The Decoder AI in practice· Maximilian Schreiner·· 6 小时前AI 评分66
Google DeepMind 推出 Genie 4 实时世界模型，由 Gemini 规划场景
Google Deepmind's Genie 4 puts a modern spin on agent designs that predate LLMs
先看结论
原文显示 Genie 4 是可交互世界模拟的研究预览，价值在于用 Gemini 分步规划维持场景连贯，尚非成熟生产工具。
报道讲了什么
- Google DeepMind 发布 Genie 3 的后继者 Genie 4 世界模型。
- 该模型不输出成品视频，而是逐帧计算场景并随输入实时反应。
- DeepMind 称其为首个直接生成声音的实时世界模型。
可以做什么
- 用户可用键盘在场景中移动，并用文本提示引导事件。
- 角色之间可对话，并实时回应用户输入或场景事件。
- Gemini 3.8 Flash 持续观察场景，把目标拆成步骤并用新帧检查每步是否成功。
怎么使用
原文没有提供可复现的操作步骤，请从下方原文或官方说明确认使用方法。
结果与限制
- 长时段模拟或多次复杂提示改动后，视觉细节会漂移，物体不一定持续存在。
- 复杂物理交互、准确的实时声音和可读文本仍在研究中。
- 目前仅向部分测试者开放研究预览，之后才进入 Google AI Ultra 订阅与 Project Genie 网页应用。
使用入口与依据
来源：The Decoder AI in practice · the-decoder.com
事件后续
查看事件全部正在读取事件进展…