DeepMind 发布 Genie 4：世界模型会说话了，官方没给分辨率、帧率与价格
DeepMind 发布 Genie 4：首个原生生成音频、支持角色实时对话的交互式世界模型，以研究预览形式先给可信测试者，分辨率、帧率、会话上限与 API 价格均未公布。
北京时间 10 月 28 日 0 点 13 分，Google DeepMind 在官网发出 Genie 4。1
发布即给出的形态是研究预览：先交给一小批可信测试者，再向消费者与开发者开放。1
语言模型输出文字，Genie 4 输出的是一个能走进去的世界。你用键盘鼠标移动和转镜头，用文字改天气、加人、挪动物体，画面与声音在你操作的同时逐帧生成。2
它的底座来自 Gemini 家族：Gemini Omni 负责把模拟锚定在真实世界的外观与行为上，其他 Gemini 模型提供维持连贯性所需的推理。1
先说结论
- 是什么：DeepMind 的交互式世界模型，按提示词实时生成可探索的三维场景。这一代首次原生生成音频，并支持角色实时对话。1
- 比上一代新在哪：实时改世界、物理与真人动作、原生音频与对话、由 Gemini 拆解多步事件，四处。1
- 这次给出的证据：官方演示录像，外加一段 Genie 3 与 Genie 4 的同题并排对照。3
- 现在谁能用：可信测试者；之后是 Google AI Ultra 订阅者在 Project Genie 里，以及 Gemini API 与 AI Studio 的早期访问伙伴。1
- 要多少钱：Genie 4 本身没有公布定价；消费端唯一的门是 Google AI Ultra，$99.99 或 $199.99 每月。4
- 三个 Gemini 各管一段：Omni 定外观与行为，Gemini 3.8 Flash 在实时循环里拆步查帧，Gemini 4 Argon 出多步计划。2
- 缺什么：分辨率、帧率、会话硬上限、参数量、任何评测分数、API 价格，一个都没有。2
快速核对
| 项目 | 内容 | 来源 |
|---|---|---|
| 发布时刻 | 官方博客标注 2026-10-27 16:13 UTC，即北京时间 10-28 00:13 | 官方博客 |
| 形态 | 研究预览，先给可信测试者；没有模型卡与技术报告 | 官方博客 |
| 交付物 | 博客一篇、模型页一张、十余段演示录像、一个等待名单 | 模型页 · 等待名单 |
| 证据类型 | 定性能力描述与官方录像，没有量化指标 | 官方博客 |
| 生成规格 | 分辨率与帧率均未公布；上一代 Genie 3 当年写的是 720p、24 fps | Genie 3 博客 |
| 会话时长 | 模型页写「几分钟连续交互」，博客写跑久了会漂移 | 模型页 |
| 音频 | DeepMind 首个原生生成音频的实时世界模型，含环境声与实时对话 | 官方博客 |
| 价格 | Genie 4 未定价；消费端入口 AI Ultra $99.99 与 $199.99 每月两档 | 订阅页 |
| API 状态 | Gemini API 的模型目录、价格页、变更日志均无 genie 条目 | 模型目录 · 变更日志 |
| 现在该做什么 | 想尽早试的进等待名单；要接 API 的等早期访问与定价 | 等待名单 |
官方放出的对照：同一个提示词，两代世界
演示里有一段同题并排：同一个提示词交给 Genie 3 与 Genie 4 各跑一遍，场景是后台化妆间，衣架、镜子、穿粉西装的演员都在。
左右两栏都带 WASD 与方向键的操作界面，是真实交互录像。3
差别几秒内就能看出来。左栏的衣架和礼服糊成一团，右栏能看清镜框厚度、壁灯的灯罩与地毯的纹理方向。3
同一段录像的后半段，右栏跟着操作走出化妆间进了片场，灯光架、另一个演员、镜前的灯泡都在；左栏还留在原来的房间里。3
这是整套发布材料里唯一带对照组的片段，也是这次唯一能把两代放在一起看的证据。1
四处升级
实时改世界。 模拟进行中可以用自然语言改天气、移镜头、引入一个新的人或物，Gemini 会把你的指令结合周围场景改写一遍；两次输入之间，它自己盯着场景往前走。1 对做预演的人，这意味着现场改「再来一条」不用重跑渲染。
物理与真人动作。 官方说这一代在空气动力学、碰撞这类物理上更准，人的动作与环境反应更自然，还能被实时操控。1 机器人训练场是它自己点名的用途之一。
原生音频与实时对话。 这是 DeepMind 第一个原生生成音频的实时世界模型：风过树林、海浪拍岸这些环境声跟着场景走，角色能对你的输入和世界里发生的事即时回应。1 配音与对白从此挪到了生成那一步。
多步事件由 Gemini 拆。 目标被拆成动作序列，一步步喂给 Genie 4 渲染，跑偏了当场改计划。1 三个不同的 Gemini 在这条链上各负责一段。
谁在幕后：三个 Gemini 各管一段
| 模型 | 在 Genie 4 里做什么 | 出处 |
|---|---|---|
| Gemini Omni | 把模拟锚定在真实世界的外观与行为上 | 官方博客 |
| Gemini 3.8 Flash | 实时循环里的引导代理：观察画面、把目标拆成步骤、回看每一帧核对进度与成败 | 官方博客 |
| Gemini 4 Argon | 出多步任务计划，把步骤当作文字说明穿插喂给正在渲染的 Genie 4 | 模型页 |
机器人那边是三个模型一起上：Gemini 4 Argon 把一句任务拆成若干步，步骤以文字说明的形式在渲染过程中穿插给 Genie 4，模拟于是能顺着任务往下改。1
官方演示的是 Apptronik 的 Apollo 人形机器人下跳棋。5
官方把这条路写成下一步：「混合世界模型」——Gemini 管结构与叙事时间线，Genie 管像素级的物理现实。1
有画面，没有指标
没有一个 benchmark 分数，没有参数量，没有延迟，没有分辨率，没有帧率。
上一代的写法不同。Genie 3 在 2025 年 8 月的博客一开头就写明：24 帧每秒实时导航，720p 分辨率，能维持几分钟一致性。6
这一代把分辨率和帧率从文案里拿掉了，只留下「几分钟」。2
官方发布的录像文件本身还能读出一点边角：并排对照、萨克斯、机器人这三段都是 1920×1080、24 fps，单段 25 到 36 秒。3 这是发布素材的编码规格，模型实际的生成分辨率与帧率，官方没有写。
模型页的免责声明交代了录像怎么拍的：全部是真实交互录像，用户用键盘鼠标导航与控镜，用文字提示词推动场景，结果仅供示意，序列经过剪辑。2
序列经过剪辑，连续会话能撑多久，只能等官方规格。
对要报预算的人，这一条最要紧：没有分辨率与帧率，就没法估单路推理要多少卡；没有价格，就没法算每小时的模拟成本。
现在谁能用，要多少钱
眼下的名单是可信测试者，覆盖创意、新闻、教育、游戏与工程几类行业。1
官方点名的几个用法：导演拿它当「草稿模式」现场试镜头，摄影记者把一张二维档案照片变成可走进去的环境，游戏团队在写引擎代码之前先试玩法。1
下一步是 Google AI Ultra 订阅者在 Project Genie 里用，以及 Gemini API 与 AI Studio 的早期访问伙伴。1
官方在博客开头就挂了一个等待名单。7
上一代可以作为参照：Genie 3 到今天也只活在 Project Genie 这个网页体验里，官方同样先小范围跑，再慢慢放开。8
价格只到订阅这一层。Google AI Ultra 分两档：$99.99 每月给 5 倍于 AI Pro 的用量，$199.99 每月给 20 倍。4
Project Genie 在 140 多个国家可用，且只在 AI Ultra 里。4
订阅页上今天写的是 Project Genie「用我们突破性的 Genie 3 世界模型」。4 等 Genie 4 落进 Project Genie，这句文案要改，现在还没改。
Ars Technica 当天报道说开放「没有具体时间表」，并把消费端写成 AI Ultra 起价每月 $100。8
官方订阅页给的是 $99.99 与 $199.99 两档，两处口径差一美分，以官方页为准。
官方自己列的六条局限
模型页把这些写在 Limitations 一节里，逐条读下来能划出它现在能干活的边界。2
| 局限 | 官方表述要点 |
|---|---|
| 环境连贯性 | 视觉细节与物体恒常性会随时间漂移，跑得越久、复杂改写越多、走动范围越大越明显 |
| 多主体交互 | 用户、多个独立主体与共享环境之间的准确交互仍是研究难题 |
| 真实地点 | 目前无法完全准确地模拟现实世界的地点 |
| 文字渲染 | 只有写进输入描述里的文字，往往才清晰可读 |
| 交互时长 | 支持几分钟连续交互，不支持长时间会话 |
| 音频精度 | 实时音频的准确性仍在研究与改进中 |
这六条里，「几分钟」「真实地点」「文字」三条最直接地限定用法：长片预演要自己切片，街景复刻要做二次校正，带界面文字的演示要绕开。2
安全这一侧只给了结论：发布前做过内部严格评估，先交给可信伙伴再外放，生成的视频与音频一律带 SynthID 水印。1
评估测了什么、阈值多少，博客与模型页都没有展开。
该不该跟
- 要做影视或游戏预演、想抢早期名额：现在进等待名单，顺手准备一个真实场景当测试题——一个房间、一段街道、一场雨。手边有 AI Ultra 的，入口在 Project Genie。47
- 要做机器人或具身智能仿真：这次最实的信号是 Argon 拆步、Genie 4 渲染、Flash 核对构成的闭环，官方已经用 Apollo 下棋演示过。1 会话只有几分钟，长任务得自己分片。
- 要接 API 做产品：模型目录、价格页、变更日志三处都没有条目，排期只能按「早期访问之后」来放。910
- 只是想知道行业走到哪：三件事记住就够——世界模型开始原生出声、开始由语言模型在回路里拆步、指标披露比上一代更少。16
- 要写选型或预算文档：Genie 4 这一栏今天只能填「研究预览，无规格、无价格」，横向对比无从下手；能引的对照只有 Genie 3 当年的 720p、24 fps。6
还没有的数字
References
- 1Genie 4: A new generation of world simulation
deepmind.google
- 2Genie 4 模型页
deepmind.google
- 3官方对照录像
storage.googleapis.com
- 4Google AI 订阅页
gemini.google
- 5官方机器人演示录像
storage.googleapis.com
- 6Genie 3 博客
deepmind.google
- 7Genie 4 等待名单
forms.gle
- 8Ars Technica 报道
arstechnica.com
- 9Gemini API 模型目录
ai.google.dev
- 10Gemini API 价格页
ai.google.dev
- 11Gemini API 变更日志
ai.google.dev
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.