Google DeepMind 发布 Genie 4 模型，用于模拟人工智能交互环境

Google DeepMind 公司于周二宣布推出Genie 4模型，这是一种旨在创建实时交互环境的世界模型（World Model），并集成了物理模拟、人体运动和原生音频。这项创新旨在为人工智能代理提供一个动态测试空间，以便在应用于现实世界之前执行多步骤任务。

Genie 4 如何工作？

该模型依赖于Gemini系列中多个模型的集成，以确保模拟的连续性；其中 Gemini Omni 负责构建环境，而 Gemini 3.8 Flash 则负责跟踪事件、规划后续步骤并根据变量调整环境。该系统允许用户通过键盘与创建的世界进行交互，或者通过更改摄像机角度或使用文本命令来修改场景，而无需重新启动模拟。

为什么这条新闻很重要？

Genie 4 代表了向“混合世界模型”迈进的一步，它结合了 Gemini 在编写代码和文本方面的能力以及 Genie 将其转化为视觉场景的能力。对于开发人员而言，该模型提供了一种按需创建测试环境的手段，这可能会加速机器人和智能代理的发展，正如 Google 在国际象棋等游戏中使用 Apptronik 公司的Apollo机器人进行的实验一样。

准确性挑战与技术限制

尽管演示效果令人惊叹，但仍存在根本性的限制；模拟在物理方面存在不一致性，有时会导致物体发生意外移动或在长时间会话中丢失位置。这使得在涉及高风险测试时，很难将 Genie 4 作为传统物理引擎的替代品，特别是在需要精确空间记忆的任务中。

此外，Google 尚未发布性能基准测试（Benchmarks）来证明在重复相同命令时结果的一致性，这使得开发人员在自动化测试中对模型的可靠性持观望态度。

可用性与访问权限

目前，Genie 4 的访问权限仅限于一组受信任的测试人员，并计划通过 Genie 项目扩展到 Google AI Ultra 订阅者，以及通过 Gemini API 和 Google AI Studio 向选定的合作伙伴开放。该公司尚未公布定价细节、性能保证或正式发布日期。