跳到正文
10月29日周四
10月28日周三
  1. The Decoder75

    Google DeepMind 推出实时交互世界模型 Genie 4

    Google DeepMind 推出新一代实时交互世界模型 Genie 4,支持根据键盘操作与提示词逐帧模拟场景,并能直接生成环境音效与角色对话。系统在后台借助 Gemini 模型分解多步任务以维持模拟连贯性,并在测试中结合机器人研究模拟操作任务。Genie 4 目前作为研究预览面向受选测试者开放,在长时模拟中仍存在视觉细节漂移与物体持久性不足等问题。

  2. TechCrunch · AI77

    Google DeepMind 发布世界模型 Genie 4,支持实时音频与交互控制

    Google DeepMind 发布世界模型 Genie 4 研究预览版,支持在模拟运行中通过提示词实时改变场景、天气与视角,并同步生成环境音与对话。该模型将场景一致性维持时间翻倍至两分钟,并能与 Gemini 协同用于机器人仿真和影视创意原型制作。目前该模型已面向受信任测试者开放,后续几周将向 Google AI Ultra 订阅用户及 Gemini API 合作伙伴开放。

    同一件事,精选收录的是《Google DeepMind 发布实时交互世界模型 Genie 4》

  3. Ars Technica · AI70

    DeepMind 发布 Genie 4 世界模型,提升物理仿真与人类表现真实感

    Google DeepMind 发布 Genie 4 世界模型,在物理特性和人类仿真真实感上全面改进,付费用户不久后可获取使用权限。该模型得益于更新的 Gemini 模型,无需预渲染环境或编程交互元素,即可根据提示词在用户探索时实时逐帧生成虚拟体验。DeepMind 表示该技术能够为物理机器人创建无限训练环境,并为创意领域开辟快速原型设计的新途径。

  4. The Verge · AI68

    Google 发布 Genie 4 交互式世界模型

    Google 宣布推出 Genie 4 交互式世界模型,支持生成更逼真的交互场景与音频,生成时长从上一代的 1 分钟提升至约 2 分钟。该模型底层采用 Gemini 3.8 Flash 辅助仿真,允许用户通过自然语言提示词实时更新场景,主要面向电影预演、游戏原型设计及机器人训练等用途。Genie 4 目前仅向受信测试者开放研究预览,后续将向 Google AI Ultra 订阅用户推出。

  5. Google DeepMind73

    Google DeepMind 发布实时交互世界模型 Genie 4

    Google DeepMind 发布新一代交互式世界模型 Genie 4,支持实时通过键鼠和自然语言指令生成并调整具备物理规律的仿真环境。该模型原生支持同步生成环境音效与角色交互对话,并引入 Gemini 模型作为引导 Agent 维持场景的多步推理与因果连贯性。

    推荐理由:该模型结合语言模型推理与实时像素生成,展示了如何通过自然语言与键控交互驱动高保真物理仿真与多模态环境生成。

10月14日周三
  1. Google DeepMind95

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布 Gemini 4 Argon,面向开发者、企业、科研人员和消费者开放,定价为每百万输入 token 2 美元、每百万输出 token 10 美元,缓存输入 token 享 95% 折扣。

    推荐理由:官方给出多领域实测与定价细节,可据此判断新模型在编码、科研和企业工作流中的具体位置。

10月7日周三
  1. Google DeepMind72

    Google DeepMind 发布 EmbeddingGemma 2 开源多模态嵌入模型

    Google DeepMind 发布 EmbeddingGemma 2,这是一个可原生映射文本、图像、音频和视频到统一嵌入空间的多模态嵌入模型,基于 Gemma 4 架构,采用 Apache 2.0 许可,参数量 7.4 亿。

    推荐理由:EmbeddingGemma 2 把文本、图像、音频和视频嵌入统一到 7.4 亿参数的端侧模型,给出各模态参数拆分和内存占用,便于评估私有化检索方案。

10月1日周四
  1. Google DeepMind82

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布新前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向受信任的网络安全防御方开放,后续将面向开发者、企业和消费者推出,起步定价为每百万输入 token 2 美元、每百万输出 token 10 美元。

    推荐理由:原文给出了模型在编码迁移、网络安全和企业知识工作上的具体内部用例与基准成绩,并说明了分阶段开放的节奏。