Google DeepMind 于 2026 年 10 月 27 日发布新一代世界模型 Genie 4，称其在实时交互模拟的真实感上达到新水平。与上一代相比，Genie 4 的核心变化是原生多模态：模型可在生成世界画面的同时，直接产出类似音乐的音频、环境音效以及交互式对话，而不再依赖外挂音频模块。

Genie 4 的能力建立在 Gemini 家族之上。按官方说明，Gemini Omni 负责把模拟锚定在真实世界的外观与行为上，其他 Gemini 模型则提供复杂推理，帮助维持模拟的连贯性与连续性。用户设定一个事件后，Genie 4 会推演接下来发生什么——世界如何响应、听起来如何、其中的人物如何移动、反应和说话。

在交互层面，Genie 4 支持用自然语言实时修改模拟，例如改变天气、移动镜头、引入新的人物或物体，Gemini 会结合周围场景对提示做上下文适配；在用户输入之间，Gemini 也会持续监测并引导场景，使世界连贯推进。官方称其提升了照片级真实感、运动流畅度，并具备原生音频。

发布节奏上，Genie 4 目前以研究预览形式向可信测试者开放，用于收集反馈；之后将先面向 Google AI Ultra 订阅用户在 Project Genie 中推出，并逐步开放给 Gemini API 与 Google AI Studio 的早期访问合作伙伴。官方已开放 Project Genie 的等待名单。

DeepMind 将理解与模拟世界视为构建 AGI 的关键一环。Genie 4 的定位是安全、可无限变化的模拟环境，潜在用途包括为机器人和智能体开发训练环境，以及创造新的交互体验。对关注 AI 产业的读者而言，这条消息的意义在于世界模型正从研究演示走向可被开发者调用的基础设施：若实时模拟能稳定生成带音频、可交互且物理可信的场景，机器人训练数据的获取成本与内容生产的门槛都可能被重新定义。不过，目前仍处研究预览阶段，实际可用性、算力开销与商业化路径尚待观察。