外观
新闻/The Verge·今天
Google发布Genie 4世界模型：支持2分钟交互与音频生成，赋能机器人仿真
Google推出Genie 4世界模型研究预览版，生成交互时长由1分钟延至2分钟，集成Gemini 3.8 Flash辅助模拟并新增音频生成与自然语言实时编辑功能，官方明确将其定位为机器人训练场景构建工具。
AI 整理
- 仿真与训练
- 数据与采集
本文由 AI 根据公开内容整理，可能有误，请以原文为准：Google’s next Genie AI model generates more realistic experiences（The Verge：AI（RSS）（via AIHOT））
核心内容
Google正式发布Genie 4世界模型研究预览版，面向可信测试者开放。该模型核心升级包括提升画面真实度、支持自然语言实时修改体验、新增音频生成能力，并底层集成Gemini 3.8 Flash辅助物理模拟。单次生成交互体验时长从Genie 3的1分钟提升至约2分钟，官方明确将机器人训练场景构建列为关键应用方向，同时提示长时模拟中物体恒常性可能发生漂移。
技术架构上，Genie 4采用Gemini 3.8 Flash作为仿真加速引擎，通过多模态联合建模实现视觉与音频同步生成，支持用户以自然语言Prompt在推理阶段实时调整环境参数与交互逻辑。尽管生成时长翻倍，但模型在超过特定时序阈值后仍存在细节丢失风险，这为具身智能Sim-to-Real迁移中的长期时序一致性验证提出了新的工程挑战，目前仅向AI Ultra订阅候补用户开放测试。
关键看点
- 生成时长：单段交互体验生成上限从Genie 3的1分钟扩展至约2分钟，支撑更长序列的机器人策略验证
- 仿真加速：底层集成Gemini 3.8 Flash模型辅助物理模拟计算，提升动态环境生成的实时性与逻辑连贯性
- 多模态交互：新增原生音频生成与自然语言实时编辑能力，支持运行时动态调整仿真场景参数与反馈
- 长时序局限：官方确认随模拟时间延长，场景细节与物体恒常性会出现漂移，影响长期任务训练可靠性
工程与产业观察
Genie 4将世界模型交互时长提升至2分钟级并引入多模态实时编辑，为具身智能提供了更丰富的合成数据源。但其自述的长时序物体恒常性漂移问题，揭示了当前生成式仿真在长程任务Sim-to-Real迁移中的核心瓶颈，算法工程师需重点评估其在闭环策略训练中的时序一致性边界。
线索来源：AIHOT
来源
本页事实对应的公开页面，以原文为准。