實測 Genie 3：20+個例子，帶你看懂 Google 的世界模型

Google DeepMind 剛剛放出了 Genie 3：世界模型！

輸入一句話，便給你生成一個 3D 世界，然后你可以在里面自由走動

雪地里走兩步，腳印都給你渲染出來了

這個視頻里的雪山場景，提示詞：高海拔開放世界，可變形的雪地地形
角色設定是：一個敏捷的登山者，可以全方向移動和跳躍

生成之后，你用鍵盤控制登山者在雪地里走，雪會被踩出痕跡，視角跟著你的操作實時變化

用一句話生成的海洋，可以沖浪

這個沖浪的提示詞更長：無盡的海洋，巨大的雷鳴般的海浪，巨大的藍綠色浪管在陽光下翻滾，成百上千的海鷗飛得很近，偶爾會擋住視線

角色設定：一塊白色沖浪板的板頭，直指海浪的浪管

海浪、海鷗、陽光...等等都進行了實時渲染，而你可以控制沖浪板在浪里穿行

要知道，Sora 生成的是一段固定的視頻，你只能看
Genie 3 生成的是一個世界，你可以操控，這便是「世界模型」

怎么玩到

現在只對美國用戶開放，需要訂閱 Google AI Ultra，$250/月

入口在 Google Labs 里，產品叫 Project Genie

https://labs.google/fx/projectgenie

在這里，訪問別人創建的世界，比如旁邊這個飛機

一花一世界，一葉一菩提

當然，也可以自己創建一個世界，點這個 Create your own 進去就行了
短暫載入后，創建界面長這樣

左邊寫環境提示詞，右邊寫角色提示詞

左邊寫環境提示詞，右邊寫角色提示詞：

環境提示詞：可以描述你想要的世界，比如「木葉村的街道，有拉面店和火影巖」

環境提示詞：可以描述你要扮演的角色或者控制的物體，比如「童年的漩渦鳴人」

填完點生成，等幾秒鐘，世界就出來了，這是一個可以游玩的世界

操作方法，就類似常規的 3D 游戲：

• ? W、S、A、D 控制前后左右移動

• ? 上下左右箭頭控制視角轉動

• ? 空格鍵跳躍

• ? 但鼠標沒啥用

每次能玩 60 秒，時間到了可以重新生成，這里我放一個我的錄屏，可以看看

它能生成什么樣的世界

講真的，這些東西真的太牛逼了，我這里我用一些來自官方的例子，和大家一起看看

物理世界
從沙漠到海洋到極端天氣。水有動態物理效果，雪地可以踩出痕跡，紙飛機掠過水面會有波紋

生態系統
動物有自己的行為模式。狐貍在草地上跑，鷹在山谷里滑翔，植物細節也能渲染

動畫和奇幻風格
不只是寫實。黏土定格動畫、水彩畫、針織毛氈，各種風格都能生成。有個演示是一只黏土小貓在圖書館里走，另一個是毛氈蝸牛在花園里爬

不同地點
雪山、外星地表、維多利亞街道、古雅典。有個演示里還有傳送門，從維多利亞街道走進去，出來就是沙漠

環境一致性
你在世界里走了一圈回來，之前看到的東西還在原位

這其實比生成一整段視頻更難。Genie 3 是自回歸生成，一幀一幀往后推，誤差會隨時間累積。現在能保持數分鐘的一致性，離開視野的物體大約一分鐘內回去還能看到

可提示的世界事件
你在探索過程中可以用文字改變世界。天氣變化、添加新物體、引入新角色，都可以。有個演示是第一人稱給房子刷油漆，油漆痕跡會留在墻上

核心能力

Google 稱 Genie 3 是「第一個實時交互的世界模型」（the first real-time, interactive world model）

實時
20-24 幀每秒，720p 分辨率。你操作的時候，畫面實時生成，沒有明顯延遲

世界一致性
你在世界里走了一圈回來，之前看到的東西還在原位。官方說能保持數分鐘的一致性，之前離開視野的物體，大約一分鐘內回去還能看到

從文字直接生成
Genie 1 需要圖片輸入，Genie 2 需要單張圖片，Genie 3 直接用文字描述就行

自己學會的物理規則
水流、重力、光影、物體碰撞，這些物理效果是模型從視頻數據里自己學出來的，沒有硬編碼物理引擎

更牛逼的用途

在 Google 的說法中，除了給大家玩，這個模型還有一個更牛逼的用途：讓真實智能體，在仿真世界里訓練

比如說 SIMA 2，也是來自谷歌，一個能在 3D 游戲里執行任務的 AI，通過讀取屏幕畫面，用虛擬鍵盤鼠標，來完成游戲內的操作

SIMA 2 在 Genie 3 里執行任務

現在把 SIMA 2 放進 Genie 3 生成的世界里。給它設定目標，比如「走向亮綠色的垃圾壓縮機」，它能在生成的倉庫環境里完成導航

SIMA 2 自我改進循環

更有意思的是自我改進。不少第一代智能體失敗的任務，經過幾輪自我訓練之后就能完成，不需要人類額外標注數據

SIMA 2 在 Genie 3 里自我改進

世界模型能給智能體提供無限多樣的訓練環境，不用在真實世界里試錯

當前限制

對于當前版本，依然有許多限制，Google 特別給列了出來

交互時長有限
每次只能玩幾分鐘，不能連續玩幾個小時

動作空間有限
角色能做的動作目前只有基本的移動和跳躍，復雜動作做不了

多智能體交互難
多個獨立智能體在同一個環境里互動，目前還是研究難題

真實地點不精確
沒法完美復刻真實世界的具體位置

文字渲染有問題
除非在提示詞里明確寫了，否則生成的世界里文字通常不清晰

還有一條沒在官方限制，但更實際的：$250/月

最后

以 Genie3 的夢境，作為收尾
一花一世界，一夜一菩提