Genie 4在周二由谷歌DeepMind发布，这一工具让使用者能凭借文字提示来构建可探索的虚拟空间，并通过键盘在该空间内自如地移动。
场景演变的实时过程中，用户还可继续下发指令来即时改变天气、增加人物等内容。据谷歌透露，这些仿真环境的最长运行周期为两分钟，较上一代Genie 3翻了一番。
这是该系列中首个可以同时输出音频与视频的版本，既包括周边声效和配乐，也能生成能针对用户行为做出回应的语音。
目前谷歌处于研究预览阶段，正将Genie 4提供给少量获得授权的测试用户进行体验。
在接下来的若干周时间里，谷歌打算将该产品扩展到Google AI Ultra付费服务的高级订阅用户，同时也会向采用Google AI Studio及Gemini API工具的一些开发者提供使用权限。
这类被称为世界模型的人工智能产品，能够实时输出具备互动性的虚拟环境，性能远比单纯视频生成来得强大。
在今年1月推出基于Genie 3的试验产品Project Genie时，谷歌就已震撼了整个华尔街。彼时游戏类股票遭受重挫，投资者纷纷重新审视：AI技术会不会彻底革新游戏开发的流程？
在AI前沿赛道上，谷歌虽然面对OpenAI和Anthropic等强劲竞争者，但其新发布的Gemini 4 Argon却被看作有望缩小与竞争方之间的距离。
长期以来，谷歌在世界模型和多模态能力方面（多模态能力是指AI能够处理文本之外的图像、音频、视频等多种信息形式）展现出了突出的技术实力。
为了保证虚拟世界的逻辑连贯，新模型借助Gemini的力量。根据谷歌发文说明，在Genie 4生成场景期间，Gemini持续监看实时传入的视觉画面，推断用户诉求并瓦解成若干步骤，随后核验各步进展是否落地。
谷歌透露，虽然曾对Argon进行过测试，但实际的动态体验则由轻量级的主力模型Gemini 3.8 Flash来承载，这是谷歌用于处理日常事务的核心模型。
谷歌表示，获得试用权限的测试者（含游戏开发商和影视创作者）目前正利用Genie 4来将创意想法转换成可交互的原型产品和场景勾勒。
谷歌同步进行的研究包括是否能将其应用于机器人教学，只是这些新用途最终能否获得大范围应用还是未知数。
对于这项技术可能给游戏业带来的改变，DeepMind产品经理Diego Rivas在发布会场表示，公司正同合作方携手研究如何将其纳入工作体系，以及认清相关的技术局限。
在随后的发言中，Rivas补充表示：”我们希望推动当前可能性的边界。”与此同时，谷歌强调这一模型尚处于测试阶段，随着仿真环境运行时长的增加，视觉细节和对象呈现或会出现变化。
根据DeepMind研究工程师Hang Qi的阐述，即使模型的运行时长达到两分钟这一峰值，也难以确保场景自始至终都能维持完整的逻辑自洽。复杂物理相互作用的处理、易读性强的文字输出，以及维持长期一致性等方面，都还有改进的余地。
DeepMind研究总监Tejas Kulkarni指出，实现虚拟环境的完全一致性——即使只需维持两分钟，也要求模型对真实世界的物理运动法则具备真正的掌握。
“两分钟内能实现的可能性终归存在限制。”Rivas指出，”目前我们还在研究和试验的初期阶段，尚未真正开启产品化开发的新阶段。”
谷歌指出，所有由Genie 4输出的音视频内容都将被注入SynthID——这是谷歌所开发的隐形识别水印技术，旨在识别AI生成的各类内容。
