AI 摘要
- Google 發表 Genie 4 世界模型。
- Genie 4 可生成可探索並互動的虛擬環境。
- Genie 4 仍受長期場景一致性限制。
Google 執行長 Sundar Pichai 於台灣時間 10 月 28 日凌晨在 X 發文宣布，Google DeepMind 發表 Genie 4 世界模型，並稱其為目前最逼真、互動性最強的世界模型之一。Genie 4 的核心特色包括即時操控動態環境、生成與世界同步的原生音訊、模擬照片級場景與真實物理，以及透過 Gemini 的推理能力維持多步事件的連貫性。
從生成影片轉向生成可探索的世界
與 Sora 等主要生成一段影片的模型不同，世界模型的目標是建立一個使用者可以進入、探索與互動的環境。使用者不必預先計算場景，也不需要自行撰寫互動元素，模型會根據文字與圖片提示，在探索過程中即時生成每一幀內容。
DeepMind 官方將 Genie 4 描述為具備高度互動性的世界模型，能夠透過提示生成可探索、塑形與互動的照片級世界。DeepMind 也表示，理解並模擬世界，是打造通用人工智慧（AGI）的關鍵一環。
Gemini 家族提供推理與場景連貫性
官方技術說明指出，Genie 4 具備原生多模態能力，能夠讓音樂、環境噪音、互動式對話與世界內容同步生成。模型建立在 Gemini 家族之上，其中 Gemini Omni 用於協助模擬貼近真實世界的外觀與行為，其他 Gemini 模型則提供維持場景連貫性所需的複雜推理能力。
Genie 4 的一項重要設計，是讓 Gemini 3.8 Flash 擔任即時生成過程中的引導 Agent。Genie 4 生成世界時，Gemini 會持續觀察場景、將目標拆解為一連串步驟，並逐幀檢查各步驟是否完成。當世界狀態改變或使用者介入時，系統也會即時改寫計畫。
Google 表示，這套導演機制可支援更可靠的因果關係、程序化行為與多步推理。
Genie 4 的四項主要能力
即時塑形世界
使用者可以透過自然語言改變天氣、移動鏡頭，或隨時加入人物與物件。Gemini 會根據提示詞的語境，將變化融入周遭場景；即使使用者暫時沒有下達指令，系統也會持續監控並推進世界狀態。
物理互動與人物反應
示範內容涵蓋空氣力學、碰撞等物理情境。DeepMind 將人物表現視為重要進展，指出角色動作更自然，能對環境產生有機反應，也能接受即時引導。
原生音訊
Genie 4 是 DeepMind 世界模型首次內建聲音生成能力的版本。背景環境聲與提示詞指定的音效都由模型直接生成，示範中包括薩克斯風、風聲與火山隆隆聲，並非後期加入的配樂。
多步事件與模擬訓練
官方示範包括 UR5 機械手臂以滴管向培養盤滴液並觸發微電火花，以及第一人稱魔法師在瓷器動物陳列室揮動魔杖等複雜序列。另一段示範則以 16mm 紀錄片質感呈現湖上薩克斯風手，提示中也指定膠片顆粒與低對比效果。
DeepMind 將世界模型定位為一種模擬工具，讓 AI 系統在進入真實世界前，先於模擬環境測試如何應對不同情境，應用方向包括機器人與 Agent 訓練。
官方坦承仍存在長期一致性限制
Genie 4 能在短時間內維持連貫環境，但視覺細節與物件恆存性會隨時間出現漂移。模擬時間越長、複雜提示修改越多，或場景中的物件移動越頻繁，漂移情況就可能越明顯。
目前仍在研究中的問題包括複雜物理互動、即時音訊準確度、可讀文字的渲染、空間精度，以及長期場景一致性。因此，Genie 4 現階段仍不能視為可直接取代傳統遊戲引擎或完整模擬系統的方案。
安全機制與開放方式
安全方面，Genie 4 採用與其他 Google 模型一致的安全護欄，並在上線前接受內部安全評估，以降低生成有害內容的風險。所有生成的影片與音訊都會加入 SynthID 隱形數位浮水印。
目前 Genie 4 以研究預覽版形式提供給受信任測試者。後續開放順序包括 Google AI Ultra 訂閱者在 Project Genie 中使用，開發者與早期合作夥伴則可透過 Gemini API 與 Google AI Studio 取得早期存取。Google AI Ultra 月費自 100 美元起，約為新台幣 3,250 元；API 定價目前尚未公布，Project Genie 也已開放 Genie 4 候補名單。
世界模型競賽進入下一階段
Google 於 2025 年 8 月發表 Genie 3，展示互動式世界生成能力；Genie 4 則進一步加入原生音訊、人物動作與 Gemini 推理導演。兩者與一般影音生成模型的差異，在於世界模型的輸出不是單一影片，而是一個能讓使用者進入並持續互動的環境。
這也代表兩類模型的評估重點不同：影音生成模型主要重視畫面品質，而世界模型更重視場景連貫性、因果關係與互動反應。DeepMind 目前提出的應用方向包括機器人與 Agent 的訓練環境，以及創作者使用的互動娛樂內容。
對遊戲產業而言，Genie 4 展示了以模型生成物理與人物反應的可能性，但物件恆存與長期一致性等限制，顯示其距離取代成熟遊戲引擎仍有一段距離。對開發者而言，Gemini API 的早期存取與合作夥伴計畫，則提供了測試這項技術能否從展示內容走向實際產品的入口。
Reference Link : kocpc.com.tw
