刚刚，谷歌发布世界模型Genie 4！会说话、懂物理，Gemini亲自当导演
速读：刚刚，谷歌发布世界模型Genie4！
今天，谷歌 DeepMind 正式发布新一代 世界模型 Genie 4。
这段视频里的每一帧，都是边玩边实时生成的。
谷歌的世界模型，刚刚学会开口说话了。
湖中间的平台上，一个身穿棕色西装的男人在吹萨克斯。
输入「一条鲸鱼尾巴浮出水面」，发送。几秒后，鲸鱼尾巴真的从湖里出现，溅起一片水花。再输入「开始下雪」，雪越下越密，在他的头发和肩膀上积了白白一层，萨克斯声一直没停。
这段视频里的每一帧，都是边玩边实时生成的。
今天，谷歌 DeepMind 正式发布新一代 世界模型 Genie 4 。画面、角色、环境音， Genie 4 一口气全包，你按住 W 键朝前走，它就跟着往前实时生成。
世界模型是什么？谷歌 DeepMind 研究副总裁 Raia Hadsell 这样解释。「Gemini 这类语言模型，处理的是知识和语言；世界模型面对的是一个具体的环境，它得记住这个世界此刻的样子，还得计算出物体碰撞在一起、你迈出一步以后，世界会怎么变化。」
去年 8 月，谷歌发布上一代世界模型 Genie 3 ，第一次做到了逼真、3D、实时。今年 1 月，试玩网站 Project Genie 上线，只开放给 AI Ultra 会员，单次体验最长 60 秒，基本只能走走跳跳。这一代 Genie 4 画面更逼真，角色会动也会接话，打字就能一键修改剧情，后台还有 Gemini 当导演。
网友调侃，「GTA 6 还没来，GTA 7 先到了。」
01 ｜ 边玩边改
Genie 4 最直观的变化，是能边玩边改。
你随时可以打字，换种天气、加个角色、移动镜头。Gemini 会先把你的话改写得和周围的画面对应得上，再交给 Genie 4 去生成。你不打字的时候，Gemini 也在盯着场景，推动着故事向前发展。
输入「一颗流星划过天空」，流星就划了过去；再输入「它按下一个琴键」，它低头去啄雪地上的电子琴。