DeepMind 刚发了最新的世界模型 Genie 4，这玩意最狠的地方其实藏在后台。 表面上看，它是让你用自然语言实时操控一个虚拟世界。 你可以随时改天气… · @tvytlx · TwKit

@tvytlx

DeepMind 刚发了最新的世界模型 Genie 4，这玩意最狠的地方其实藏在后台。 表面上看，它是让你用自然语言实时操控一个虚拟世界。 你可以随时改天气、挪镜头、往场景里塞新东西，甚至连环境音和里面人物的实时对话，都会顺着你的操作现场应变。 但我觉得真正值得琢磨的，是它跑通这件事的底层机制。 DeepMind 直接把 Gemini 塞进后台，当成这个虚拟世界的“大脑”。 你在外面提个要求，Gemini 在里面实时干四件事： 把你的话翻译成具体动作； 规划复杂的事件走向； 自己盯着画面看，随时记住场景里发生了什么； 等你改故事的时候，顺着新情况实时调整。 做过软件或者游戏的人看到这个闭环，应该会很有感触。 以前做一个互动世界，所有的剧情分支、状态切换、人物反应，全得靠人提前写死在规则里。 用户只要不按套路出牌，系统就接不住了。 现在这套架构把分工拆得特别明白： 让懂常识的大模型在后台盯着画面当实时导演，专门管状态记忆和事件编排；让世界模型在前台负责把画面、环境音和人物对话实时生成出来。 所有的交互结果，全是在运行的时候现场长出来的。 我觉得这也是接下来很多复杂 AI 产品最靠谱的演进方向：大语言模型当大脑管规划和状态，生成模型当手脚管视听执行，两边实时闭环。 当然这路子也有明显的边界。 像那种要求毫秒级判定、规则绝对固定的竞技游戏，或者容错率为零的严谨工程仿真，靠大模型盯着画面现场规划肯定太慢，成本也划不来。 但在沙盒探索、影视预演、或者高度自由的互动内容里，以前需要一整个团队熬夜堆分支的活，现在一个人靠嘴就能现场导出来。 照这么发展下去，以后玩游戏卡关了估计都不用搜攻略，直接开麦跟后台的 Gemini 商量一下，让它顺手把 Boss 家门口改成狂风暴雨算了。 https://x.com/GoogleAI/status/2115114625985368299

曝光 179 · 评论 4 · 点赞 1 · 书签 0