Google DeepMind 发布了新一代世界模型 Genie 4。
用户可以边探索边改主意：让天气变冷，让角色开口，或者临时加一场爆炸。Gemini 会结合当前场景调整计划，Genie 4 则把变化实时呈现出来。
下面这个官方演示里，一位男子正在湖上的浮台吹萨克斯。操作者没有重开场景，只是在输入框里加了一个要求：持续下大雪。
镜头继续往前走，雪落上他的头发和肩膀，萨克斯还握在手里。
实时生成的画面
平时看一段生成好的视频，后面发生什么已经定了。Genie 这一类交互式世界模型，把下一步留给用户：按下方向键、转动视角，或者临时加一个要求，模型再根据眼前的场景继续生成。
世界模型要模拟的，是环境怎样变化，以及行动会带来什么结果。 难处也在这里：镜头移开再回来，原先的物体应该还在；刚刚改变的天气，也应该继续影响这个场景。画面好看只是其中一部分，还得接得住前面发生过的事。
上一代 Genie 3 已经能让用户在生成的环境里实时探索。Genie 4 在这个基础上加入原生声音和交互式对话，再让 Gemini 持续观察、规划接下来的动作与事件。
骑龙的演示更像一段游戏：坐在黑龙背上，手里攥着缰绳，迎面是山谷和城堡，旁边还有其他骑龙者。
画面左下角的 WASD、右下角的方向键都在响应操作。视角转向城墙，龙翼从眼前掠过，Genie 4 根据移动和转向继续生成眼前的景象。
文字指令还能连续往下接。
一只冠鹤在雪地里走。操作者先让天空划过流星，再让它走向一架白色键盘琴，用喙按键。最后，又要求它张开翅膀飞起来。
Genie 4 这次还加入了原生音频，环境声、音乐性的声音和角色对话都能随场景生成。
官方演示demo 中，一男一女骑着摩托车驶过桥面，路灯还亮着，画面带着胶片颗粒。输入框里出现新要求：让男子回头，女子问他是否觉得他们能成功。
接着，操作者又输入“爆炸”。城市里出现火光和巨大的触手，两人回头看向身后。
Gemini 一边看一边规划
具体负责引导的是 Gemini 3.8 Flash。它持续读取 Genie 4 的新画面，把目标拆成步骤，查看上一步是否完成。用户中途插入新指令，它就根据当前进展调整计划。
冠鹤演示右上角的规划面板，就能看到这层工作：让它走近键盘，再安排用喙按键，查看动作进展，接着处理新的展翅要求。每一步都要接着已经生成的画面往下走。
即使用户暂时没有继续输入，Gemini 也会观察和引导场景，让事件接着发展。
这套组合也被用来探索机器人任务模拟。团队把 Gemini 4 Argon 与 Genie 4 放在一起，模拟 Apptronik 的 Apollo 人形机器人下西洋跳棋。
左边是 Argon 给出的动作步骤，具体到哪只手伸向哪颗棋子、用哪些手指接触、另一只手停在哪里。这些步骤以文字指令交给 Genie 4，和右侧棋局画面的生成交错进行。
最后
目前参与测试的电影创作者，可以用 Genie 4 预演场景，试机位、光线、对白和动作。游戏开发者则可以先搭一个能探索的概念原型，试视觉风格和交互，再进入正式制作。
它还不能让人无限玩下去。Genie 4 目前连续交互时长为几分钟；运行时间变长、频繁修改或四处移动后，物体细节和空间关系仍可能漂移，声音、文字和复杂物理交互也有待改进。
开放从受邀测试者开始，随后将进入 Project Genie，面向 Google AI Ultra 订阅用户；Gemini API 和 Google AI Studio 的早期合作伙伴也在计划中。
参考链接
-
Genie 4 发布介绍与演示：https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/ -
Genie 4 模型页面：https://deepmind.google/models/genie/