DeepMind 发布 Genie 4 世界模型，主打真实感与实时交互仿真，并且原生多模态——音乐、环境声与交互对话可以和画面同时生成。它建立在 Gemini 家族之上：Gemini Omni 负责把仿真锚定在真实世界的外观与行为上，其他 Gemini 模型提供维持连贯性所需的推理。使用方式是用自然语言实时改动仿真（换天气、移镜头、加入新的人或物体），Gemini 会结合周边场景改写提示；在两次输入之间它也会自己监控并推动场景演进。DeepMind 把世界模型定位成走向 AGI 的关键能力，应用方向包括给机器人与智能体造训练环境。目前是面向受信测试者的研究预览，先从 Google AI Ultra 的 Project Genie 与 API、AI Studio 早期合作方开始。
🔑 核心要点
原生多模态：音频、环境声与对话跟画面同一时刻生成，示例里的声音全部由模型直接产出。
两层结构：Gemini Omni 锚定真实感，其他 Gemini 模型负责长期连贯性与连续性推理。
交互是实时语言编辑场景，模型在两次输入之间自行推进世界演化。
落地路径：研究预览 → 受信测试者 → AI Ultra 的 Project Genie 与 API/AI Studio 早期合作方。
💡 金句
With this foundation, you can set an event in motion, and Genie 4 simulates what happens next: how the world responds, how it sounds, and how the people in it move, react, and speak.