Google预览了Genie 4，这是一个能生成逼真三维环境的人工智能模型。

该算法是这家公司2024年推出的一系列世界模型的最新成员。与前代相比，Genie 4更擅长渲染流体运动等复杂细节。此外，它还能生成配套音频，例如海浪拍击的声音。

人物模拟成为最大跨越

Google DeepMind员工Raia Hadsell、Diego Rivas和Hang Qi在博客文章中写道，最戏剧性的跨越在于Genie 4如何模拟人物，它创造的角色能自然移动、对环境做出有机反应，并能被实时交互式操控。

用户只需向Genie 4提供希望渲染内容的自然语言描述，即可创建虚拟世界。随后他们可以在模拟环境中漫游，并通过后续提示进行编辑。例如，用户可以要求Genie 4改变天气或增加更多物体。模型执行这些编辑时，不会降低虚拟世界的照片级真实感或一致性。

Genie 4的自然语言界面与键盘控制并存，键盘控制可用于改变相机的位置和角度。

底层由Gemini模型协同

在底层，Genie 4调用Google的多个其他模型来提升输出质量。它依赖Gemini Omni来确保其生成的视觉素材足够逼真，这是这家搜索巨头5月推出的视频生成器。Gemini 3.8 Flash是一款针对成本效率优化的推理模型，它让模拟的各帧画面彼此保持一致。

三人写道，Gemini持续观察场景，把目标拆解为一系列步骤，并检视传入的帧以跟踪进度、核实每一步是否成功。当世界发生变化或用户介入时，Gemini会即时调整计划。

机器人训练成为下一个方向

DeepMind目前正在研究如何把Genie 4应用于机器人场景。该项目把该算法与Gemini 4 Argon结合，后者是Google旗舰级的推理优化大语言模型。

该项目的目标是让工程师用高层次指令模拟机器人。例如，用户可以要求Argon生成机械臂把两个汽车零件焊接在一起的合成影像。Argon能把这一简短请求转化为数十条高度详细、多句的Genie 4提示，每条描述焊接流程的不同步骤。

增加提供给Genie 4的提示数量与精度可以提升渲染质量。质量的提升反过来让模型的机器人模拟在AI训练中更有用。开发者通过向AI模型提供如何完成预期任务的视觉范例，来训练它们控制机器人。

Google目前正与少量早期用户测试Genie 4，并计划通过面向消费者的Google AI Ultra订阅、Gemini API和Google AI Studio提供该模型。