即時可互動的世界模型
2026 年 10 月 27 日，Google DeepMind 宣布 Genie 4：新一代世界模擬模型，強調更高擬真與即時互動模擬。官方寫它是原生多模態：可與畫面同步產生類似音樂、環境音與互動對話。
使用者可用鍵盤導覽與鏡頭控制，並用文字提示即時改場景（例如天氣、鏡頭、加人／物）；在輸入之間，Gemini 會監控並引導場景，讓世界較連貫地往前走。
四項能力與 Gemini 協作
官方整理四個重點方向：
- 即時塑造世界：自然語言改場景，Gemini 依上下文適配提示
- 物理與人物動作擬真：碰撞、空氣動力等；人物可自然移動並被即時引導
- 原生音訊：環境聲與可隨輸入／事件改變的互動對話
- 複雜事件模擬：與 Gemini 模型串接，做多步驟事件與行為
文中寫 Gemini Omni 協助錨定真實世界外觀與行為；其他 Gemini 模型提供複雜推理以維持連貫。即時迴路裡，Gemini 3.8 Flash 可當引導代理：觀察畫面、拆解目標、檢查每一步是否成功。另有與 Gemini 4 Argon、機器人研究（如 Apptronik Apollo 下棋示例）的實驗描述。
研究預覽怎麼開放
DeepMind 寫：Genie 4 已開始以研究預覽釋出給信任測試者蒐集回饋；之後才會給一般消費者與開發者，先從 Google AI Ultra 訂閱者的 Project Genie，以及 Gemini API／Google AI Studio 的早期存取夥伴開始。官網提供 Project Genie 候補名單連結。
安全面：與其他模型一致的防護；預覽前有內部安全評估；產出的影音會帶 SynthID 浮水印。測試者涵蓋創意、新聞、教育、遊戲與工程等族群（官方描述）。
官方自己列的限制
DeepMind 明說 Genie 4 仍是早期、演進中的研究。可在短時程維持連貫環境，但視覺細節與物體恆存仍可能隨時間偏移或漂移，尤其模擬跑得較久、多次複雜提示編輯，或在場景中大幅導覽時。複雜物理互動、即時音訊準確度、可讀文字渲染、空間準確度與長期一致性，皆標為持續研究中。
本文建議：把它當成「可即時走進場景」的研究預覽，而不是成品引擎；引用能力與開放時程時，以 Genie 4 部落格 與 Genie 模型頁 為準。
