Google DeepMind 发布 Genie 4 实时世界模型,原生生成音频与对话
Google DeepMind 发布 Genie 4 实时世界模型,作为研究预览向可信测试者开放;它能从文本和图像提示实时生成可探索环境,并同步生成环境音、音乐与角色对话。
Google DeepMind 发布 Genie 4 实时世界模型,作为研究预览向可信测试者开放;它能从文本和图像提示实时生成可探索环境,并同步生成环境音、音乐与角色对话。
Google 的 Genie 4 在 Product Hunt 上线,介绍为由 Gemini 驱动、能在虚拟三维世界中与用户一起游玩、推理和学习的 Agent。
router-for-me/CLIProxyAPI 登上 GitHub Go 日榜,是为 CLI 提供 OpenAI、Gemini、Claude、Codex、Grok 兼容 API 的代理服务器,可在本地用多个 CLI 账号通过任意兼容客户端或 SDK 访问 Kimi、GPT-6、Claude 等模型,另有图形化桌面客户端 EasyCLIProxyAPI。
Anthropic招股书披露,其向博通、SpaceX、谷歌、亚马逊、微软等巨头承诺的算力采购合计最高超5000亿美元,被指相当于把未来几年营收交给科技巨头。文章拆解其IPO窗口,上半年营收162.86亿美元、三季度约165亿美元;据路透社报道,部分投资者已将IPO估值预期从2万亿美元下调至约1.5万亿美元。
SiliconANGLE 报道 Google 预览可生成逼真三维环境的 Genie 4 世界模型,这是其 2024 年起推出的世界模型系列的最新成员。
Apple 发布搭载 M6 芯片的新款 iMac 和 14 英寸 MacBook Pro,国行起售价分别为 12499 元和 15999 元,将于 10 月 29 日预购、11 月 6 日发售。
Oracle 宣布将在公有云提供 Google TPU 加速器,这是 Google 首次向其他云厂商供应该芯片,同时 Oracle 还增加了 ChatGPT 集成。
爱范儿报道 Genie 4 生成的世界可维持 120 秒,能实时生成声音、模拟物理,用户可改天气、加角色并与虚拟角色对话,Gemini 负责规划行动、Genie 4 负责实时生成环境。
Simon Willison 记录 GitHub Universe 胸牌是一台彩屏电脑,Steve Francia 借助 Gemini 在上面跑起 NES 模拟器,并进一步部署了 Game Boy 和 Game Boy Color 模拟器。
Google 为 Fitbit Air 和 Fitbit Edge 加入胰岛素抵抗和血压趋势功能,仅限 Google Health Premium 用户,ZDNet 认为这让无创血糖监测更近一步。
Google Research 提出 sleep framework,针对部署后 LLM 持续更新参数时的灾难性遗忘问题,探索一种让模型在持续学习中吸收新知识并保留旧能力的新方式。
The Decoder 报道 Genie 4 逐帧实时计算可交互场景并生成声音与会说话的角色,后台由 Gemini 模型规划接下来发生什么,目前只开放给少数测试者。
Google DeepMind 周二以研究预览形式发布 Genie 4,可生成更逼真、更具交互性的世界,用户可在模拟中途输入提示改变场景,并实时生成匹配的音乐、环境音和对话。
Google DeepMind 发布新一代世界模型 Genie 4,显著提升真实感与实时交互模拟,原生多模态,可与世界同步生成音乐、环境音和对话;它基于 Gemini 系列能力,由 Gemini Omni 锚定真实外观与行为,其他 Gemini 模型负责保持模拟的连贯推理。
推荐理由:官方说明了 Genie 4 与 Gemini 的分工和新增的原生音频能力,是判断世界模型进展的一手材料。
Ars Technica 报道 Genie 4 在几乎所有方面改进 Genie 3,并加入音频和更逼真的人物;Google 认为世界模型是迈向 AGI 的关键环节,付费用户未来或可使用。
Google 宣布 Genie 4 研究成果,为实时交互模拟带来更高真实感和原生音频;用户可用自然语言实时引导场景,如移动镜头、改变天气或加入新角色,每个世界都会即时生成环境音、音乐和对话。
推荐理由:官方给出了自然语言实时引导场景的具体能力,便于判断世界模型距离可用工具还有多远。
Google 发布 Genie 4 世界模型,主要更新包括更逼真的世界、可用自然语言实时修改体验、生成音频、后台使用 Gemini 3.8 Flash,单次体验时长约两分钟,比 Genie 3 的一分钟翻倍。
Google 列出 Gemini 4 Argon 的 8 个实际用例,包括从一句提示写出 5000 行数学代码渲染 3D 场景、在 Gemini 应用中生成音视频互动工具,以及在 Antigravity 中编排子智能体、Blender MCP 和 Nano Banana 把桌面照片变成可玩游戏。
Google 收集 15 名大学生使用 Gemini 的方式,包括备考、整理笔记、做项目、学习新知识以及 vibe coding 作品集等。
Google Research 与斯坦福合作推出 AI Quests 系列第三课“Polar Peaks”,以绘制人脑图谱为主题教学生 AI 素养技能。
Google 与 USO 合作把 Google Beam 部署到全球 20 个地点,让驻外军人与家人进行逼真的 3D 视频通话,并推出纪录片展示四个军人家庭的故事。
Ars Technica 报道 Google 更新隐私政策,条款显示用户的 Gmail 内容可能被用于广告。
Google Research 介绍把基础模型用于结核病胸片筛查,以缓解偏远地区缺少放射科医生的瓶颈;结核病每年仍导致超过 123 万人死亡。
Google 开源项目办公室本周开源回顾,讨论在生成代码成本骤降的情况下,真正维系开源社区的是什么,并汇总本周开源动态。
Google 展示社区开发者用新前沿模型 Gemini 4 Argon 完成的 5 个复杂项目,强调其在深度推理和长流程任务上的能力。
Google 团队发布 Elephant-Goldfish Model 插件,主张在 AI 编程时代把设计环节前移,用设计驱动的方式扩展 AI 辅助软件开发。
Google DeepMind 发布 10 米分辨率地图,区分全球森林是天然林、人工林还是农业种植林,并显示其随时间的变化。
Google 与 Voltus 扩大合作,在覆盖 13 个州和华盛顿特区、服务 6700 万人的 PJM 电网区域建设 1 吉瓦虚拟电厂,聚合智能恒温器、电池和工业设备等灵活负荷,在用电高峰时调用。
console.dev 推荐 google-pytorch 项目,为 Google TPU 提供 PyTorch 后端,让用户在 TPU 上运行 PyTorch 模型和算子。
Ars Technica 报道 OpenAI 与 Google 达成合作,OpenAI 最新模型将在 Google Cloud 服务和 Antigravity 中提供。
Google Quantum AI 宣布在 Kaggle 举办可验证量子电路编译竞赛,应对当前量子硬件的限制。
WHO 估计全球每年有超过 25 万例可预防的妊娠相关死亡,而三分之二的人缺乏超声等诊断影像;Google Research 介绍用 AI 辅助超声帮助非专科一线人员开展产前检查。
Google 与艺术家 Prune Nourry 合作拍摄纪录片,使用 Google AI 重现 19 世纪末至 20 世纪初女雕塑家的工作室。
Google 第 11 份 e-Conomy SEA 报告称东南亚数字经济将达 3680 亿美元,生成式 AI 已成为 2.43 亿东南亚人日常生活的一部分,并分析其对区域经济的影响。
Google 年初为 Gemini 加入可调用更多个人数据的 Personal Intelligence,现在这一功能将扩展到汽车。
Gemini 现已在全球 Android Auto 和内置 Google 的汽车中可用,借助 Personal Intelligence 给出个性化回答,让驾驶者无需看屏幕即可获得帮助。
推荐理由:AI 助手进入全球车载入口,覆盖面广,用户更新后即可在驾驶场景使用。
Google 宣布面向小企业主的 Gemini 新工具和专属商业落地页,称已有数千万小企业主用 Gemini 构思产品、管理客户反馈和分析经营表现。
Google 科学家设想患者预约后与 AI 智能体对话完成个性化问诊信息收集,医生就诊前已掌握细节,从而把更多时间用于协作护理。
Google Research 提出长期愿景:AI 智能体不仅提出想法和分析数据,还能运行实验;文章介绍为自主湿实验室构建的基础模块,以应对蛋白质序列等巨大组合搜索空间。
Google Open Source Programs Office 的每周开源阅读汇总,本期围绕 A2A 和 MCP 等开放智能体协议,讨论人类判断、界面信任与维护者可持续性,并列出 All Things Open 2026 和 PyTorch Conference North America 2026 等活动。