Google DeepMind 发布 Genie 4 实时世界模型，由 Gemini 规划场景

Google DeepMind 推出 Genie 3 的继任者 Genie 4，这是一个逐帧计算场景、能实时响应用户输入的世界模型，目前仅向部分测试者开放研究预览。用户可用键盘在场景中移动，并用文本提示词推动事件；DeepMind 称这是其首个直接生成声音的实时世界模型，每个世界带有自己的背景音，角色之间可以对话并实时回应用户操作。Genie 4 基于视频模型 Gemini Omni 的能力，其他 Gemini 模型负责规划以保持世界连贯，例如 Gemini 3.8 Flash 会持续观察场景、把目标拆成步骤并检查每步结果。