即時、改環境、語音指令、Gemini…全來了？？？
剛剛，Google DeepMind正式發佈新一代「世界模型」——Genie 4。
這也是，Google迄今為止最逼真且最具互動性的世界模型。
一句話即時修改場景、模擬真實物理效果，連人物動作、環境音效和互動對話都能同步生成全安排上了。
比如，直接在對話方塊裡輸入指令，畫面中的男子就能回頭做出反應，整個場景還能隨著指令即時變化：
更離譜的是，這個世界裡的人物，居然還能直接開口跟你聊天？？！
風聲、水聲等環境音效同步生成，人物也能根據場景變化和你的輸入即時接話，確實無縫接入啊：
更有看頭的是，Gemini也被拉來當「大腦」了——
咱看下面這個demo，虛擬實驗室裡，一台機械臂正夾著移液器，對準實驗孔板進行操作。
從任務步驟規劃，到模擬機械臂的精細動作，整個過程都在AI生成的環境中進行，旁邊還能看到推理步驟：
還有一些獲取早期存取權的網友也已經大roll特roll了。
有網友直接生成了一座地下洞穴，操控角色在錯綜複雜的地道里四處探索、尋找寶藏。
整個洞穴場景隨著玩家的移動即時生成，走那兒、看那兒，AI就接著往下建構，整成大型探險遊戲了！？
雖然，通用模型未必要看Google。
但世界模型，感覺還是得看Google啊。。。
Genie 4來了：整個世界都能即時生成，還能開口說話
如果用一個詞概括Genie 4這次的核心升級，那一定是——「即時」。
簡單來說，AI現在已經能根據你的操作，一邊生成虛擬世界，一邊模擬接下來會發生什麼。
而且這次，Google還把人物、物理效果、聲音，甚至複雜任務推理都給捲上去了～
我幫大家淺淺總結了一波核心能力，先來一睹為快：
即時世界生成與操控：一句話生成可探索的虛擬世界，隨時修改天氣、人物、物體和場景。
- 真實物理與人物模擬：支援碰撞、空氣動力學等物理效果，人物動作自然，還能根據環境即時反應。
- 原生音訊與互動對話：環境音效、音樂和人物對話同步生成，虛擬角色能夠即時交流。
- Gemini協同推理：Gemini負責規劃任務、觀察反饋、動態調整策略，還能在虛擬世界中模擬機器人執行任務。
當然了，光看能力介紹可能還不夠直觀。
咱直接把Genie 3和Genie 4拉出來遛遛，說實話，我是感覺差距還真挺明顯的。
下面這個對比Demo，左邊是Genie 3，右邊是Genie 4。
最直觀的感受，就是人物終於沒那麼「遊戲偽人」了，動作上也更符合物理規律。
在場景上，左邊還是個相對空曠的房間，右邊直接切進了佈滿燈光、裝置和工作人員的劇院後台。
從簡單室內到複雜多人場景，整個環境的資訊量一下子上來了，人物、空間和光影的呈現也更接近真實拍攝：
接下來，我們再看幾個更有意思的例子！
比如下面這個Demo，湖面上漂浮著一座小平台，一名男子正在上面演奏薩克斯。
使用者可以隨時用自然語言修改天氣、切換鏡頭，甚至往場景中加入新人物。
更有意思的是，Gemini還會根據當前環境調整後續變化，讓新加入的元素與原有場景儘可能保持連貫。
連薩克斯的演奏聲、風聲、水聲，也都能跟著場景即時生成，be like：
而在物理模擬上，Genie 4同樣有不少看頭。
人物從高處墜落，身體會隨著重力向下運動；西瓜受到撞擊後，則會瞬間破裂，果肉四散飛濺。
從人體運動、重力作用，到物體碰撞後的形變與破碎，Genie 4已經能夠模擬出相當逼真的物理反饋：
再來看「音訊生成」。
值得一提的是，Genie 4還是Google首個支援原生音訊生成的即時世界模型。
它能夠根據正在發生的場景，同步生成環境音效、音樂，甚至讓虛擬人物開口說話，根據使用者輸入和周圍事件即時接話。
比如直接化身騎士，以第一人稱視角騎著巨龍在群山間高速狂飆。
耳邊呼嘯的風聲、巨龍振翅聲，甚至遠處火山的轟鳴，都能跟著飛行過程即時生成，be like：
不過，看到這裡，其實還只是Genie 4在感官體驗上的升級。
值得一提的是，這次Genie 4還與Gemini深度結合，讓世界模型具備了更複雜的任務規劃和多步驟推理能力。
具體來說，Google把Gemini 3.8 Flash接入了Genie 4，讓它充當即時引導Agent——
Genie 4負責生成虛擬世界，Gemini負責理解目標、觀察環境，並決定下一步該做什麼。
隨著Genie 4即時生成畫面，Gemini還會持續觀察場景，檢查任務執行到了那一步、前面的操作有沒有成功～
咱看下面這個demo。
讓機器人在虛擬實驗室中完成精細操作，或在不斷變化的環境裡執行多步驟任務。
AI可以先在模擬環境中規劃行動、觀察結果、調整策略，再將經過驗證的方法用於現實世界，牛啊：
甚至呢，更高階的Gemini 4 Argon，也已經被咱老Google拉來參加實驗了。
官方展示了一個相當有意思的demo：讓「人形機器人下跳棋」。
這裡出場的是Apptronik的人形機器人Apollo。
實驗中，Gemini 4 Argon負責把下跳棋的任務拆解成多個步驟，再將指令交給Genie 4。
Genie 4則根據這些指令，即時模擬Apollo執行相應動作。
整個過程發生在AI生成的世界裡，無須讓真實機器人到場，真·自動化作業了：
Gemini 4 Flash也要來了！？
不過，Google這兩天的消息還沒完。
就在Genie 4發佈前後，Gemini 4 Flash竟然也有新動靜了。
有網友發現，Gemini 4 Flash疑似已經進入內部測試階段，連代號都被扒了出來——
Hydrogen，氫。
而且，Gemini 4 Flash甚至可能是用遠低於Gemini 4 Argon的成本，提供接近旗艦模型的性能。
我們要知道Gemini 4 Argon作為Google目前的旗艦模型，能力雖然很強，But——
推理成本和響應速度上，也讓不少高頻使用場景面臨取捨。。。
Flash系列主打的恰恰就是「速度」和「成本」。
甚至還有網友爆料稱，Gemini 4 Flash的生成速度可能接近每秒300 Token。
如果能把Argon等級的智能水平，塞進一個更快、更便宜的Flash模型裡，那確實有點看頭哈～
世界模型在手，Gemini 4 Flash我有。
雖遲又能怎麼樣，但到了不就得了。(量子位)