Google DeepMind 推出基础世界模型 Genie 3，旨在训练通用人工智能代理。该模型目前仍处于研究阶段，尚未公开发布。Genie 3 建立在可创建新环境的 Genie 2 及视频生成模型 Veo 3 之上。
DeepMind 研究总监 Shlomi Fruchter 表示：
“Genie 3 是首个真正的实时交互式通用世界模型。”
“该模型超越了以往狭窄的世界模型，并非针对特定环境，而是能够在照片级真实感、虚拟世界以及两者之间的任何内容中进行构建。”
Genie 3 的核心功能
Genie 3 可通过简单文本指令，以每秒 24 帧的速度生成持续数分钟、720p 分辨率的交互式 3D 环境（此前 Genie 2 仅能生成 10-20 秒内容）。
该模型具备命令触发世界事件功能，用户可通过指令改变生成世界。得益于记忆机制，模拟在时间推移中能保持物理一致性。模型通过记住生成内容并在长时间跨度内推理，自主学习物体移动、掉落及相互作用等世界运作规律。
Fruchter 指出，Genie 3 为培训体验、游戏或创意概念原型制作提供了重要创新。其能力涵盖世界物理特性建模、自然环境模拟、动画与虚构创作建模，以及位置和历史场所探索。研究强调，该模型的真正潜力在于训练代理执行通用任务，这对实现人工通用智能（AGI）至关重要。
DeepMind 使用最新版通用目的可扩展可指令多世界代理 (SIMA) 软件对 Genie 3 进行测试。在仓库环境中，团队指示代理执行“靠近亮绿色垃圾压缩机”或“在装满货物的红色叉车旁行走”等追逐目标任务。
DeepMind 开放团队研究科学家 Jack Parker-Holder 分享测试结果：
在所有三种情况下，SIMA 代理均成功到达目标。模型仅从代理处获取动作，代理感知目标、观察模拟世界并执行动作。由于 Genie 3 保持一致性，能够成功向前进行模拟。
Genie 3 的局限性
Genie 3 仍存在局限：滑雪演示未能准确反映雪相对于滑雪者的运动方式；代理可执行动作范围有限；正确模拟多个独立代理在共享环境中的复杂交互仍较困难；训练合适代理需数小时，且当前仅支持持续几分钟的连续交互。
尽管如此，该模型为代理提供了超越输入反应、规划、探索、研究不确定性及通过试错法发展的学习机会。未来，研究人员有望通过 Genie 3 新版本逐步接近人工通用智能。