Google DeepMind 的 Genie 4 为早于 LLM 的智能体设计带来现代诠释

Google DeepMind 发布 Genie 4，这是其首款支持实时交互并原生生成声音的世界模型。用户可以通过键盘与文本提示实时操控场景，模型融合了 Gemini Omni 与 Gemini 3.8 Flash 保持连贯性。目前作为研究预览版仅供特定测试者使用，所有生成的多模态内容均带有 SynthID 水印，长时物体恒存性仍是瓶颈。

摘自 The Decoder

还没有足够的连续观测数据，暂不绘制趋势。