Google向AI Ultra訂戶開放「Genie 4」世界模型:升級Project Genie創作代理與社群混音作品庫
除了針對企業軟體工程與知識工作端出Gemini 4 Neon之外,Google也將互動式「世界模型」 (World Models)從早期技術展示推向消費端與創作者實戰。
由Google DeepMind產品管理群總監Diego Rivas與Google Labs產品管理群總監Pavan Kumar共同宣布,今年初以實驗研究原型亮相的網頁端互動世界平台Project Genie迎來重大改版,即日起正式向符合資格的Google AI Ultra訂閱用戶開放最新一代Genie 4世界模型,同時大幅升級既有Genie 3的探索時長與全景圖錨定能力,並且導入對話式創作助手「Project Genie Agent」及支援二創改編 (Remix)的社群作品庫。
這波更新不僅讓使用者在瀏覽器中用鍵盤滑鼠探索AI虛擬世界時,能隨時輸入自然語言「邊玩邊改」天氣、召喚角色或觸發事件,更首度實現與畫面同步演進的即時原生音訊與角色互動對話,讓AI生成的虛擬空間正式從「無聲動態畫布」跨入具備聽覺與因果互動的沉浸沙盒。
首度整合即時原生音效與人物對話!Genie 4攜手升級版Genie 3採「雙模型分工」
根據Google DeepMind同步釋出的技術資訊與模型卡規格,上個月底 (10/27)公開預覽的Genie 4是以多模態模型Gemini Omni Flash為基礎架構,並且結合Gemini推理模型在幕後進行即時場景監督與連貫性引導,最高可即時輸出720p解析度、每秒24影格 (24fps)的互動視訊串流與同步音訊。
值得注意的是,Google在此次改版的Project Genie模型選單中,刻意採取「Genie 4與升級版Genie 3並存」的雙軌策略,讓創作者依需求在「極致擬真有聲互動」與「長時程全景漫遊」之間自由切換:
Genie 4 (主打最高擬真物理、中途改寫與原生語音)
探索中途即時下指令 (Mid-session Prompting):使用者無須中斷或重新生成世界,在透過鍵盤與滑鼠移動視角的同時,直接輸入新指令即可即時改變場景天氣、空投新角色進場,或是轉變事件走向。
首款支援即時原生音訊的Genie模型:系統會隨畫面推進同步生成環境音景 (如林間風聲、海浪拍打與腳步聲)及背景配樂;最關鍵的突破則是人物動態與即時互動對話,場景中的角色不僅動作自然,更能針對使用者的操作或突發事件即時開口對話與反應。
升級版Genie 3 (主打最長3分鐘探索、世界串聯與360度全景錨定)
單次時長翻3倍與「世界串聯」 (World Chaining):單次生成探索時間由原本的60秒大幅延長至3分鐘,並且支援將多個不同主題的虛擬世界無縫串接成一趟連續旅程 (例如一路從森林飛越水底遺跡再穿出冰封海面)。
360度全景影像錨定 (Panorama Grounding):支援以360度全景照片作為世界種子,確保使用者環顧四周時 (例如探索約旦佩特拉古城峽谷與立面),地標建築能維持高度空間一致性。
即時動態事件觸發:同樣補齊探索過程中以自然語言即時改變環境的能力,例如在飛行途中隨時下令召喚一隻巨龍作為坐騎。
| 比較項目 | Genie 4(最新旗艦世界模型) | 升級版 Genie 3(長時程與全景主力) |
| 核心技術優勢 | 最高等級照片級擬真度、流暢人物物理反應、即時原生音效與角色對話 | 單次最長 3 分鐘探索(原 60 秒)、跨場景連續串聯、360度全景圖空間錨定 |
| 底層架構與輸出 | 基於 Gemini Omni Flash+Gemini 即時推理監督;即時 720p @ 24fps 視訊+同步音訊 | 輕量化即時互動世界生成架構;側重長時程游標控制與全景幾何穩定度 |
| 探索中途動態修改 | 支援(即時變換天氣、新增互動人物、改寫劇情走向) | 支援(即時觸發環境變化、召喚物件或改變移動方式) |
| 最適合應用場景 | 電影分鏡預演(Pre-viz)、含對話之角色互動測試、高擬真微觀/室內探索 | 大範圍地景漫遊、真實古蹟/旅遊全景延伸、跨場景連續飛行體驗 |
| 目前開放權限 | Google AI Ultra 訂戶直接可用(暫不扣抵 AI 點數,受每日上限與排隊調度規範);Google AI Pro 開放候補名單登記;未訂閱者僅可瀏覽作品庫預覽 | 同左(於 Project Genie 模型選單內自由切換) |
導入「Project Genie Agent」對話建世與Gemini即時伴遊,打造可Remix的社群作品庫
過去一般使用者面對世界模型時,往往卡在「不知道怎麼寫出精準的長篇提示詞來設定鏡頭與光影」。為降低創作門檻,新版Project Genie直接整合專屬創作代理與社群分享機制:
像聊天一樣造世界的「Project Genie Agent」:使用者只需用日常語言描述腦中的世界概念,Project Genie Agent便會自動協調Google旗下的多模態模型組合,先生成奠定視覺風格的初始畫面,並且自動譜寫契合氛圍的專屬背景配樂 (例如一句話生成太空漫步場景,再下令讓外星飛船現身)。
Gemini即時駐場觀察與裁判機制:進入世界開始探索後,使用者可隨時將Gemini模型帶入工作階段中。Gemini會即時「觀看」螢幕上正在發生的畫面,主動跳出貼合當前情境的「下一步探索建議標籤」 (Suggestion Chips)、隨旅程推進自動觸發世界事件,甚至能在互動遊戲中擔任即時裁判。
全新社群作品庫 (Gallery)與一鍵二創混音 (Remix):針對想直接體驗或尋找靈感的用戶,全新上線的作品庫集結官方策展與社群創作。
官方展示案例包含將個人生活照轉化為可走入探索空間的《Living Memory》、以360度全景圖重現史前恐龍棲地的《Dino Field Guide》,以及在書桌上讓主題物件對決,並且由Gemini擔任即時裁判的《Rock Paper Scissors》;同時也攜手早期測試創作者,包括與創意技術專家Will(BLVCKL!GHT)合作打造的哥德式莊園密室解謎《Villa Giallo》,以及與電影導演Anand Gandhi合作、從螞蟻微觀視角穿梭逼真蟻穴的《The Life of Ants》。
所有作品都支援搭配Project Genie Agent進行 Remix改編——直接修改底層世界結構、配樂或互動規則 (例如把山坡咖啡館改建成沙漠玻璃亭),再發布回作品庫供他人遊玩。
在安全防護與技術邊界方面,Project Genie生成的所有視訊與音訊皆強制嵌入SynthID數位浮水印,並且經過安全過濾。Google團隊也相當坦誠地在部落格與模型卡中點出當前前沿研究的待解限制:包含鏡頭操作延遲、複雜精細的物理碰撞互動、即時音訊精準度、畫面內文字清晰度,以及最關鍵的「長時間場景與物件恆存性」 (Scene/Object Permanence)——當探索時間拉長或經歷多次複雜指令修改後,場景細節仍可能出現漂移或變化。
目前該更新已經率先向年滿18歲且符合資格的Google AI Ultra訂戶開放,Google AI Pro會員則可於同頁面登記加入候補名單。
世界模型走向「即時神經串流」與「3D幾何資產」兩大路線分流
將Genie 4正式進駐Project Genie的消息,放進2026年11月全球AI巨頭在「空間智慧與世界模型」領域的激烈卡位戰中觀察,背後有三個相當值得留意的產業訊號:
「逐幀神經模擬」對決「3D資產生成」,世界模型兩大技術陣營壁壘分明
就在幾天前,AMD才剛以82億美元完成收購由史丹佛學者李飛飛創立的空間智慧新創World Labs (旗下擁有Marble與新一代Atlas模型)。若將World Labs與Google DeepMind的Genie 4放在一起對比,正好代表當今世界模型的兩條截然不同路線。
World Labs走的是「一次生成、永久持有的3D幾何資產路線」,輸出的是不會隨時間變形漂移的3D Gaussian Splats與碰撞網格,可直接匯入Unreal或Unity引擎當作穩定布景,但本身不負責模擬動態因果;反觀Google的Genie 4則是「結合Gemini推理監督的逐幀神經即時模擬路線」——每一秒鐘的24格畫面與對話音效都是根據玩家當下按鍵與文字指令即時推算出來的。這種架構雖然目前仍有「轉個身回來桌上的杯子可能長得不一樣」的長期恆存性短板,卻能賦予世界極高的動態生命力與人物反應,這也是為何Google必須靠Gemini在背景充當「即時場記與導演」,防止單純的擴散或Transformer視覺模型在連續互動中失控崩壞。
鎖定高單價「Google AI Ultra」會員,反映即時影音世界驚人的算力成本
許多一般用戶看到Project Genie首波僅限月費高達99.99美元至199.99美元等級的Google AI Ultra訂戶直接遊玩 (連月費19.99美元的Google AI Pro都還得排候補名單),難免會覺得門檻偏高。
但若從底層算力帳單來看,這其實是極為現實的商業控管:傳統AI影片生成 (如Veo或Sora)是離線算好幾十秒鐘再播給你看;而Genie 4必須在毫秒級延遲內接收使用者的鍵盤方向鍵輸入,即時串流渲染720p/24fps畫面、同步合成環境音與人物語音,旁邊還掛著一顆Gemini模型持續監看畫面推理因果,單一在線玩家每分鐘消耗的TPU推論算力遠非一般文字對話可比。
Google選擇在研究預覽階段「不額外扣抵用戶的AI點數、改以Ultra高階訂閱門檻搭配每日額度與排隊機制控管流量」,既避免重度玩家一晚燒光點數引發客訴,同時也成功替頂級Ultra訂閱方案築起一道對手難以複製的VIP獨佔優勢。
現階段並非取代遊戲引擎,而是重塑「影視分鏡預演」與「AI互動UGC社群」
每當Genie系列更新,市場上總會出現「傳統遊戲引擎末日」的誇張解讀;但從Google自己條列的「長期場景恆存性」與「複雜物理互動」限制來看,Genie 4距離直接生成一款規則嚴謹、數十小時不崩壞的商業3A遊戲仍有相當長的路要走。
相反地,它真正具備即戰力的商業落點在於兩個方向:其一是 影視與遊戲前期的動態預演 (Pre-visualization),如同導演Anand Gandhi打造的《The Life of Ants》,過去導演想測試一段特殊視角、光影氛圍與角色走位對白,往往得耗費數週搭建3D模型,現在只要跟Project Genie Agent對話幾句就能親自走進場景「試拍好幾個Take」;其二則是透過Gallery與Remix機制試水溫的「AI原生互動社群」,讓不會寫任何一行程式碼的一般人也能改編別人的世界規則與配樂,朝著互動版YouTube或零門檻Roblox的雛形邁進。
而放眼更長遠的目標,這些在人類玩家天馬行空指令下不斷演練物理因果與空間導航的世界模型,最終都將化為Google訓練通用機器人與具身智慧 (Embodied AI)代理最龐大的虛擬駕訓班。
《原文刊登於合作媒體mashdigi,聯合新聞網獲授權轉載。》
訂閱《科技玩家》YouTube頻道!
💡 追新聞》》在Google News按下追蹤,科技玩家好文不漏接!
📢 太羨慕!《GTA 6》今開玩怕學生蹺課 這間學校「到校抽3千元禮品卡」
📢 修iPhone疑被偷看手機相簿「1分鐘」!網教蘋果內建「神級功能」抓包偷窺
📢 Suica企鵝退休!「紫色兔子」確定接棒 2027年4月1日正式交接
📢 Warpple LA9 Pro投影機開箱!Google TV放送百吋螢幕 躺看天花板超爽
📢 Facebook小帳要消失了!12月14日後永久刪除 快做2件事
📢 蘋果2027年超狂將推18款新品!手錶「重新改造」、20周年手機登場