边玩边改的世界:谷歌 Genie 4 向开发者开放,一分钟…

AI广播站11小时前更新 小悠
5 0 0

谷歌把“现场生成可玩世界”做成了 API。11 月 19 日,世界模型 Genie 4 正式向开发者开放,经 Gemini API 多轮交互接口及 AI Studio 调用;前一天消费端 Project Genie 已先向 AI Ultra 用户解锁。

一句文本、一张参考图或图文混合,就能生成 720p、24fps 的连续可交互世界,环境音与对白同步生成,输出均嵌 SynthID 隐形水印。键盘实时操控的画面响应约 0.2 至 0.5 秒,敲文字还能动态改天气、光照、物体乃至剧情事件,世界状态由 Gemini 推理维持连贯。定位是交互原型、空间可视化与机器人、智能体训练。短板也直白:仅 16:9 横屏,逐帧滚动生成、无持久化 3D 资产,会话一断无法重进;网络往返延迟超 150 毫秒就卡,暂只由美国数据中心服务。

边玩边改的世界:谷歌 Genie 4 向开发者开放,一分钟约 6 美元

计费按 Token 走:文本与图像输入 1.50 美元 / 百万 Token,文本输出 9 美元,含立体声的视频输出 17.50 美元,折算约 0.10 美元 / 秒、6.05 美元 / 分钟。

官方还提示两个坑:画面最连贯的是前 45 至 90 秒,单次会话上限 120 秒;直接关网页不停表,须显式调用 complete() 或 cancel() 止损。同期谷歌还上线了推理模型 Gemini 4 Neon 与 Robotics 插件。

11月19日,Google通过Gemini API与AI Studio向付费开发者开放最新世界模型Genie4(models/genie-4)。此前一日,该模型已借Project Genie面向Google AI Ultra订阅用户推出。此次开放标志DeepMind首个可供第三方直接调用的实时世界模型落地,摆脱消费者订阅或演示环境依赖。Genie4基于Gemini Omni视觉渲染与Gemini系列推理能力构建。

11月3日,百度在深圳AI Day·Apollo专场首次披露面向物理AI的世界模型Apollo World。百度智能驾驶首席架构师王亮表示,约百辆萝卜快跑无人车已搭载新一代端到端架构运营,累计全无人运营安全里程接近百万公里。新架构从驾驶数据直接学习驾驶策略,预测转向、油门、刹车等控制信号。为验证模型安全性,百度推出Apollo。

微软研究院联合哈佛大学、麻省理工学院博德研究所,推出实验性多模态AI研究系统Project Quine,首次将“生物学研究世界模型”真正落地。其定位为生物学研究世界模型,旨在连接计算生物学建模与实验室湿实验。内核是覆盖基因组学、蛋白质、化学、细胞状态和生物成像的联合表征世界模型,并配交互式组件。

9月7日,宇树科技宣布实现全球首次由世界模型实时驱动的全自主人形机器人格斗。其基于UnifoLM-X2-1.0,突破世界—动作大模型在瞬时规划、决策与动态交互执行上的技术瓶颈,使机器人在高动态、强交互场景下实时预测规划并自主执行搏击动作,验证了世界模型驱动机器人的可行性与应用潜力。

昆仑万维在WAIC上宣布2026为世界模型元年,发布Matrix-Game3.5等三款新品。该模型引入Patch级记忆注入,可调用画面片段记忆,推动交互实时化。

边玩边改的世界:谷歌 Genie 4 向开发者开放,一分钟…

关注 “悠AI” 更多干货技巧行业动态

© 版权声明

相关文章

没有相关内容!

暂无评论

您必须登录才能参与评论!
立即登录
none
暂无评论...