Google DeepMind 于 10 月 27 日推出新一代世界模型 Genie 4，称其为迄今最逼真、交互性最强的世界模型，单次生成交互体验最长 2 分钟，上一代 Genie 3 为 1 分钟。新模型引入原生音频生成、自然语言实时操控和复杂物理与人物行为模拟，并由 Gemini 系列模型负责指令翻译、事件规划与进度跟踪。目前 Genie 4 已面向少量受信任测试者开放研究预览，后续将提供给 Google AI Ultra 订阅用户及 Gemini API、Google AI Studio 的早期合作伙伴。
#模型发布#多模态#视频
Google DeepMind 正式发布新一代世界模型 Genie 4，相比 Genie 3 提升了视觉真实感、物理模拟和实时交互能力，并首次支持原生音频生成，可同步生成环境音效、音乐和人物对话。用户可用键盘控制镜头或角色移动，也可用自然语言指令实时调整天气、切换视角、添加人物或物体，无需重新生成整个场景。Genie 4 融合 Gemini 系列能力，由 Gemini Omni 提供现实世界视觉与行为知识、Gemini 3.8 Flash 负责任务规划与场景引导，目前已向部分受邀测试者开放研究预览，后续计划通过 Project Genie 向 Google AI Ultra 订阅用户及部分开发者开放。
#模型发布#多模态#视频
微软发布 MAI-Image-2.7-Preview 图像编辑模型，主打输入原图加文字指令输出编辑后图片，暂未开放文生图。该模型在 Artificial Analysis 的 AA-Image-Editing v2.1 榜单以 1,193 Elo 排第 2，仅次于 OpenAI 的 GPT Image 2.5 Sunburst (max)，场景与风格编辑比次优模型高 24 个 Elo。用户可在 Arena、Artificial Analysis 和 MAI Playground 体验，微软尚未公布公开 API、定价和正式商用时间，模型权重也未开放。
#模型发布#图像生成#Microsoft
微软发布 MAI-Image-2.7-Preview 图像编辑模型，在 Artificial Analysis 的 AA-Image-Editing v2.1 榜单以 1,193 Elo 排名第二，仅次于 OpenAI 的 GPT Image 2.5 Sunburst (max)。该模型现阶段只支持输入原图加文字指令的编辑，暂未开放文生图，相较 MAI-Image-2.6 在全部 10 个用例和 7 类编辑动作上均有提升。用户可在 Arena、Artificial Analysis 和 MAI Playground 体验，公开 API、定价和商用时间尚未公布。
#模型发布#图像生成#Microsoft
谷歌旗下 DeepMind 发布新一代世界模型 Genie 4 的研究预览版，将场景保持一致性的模拟时长延长至约两分钟，为前代 Genie 3 的两倍，并提升画面真实感、物理模拟和人物动作自然度。用户可用自然语言指令在模拟中实时改变天气、调整视角或添加人物和物体，模型还具备原生音频生成能力。谷歌同时展示了 Genie 4 与大模型 Gemini 4 Argon 协同模拟 Apptronik 旗下 Apollo 人形机器人下跳棋的实验，并计划未来几周通过 Project Genie 向 Google AI Ultra 订阅用户开放。
#模型发布#多模态#DeepMind
#模型发布#多模态#Google
This is Genie 4, our most realistic and interactive world model yet. 🌐 Explore dynamic environments in real time to see how the scene responds, sounds, and how the people in it move, react, and speak.
#模型发布#Google#多模态
MAI-Image keeps climbing! MAI Image 2.7 Preview is now #3 on @arena's image editing leaderboard. #2 by lab and ahead of GPT-Image-2. That's a +45 point jump from 2.6.
#模型发布#图像生成#Microsoft
Microsoft's MAI-Image-2.7-Preview takes #2 on AA-Image-Editing v2.1, close behind OpenAI's GPT Image 2.5 Sunburst (max) and a clear step up from MAI-Image-2.6 MAI-Image-2.7-Preview is Microsoft AI's newest image editing model, succeeding MAI-Image-2.6, released in August. In our testing, MAI-Image-2.7-Preview scores higher than MAI-Image-2.6 on all 7 editing actions we measure, and ranks #1 on 4 of them: Scene & Style Edit, Text or Symbol Edits, Reasoning-Based Edit, and Enhancement & Restoration. This new model improves on MAI-Image-2.6 with the biggest gains in Composition & Framing (+57 Elo), Text or Symbol Edits (+49) and Scene & Style Edit (+48). We see its best use cases to be in Live-Action Film, Consumer and Frontier edits, where it ranks #1. MAI-Image-2.7-Preview is available today in MAI Playground for image editing only, with text to image stated to be coming soon. Congratulations to @MicrosoftAI on the release! See below for our detailed analysis and example outputs of MAI-Image-2.7-Preview in the Artificial Analysis Image Arena 🧵
#评测/基准#图像生成#Microsoft
This is Genie 4, our most realistic and interactive world model yet. 🌐 Explore dynamic environments in real time to see how the scene responds, sounds, and how the people in it move, react, and speak.
#模型发布#多模态#视频
我终于明白为什么科技巨头都在不惜代价地向物理现实靠拢了！🤯 Google DeepMind 刚刚正式发布世界模型 Genie 4， 支持实时文字改动场景、自带原生环境音与互动对话，Gemini 3.8 Flash 担任后台导演。 机器模拟真实物理世界的门槛，今天被彻底踩碎了，模拟假说被证实了！ 抛开博主玩梗的情绪泡沫，如果我们把这套技术拆开看，就会发现 Google 这次根本不是在卷普通的视频生成： 它不是在生成一段冷冰冰的 MP4，而是在用纯算力，实时凭空跑出一整个可以走动、可以交互的物理世界。 以前的 Sora 或各种视频大模型，本质上是一台高精度的梦境录像机。 它提前把像素算好、渲染出来喂给你看；你按暂停它就停，你喊它改个天气，它必须把整个视频推翻重算一遍。 而 Genie 4 彻底切断了“预渲染”的旧逻辑： 你不是观众，你是里面的玩家；你在场景里往前走，画面随着你的脚步实时推演空气动力学和物理碰撞，你在旁边敲一行字，暴雨和新角色立刻动态加载进同一个空间里。 更狠的是原生音视频的融合。 过去的世界模型全是一帮在真空中运转的无声哑剧，而这次 Genie 4 第一次让世界模型原生吐出了环境音、背景音乐，以及随着玩家操作实时动态响应的角色对话。 旁边还配了 Gemini 3.8 Flash 当“实时导演”，在后台毫秒级拆解因果逻辑、校准画面连贯性，硬生生把时间维持在了两分钟的连续稳定模拟。 但如果你以为 Google 费尽心力搞这个只是为了给游戏公司做外挂，那就太小看 DeepMind 的野心了。 造一个逼真的虚拟世界，从来不是终点，而是给下一代 AGI 准备的无尽练兵场。 现实世界的数据太贵、太慢、试错成本太高，特斯拉要跑几十亿公里才能训好一辆自动驾驶，机器人摔断一根机械臂就是几十万成本。 而当 Google 能够以极低成本实时生成符合牛顿力学的交互世界，数以亿计的具身智能体就可以在里面 24 小时以万倍速狂奔、碰撞、学习。 当然照例保持一份冷静： 目前单次模拟极限依然在两分钟左右，时间一长细节依然会漂移，而且这只是少数测试者能摸到的研究预览。 但这代表了一个极其危险的代际分水岭： 从今天起，AI 的竞争正式从“模仿人类的文字与画面”，彻底跃迁到了“模拟宇宙的物理法则”。
#模型发布#多模态#具身智能
#模型发布#开源生态#Hugging Face
Introducing 𝙻𝙵𝙼𝟹: our new generation of Liquid Foundation Models. With a new tri-hybrid architecture and new multimodal encoders, the LFM3 family is the ideal model suite for specialized intelligence. > 6 model instances, across text, audio, vision, and omni modalities, generative and decision models. > 𝙻𝙵𝙼𝟹-𝟷.𝟽𝙱: text, 256k context window. > 𝙻𝙵𝙼𝟹-𝚅𝙻-𝟸𝙱: vision-language model with video-input support for spatial understanding > 𝙻𝙵𝙼𝟹-𝙰𝚞𝚍𝚒𝚘-𝟸𝙱: tool calls, voice chat, reasoning in 18 languages. > 𝙻𝙵𝙼𝟹-𝙾𝚖𝚗𝚒-𝟸𝙱: an omni model combines vision, audio, and language. > 𝚍𝟷-𝟸𝙱 and 𝚍𝟷-𝙾𝚖𝚗𝚒-𝟸𝙱: decision models with typed outputs and calibrated probabilities in a single pass. Omni adds audio input. > fine-tune on 1 GPU. > a new tri-hybrid architecture > architecture optimized for 14 processor classes across GPUs, CPUs, and NPUs. > 𝙻𝙵𝙼𝟹-𝚅𝙻-𝟸𝙱 is a beast. It performs competitively with Gemma 4 12B (6x larger), and Gemini 3.5 Flash Lite, and GPT-5.6 Luna, with 1.9B parameters. > 𝙻𝙵𝙼𝟹-𝟷.𝟽𝙱 is #1 on the Pareto frontier of device intelligence 𝚙𝚒𝚙𝚎𝚝𝚝𝚎.𝚕𝚒𝚚𝚞𝚒𝚍.𝚊𝚒 Every modality for specialized intelligence. Pick the one that fits your use case, customize it, and run it on-device. 1/ 🧵
#模型发布#开源生态#Agent
This is Genie 4, our most realistic and interactive world model yet. 🌐 Explore dynamic environments in real time to see how the scene responds, sounds, and how the people in it move, react, and speak.
#模型发布#多模态#Google
#模型发布#多模态#Google
#模型发布#多模态#Google
#评测/基准#图像生成#Microsoft
#模型发布#推理#开源生态
#模型发布#开源生态#端侧
Google DeepMind 发布新一代通用世界模型 Genie 4，首次在 Genie 系列中原生生成环境音与角色即兴对话，单次连贯世界维持时间翻倍至约 2 分钟，实机画面约 24 帧/秒。该模型由 Gemini 3.8 Flash 在后台做多步推理控场、Gemini 4 Argon 拆解动作指令，组成混合世界模型架构，并已向 Google AI Ultra 用户开放内测申请，同时进入 Gemini API 与 Google AI Studio。
#模型发布#多模态#视频