Google DeepMind 今日推出最新 AI 世界模型 Genie 4，并以限制级研究预览版形式向少数早期测试者开放。官方称，该模型“解锁了前所未有的真实感”，专为模拟人类行为而设计。相较于去年 8 月发布的 Genie 3，Genie 4 的核心突破在于支持音频生成，并能根据视觉场景自动匹配环境音效，从林间风声到海浪拍岸皆能实时呈现。
除了视听升级，Genie 4 还能通过简单的自然语言提示，让用户实时修改生成的照片级逼真视频。Google 强调，新模型在模拟现实物理规律方面表现更强，能够动态响应相机角度变化及光照条件改变，确保虚拟世界的物理逻辑自洽。
拟真人类：从机械到有机
据 Google 介绍，Genie 4 与早期版本的最大差异在于对人类的模拟能力。此前 Genie 3 生成的角色动作往往显得机械，而 Genie 4 则能创造出肢体流畅、面部表情逼真且对环境做出有机反应的角色。这一飞跃同样延伸至声音领域：用户可指示 AI 角色进行对话，并对视频中的突发事件做出即时语音回应。
“理解和模拟世界是构建通用人工智能（AGI）的关键方面。”Google 在博文中写道。这一立场呼应了图灵奖得主 Yann LeCun 等专家的观点，即世界模型而非大型语言模型（LLMs），才是通往 AGI 的更优路径。世界模型旨在通过观察从有限数据中学习，模拟物理世界的实际运作机制。
安全护栏与行业震荡
鉴于模型仍处于初级阶段，Google 指出 Genie 4 在长程复杂模拟中，偶尔仍面临视觉一致性和音频准确性的挑战。为此，所有生成内容均嵌入 SynthID 隐形水印，并经过严格的安全评估以防止有害内容生成。
目前，Genie 4 仅向包括 Google AI Ultra 订阅用户及视频游戏开发商在内的特定群体开放。开发者正利用其通过自然语言快速构建游戏原型，这种被称为“氛围游戏”（vibe gaming）的新模式，再次引发市场对 AI 颠覆传统游戏行业的关注。今年 1 月，类似工具的出现曾导致游戏股波动。Google 表示，此举旨在收集反馈并进行安全升级，但尚未公布面向更广泛受众发布的具体时间表。