2025年8月，谷歌DeepMind重磅推出第三代通用世界模型Genie 3，这一模型凭借强大的环境生成能力与实时交互特性，在人工智能领域引发关注。尽管它尚未全面发布且存在一定限制，但已展现出在训练机器人、助力AI代理发展及丰富人类体验等方面的巨大潜力。
Genie 3的强大生成能力
谷歌DeepMind宣布推出的Genie 3，是一款具有开创性的第三代通用世界模型。它能够生成前所未有的多样化交互式环境，当给出文本提示时，Genie 3可以生成动态世界，并且能够以每秒24帧的速度实时导航，同时以720p的分辨率保持几分钟的一致性。这种生成能力在同类模型中表现突出，与前代模型（如Genie 1/2）和视频生成模型（如Veo 2、Veo 3）相比，Genie 3是第一个允许实时交互的世界模型，其一致性和真实感也得到了显著提升。
Genie 3的应用前景
Genie 3 “世界模型”旨在训练机器人和自主车辆，使它们能够与环境的真实再现进行互动，如仓库场景等。美国科技和搜索公司谷歌的AI部门Google DeepMind强调，世界模型对于实现人工通用智能（AGI）至关重要，AGI是一种理论上的AI水平，能够执行大多数与人类相当的任务。DeepMind声称，Genie 3这类模型将在AI代理的发展中发挥关键作用，AI代理是指能够自主执行任务的系统。此外，Genie 3还可以丰富人类体验，例如在培训或探索活动中模拟滑雪或徒步旅行等场景，它能够根据文本提示快速生成和修改场景，比如在滑雪坡上引入一群鹿。
Genie 3的现状与限制
目前，Genie 3尚未准备好进行全面公开发布，并且存在各种限制。不过，从2025年8月5日起，通过邀请制研究预览的方式，向学者和数字创作者开放体验。早期受邀者对Genie 3有不同评价，他们称赞其延长的游玩时间和更稳定的几何结构，但也指出与传统引擎相比，它存在物理效果不稳定和操作菜单有限的问题。
以上文章由 AI 总结生成