境。模拟过程中可以用文字指令改变世界。

Genie 4 什么时候能用？

从 2026 年 10 月 27 日起，部分受邀测试者已在使用。据 DeepMind 介绍，它将“很快”向 Project Genie 中的 Google AI Ultra 订阅用户以及 Gemini API 和 Google AI Studio 的合作伙伴开放。具体日期尚未公布。

Genie 4 免费吗？

目前没有这样的消息。面向普通用户的访问将通过付费的 Google AI Ultra 订阅提供，API 价格尚未公布。

Genie 4 和 Genie 3 有什么不同？

据 DeepMind 介绍，Genie 4 能原生生成声音，对物理和人物的模拟更好，画面更逼真，还能实时操控更复杂的多步骤事件。