本项目 · 研究预览
Google DeepMind 发布 Genie 4 研究预览
Genie 4 结合 Gemini 的能力，支持实时导航、文本场景修改并同步生成原生音频。官方先向可信测试者推出研究预览；Ultra 用户在 Project Genie 中使用，以及 Gemini API / AI Studio 早期合作伙伴的接入，仍是后续计划。
这是独立于 Genie 3 的新一代研究预览，不替换前代记录；可观看官方录像不代表已经获得访问资格，也不据公告推定订阅用户或 API 已全面开放。
Google DeepMind / 独立收录记录
Genie 4
Google DeepMind 于 2026 年 10 月 27 日发布 Genie 4（北京时间 10 月 28 日凌晨）。用户可用文本和图像提示创建场景，并在生成过程中进行交互探索。
技术资料
能做什么，使用时要注意什么。
输入与结果
- 提供什么
- 键盘导航、相机控制与实时文本提示。
- 得到什么
- 同步生成世界画面与原生音频。
- 动作的作用
- 预测以动作为条件。
开放情况与使用边界
- 开放声明
- 有限开放
开放情况是所引材料中的声明；当前访问方式与服务状态请以官方页面为准。开放权重不等于开源。
材料说明的限制
长时运行、多次复杂文本编辑或场景导航后，视觉细节和物体持续性仍会漂移。
资料尚未确认
开源情况需要区分的对象已收录材料不足以判断，未确认不代表没有相应能力。
分类与用途
本站根据所引材料归纳的检索标签。标签可以重叠，不表示能力验证；未知不表示不支持。
- 模型类型
- 视频与传感模拟生成视频序列或未来传感器观测；具体控制方式另行说明。
- 控制方式
- 文本 / 事件指令以文本提示或事件指令作为生成条件；不自动代表逐步动作控制。
- 相机位姿 / 轨迹以相机位姿或轨迹控制观察视角。
- 导航动作以导航输入影响生成环境中的后续观察。
- 场景布局 / 编辑以场景布局为条件，或编辑、扩展和组合生成场景；不自动代表动力学预测。
- 应用领域
- 应用领域未知目前保留的材料尚不足以指定应用领域。
本条仅指 Genie 4 研究预览，独立于 Genie 3。技术输入栏摘要实时交互接口，起始场景还可使用图像提示，见官方模型页。原生音频是输出；尚未据此标为音频输入、开放权重或可导出三维资产。
人物资料
公司与研究负责人官网公开的机构负责人，不代表本页模型的完整研发名单。
Demis Hassabis共同创始人、CEO
相关动态
按事件时间展示已收录进展，非完整新闻列表。
来源与原文
按原始材料集中查阅；相同原句合并展示，对应资料与阅读日期一并保留。
Genie 4 · 项目原始材料
核对原文摘录 · 2 段，支持 5 项资料
原阅读方向 / 输入什么 / 动作是否影响预测
The following are recordings of real-time interactions from Genie 4, where users use standard keyboard controls for navigation and camera control, and text prompts to steer the scene as it evolves.一句话认识 / 输出什么
Genie 4 is natively multimodal, enabling audio-like music, ambient noises, and interactive dialogue to be simultaneously generated with the world.Genie 4 · 项目原始材料
核对原文摘录 · 1 段，支持 1 项资料
材料说明的限制
Visual details and object permanence can shift or drift over time. This becomes more noticeable as a simulation runs longer, after multiple complex prompt edits, or when navigating throughout a scene.Genie 4 · 项目原始材料
核对原文摘录 · 1 段，支持 1 项资料
来源中的开放声明
We have started rolling out Genie 4 to a limited group of trusted testers.Google DeepMind · About ↗
本站整理来源中的声明，不核查厂商声明真伪，不评价模型优劣。了解收录方式 →