Genie 3 发布：一句话造世界，键盘控制现实，人人都是造梦者

Genie 3 发布：一句话造世界，键盘控制现实，人人都是造梦者 Genie 3 发布：一句话造世界，键盘控制现实，人人都是造梦者 Modified August 7, 2025 No access 1 00:00 No access 2 00:00 No access 3 00:00 No access 4 00:00 No access 5 00:00 5. 不仅能控制龙的去向，还能让它跳跃： No access 6 00:00 6. 你可以看到树木即使离开视线后依然保持不变。视觉记忆现在可以延续一分钟甚至更多，Genie 3 解决了环境一致性问题，这是一个涌现能力： No access 7 00:00 Genie 的魔法是怎么实现的？ 那么，Genie 3 是如何做到这一切的？难道谷歌的工程师们把整个物理学定律都写进了代码里吗？ 答案恰恰相反。Genie 3 的“老师”是 海量的互联网视频 。 你想想，如果让一个超级聪明的宝宝，不间断地观看了超过 20 万小时的公开游戏视频（比如《超级马里奥》这类 2D 平台游戏）。 你不需要告诉它“按 A 键是跳跃”，通过海量的观察，它自己就“悟”出了规律：画面里的小人是可控的，按下某个“神秘按钮”它就会跳起来，撞到墙会停下，踩到怪物会得分。 Genie 3 就是用这种“无监督学习”的方式，从海量视频数据中自己领悟了世界的运行规则，而不需要人类给它贴上“这是跳跃”、“这是重力”的标签。 更神奇的是，我们前面提到的“世界记忆”或“一致性”，是一种“涌现能力”。 这意味着 DeepMind 的研究者们并没有专门设计一个“记忆模块”。他们只是把模型做得足够大、足够强，这种类似记忆的能力就自己“涌现”出来了，量变导致质变了。 这恰恰是现代 AI 最令人着迷的地方 —— 人类真的已经在创造一种能够自主学习和发展的智能，而不是一个只能被动执行命令的机器 。 AI 的终极训练场 Genie 3 最核心的用途，是作为一个“模拟器”，用来训练其他更强大的 AI 。 这就像在让一个真正的自动驾驶汽车上路之前，可以让它在 Genie 3 生成的无数个虚拟交通场景里，处理一百万次“突然有鹿冲上公路”的极端情况。 通过在这种安全、低成本、可无限重复的虚拟世界中进行训练，未来的机器人和自动驾驶系统会变得更安全、更可靠。 当然，它对游戏和娱乐产业的颠覆是显而易见的。 未来，你可能不需要一个庞大的游戏工作室，一个独立开发者甚至一个普通玩家，就能通过几句描述“生成”一个属于自己的游戏世界。 我们或许能玩到真正“千人千面”的游戏，每一次探索都是独一无二的、永不重复的冒险。 Genie 3 也为教育打开了新的大门。 想学习古罗马历史？不再是看书本上的图片，而是可以直接生成一座古罗马城，亲身“走”进去，感受当时的建筑风格和城市布局。 无论是模拟灾难应急演练，还是进行复杂的外科手术训练，这种沉浸式的互动体验都将带来革命性的变化。 神灯的“附加条款” 聊了这么多，我们需要冷静一下。Genie 3 它目前还处于研究预览阶段，并未对公众开放。 它也有一些明确的“附加条款”： • 互动时间有限 ：你只能在这些世界里“玩”上几分钟，超过这个时间，世界的稳定性和一致性就会开始下降。 • 并非完美复刻 ：它无法精确生成一个真实世界的地理位置，比如它能创造一个“威尼斯风格”的水城，但那并不是真正的威尼斯。 • 互动逻辑简单 ：“收集三把钥匙打开一扇门”这类复杂的游戏逻辑它还无法理解，多个智能角色之间的复杂互动也还是一个难题。 所以，让我们回到最初的那个画面。 我们正站在那辆车前，可以绕着它走，可以感受它的光泽，甚至可以伸出手去触摸门把手。 虽然我们还不能真正“开门上车”，但那扇通往全新互动世界的大门，第一次感觉如此真实，如此触手可及。 未来，或许真的只是一个提示词的距离。 如果喜欢我的内容，可以关注我的公众号，我会持续分享更多实用和有趣的内容给大家。 更多的 Genie 3 的演示例子： No access 8 00:00 No access 9 00:00 No access 10 00:00 No access 1 00:00 No access 1 00:00 No access 2 00:00 No access 2 00:00 No access 3 00:00 No access 3 00:00 No access 4 00:00 No access 4 00:00 No access 5 00:00 No access 5 00:00 5. 不仅能控制龙的去向，还能让它跳跃： No access 6 00:00 No access 6 00:00 6. 你可以看到树木即使离开视线后依然保持不变。视觉记忆现在可以延续一分钟甚至更多，Genie 3 解决了环境一致性问题，这是一个涌现能力： No access 7 00:00 No access 7 00:00 Genie 的魔法是怎么实现的？ 那么，Genie 3 是如何做到这一切的？难道谷歌的工程师们把整个物理学定律都写进了代码里吗？ 答案恰恰相反。Genie 3 的“老师”是 海量的互联网视频 。 你想想，如果让一个超级聪明的宝宝，不间断地观看了超过 20 万小时的公开游戏视频（比如《超级马里奥》这类 2D 平台游戏）。 你不需要告诉它“按 A 键是跳跃”，通过海量的观察，它自己就“悟”出了规律：画面里的小人是可控的，按下某个“神秘按钮”它就会跳起来，撞到墙会停下，踩到怪物会得分。 Genie 3 就是用这种“无监督学习”的方式，从海量视频数据中自己领悟了世界的运行规则，而不需要人类给它贴上“这是跳跃”、“这是重力”的标签。 更神奇的是，我们前面提到的“世界记忆”或“一致性”，是一种“涌现能力”。 这意味着 DeepMind 的研究者们并没有专门设计一个“记忆模块”。他们只是把模型做得足够大、足够强，这种类似记忆的能力就自己“涌现”出来了，量变导致质变了。 这恰恰是现代 AI 最令人着迷的地方 —— 人类真的已经在创造一种能够自主学习和发展的智能，而不是一个只能被动执行命令的机器 。 AI 的终极训练场 Genie 3 最核心的用途，是作为一个“模拟器”，用来训练其他更强大的 AI 。 这就像在让一个真正的自动驾驶汽车上路之前，可以让它在 Genie 3 生成的无数个虚拟交通场景里，处理一百万次“突然有鹿冲上公路”的极端情况。 通过在这种安全、低成本、可无限重复的虚拟世界中进行训练，未来的机器人和自动驾驶系统会变得更安全、更可靠。 当然，它对游戏和娱乐产业的颠覆是显而易见的。 未来，你可能不需要一个庞大的游戏工作室，一个独立开发者甚至一个普通玩家，就能通过几句描述“生成”一个属于自己的游戏世界。 我们或许能玩到真正“千人千面”的游戏，每一次探索都是独一无二的、永不重复的冒险。 Genie 3 也为教育打开了新的大门。 想学习古罗马历史？不再是看书本上的图片，而是可以直接生成一座古罗马城，亲身“走”进去，感受当时的建筑风格和城市布局。 无论是模拟灾难应急演练，还是进行复杂的外科手术训练，这种沉浸式的互动体验都将带来革命性的变化。 神灯的“附加条款” 聊了这么多，我们需要冷静一下。Genie 3 它目前还处于研究预览阶段，并未对公众开放。 它也有一些明确的“附加条款”： • 互动时间有限 ：你只能在这些世界里“玩”上几分钟，超过这个时间，世界的稳定性和一致性就会开始下降。 • 并非完美复刻 ：它无法精确生成一个真实世界的地理位置，比如它能创造一个“威尼斯风格”的水城，但那并不是真正的威尼斯。 • 互动逻辑简单 ：“收集三把钥匙打开一扇门”这类复杂的游戏逻辑它还无法理解，多个智能角色之间的复杂互动也还是一个难题。 所以，让我们回到最初的那个画面。 我们正站在那辆车前，可以绕着它走，可以感受它的光泽，甚至可以伸出手去触摸门把手。 虽然我们还不能真正“开门上车”，但那扇通往全新互动世界的大门，第一次感觉如此真实，如此触手可及。 未来，或许真的只是一个提示词的距离。 如果喜欢我的内容，可以关注我的公众号，我会持续分享更多实用和有趣的内容给大家。 更多的 Genie 3 的演示例子： No access 8 00:00 No access 8 00:00 No access 9 00:00 No access 9 00:00 No access 10 00:00 No access 10 00:00 🔗 原文链接： https://mp.weixin.qq.com/s/RwsrGhLj... https://mp.weixin.qq.com/s/RwsrGhLj... 原创 程序员安仔 程序员安仔2025年08月06日 10:07 广东 大家好，我是安仔，一个慢慢学会了一点产品思维的程序员。 就在刚刚过去的 12 小时，OpenAI 终于发布了他们的开源模型 GPT OSS，Claude 也同时发布了 Opus 4.1 新模型，能力更强，价格不变。 但与此同时， Google 的 DeepMind 也发布了他们的最新模型 Genie 3 世界模型。 而这个模型，在我心目中，才是 AI 领域，继 GPT 之后，又一个 里程碑式的“ChatGPT 时刻” ，完胜刚刚几家发布的新模型。 简单总结 Genie 3 的功能，一句话足以： 一个可以将你的梦境变成现实，甚至可以真正“走”进去，去探索，去互动的世界。 你只需要对电脑说，“走向汽车，开门上车。” 下一秒，你看到的不再是一段文字或一张图片，而是你真的“站”在了一辆酷炫的黑色汽车旁。 就像这张图里一样，这不是一张死板的照片，也不是一段固定的视频。 这是一个起点，一个你可以用键盘和鼠标，真正“走”进去，去探索，去互动的世界。 就像下面这个视频里一样： 这听起来像是科幻电影里的情节，对吧？ 但现在，谷歌旗下的人工智能实验室 DeepMind 发布的最新模型 —— Genie 3，正在将这个梦想变为现实。 上面的视频，就是 Genie 3 的实际生成效果。 它有点像一个“神灯”，你许个愿（输入一段文字），它就能为你创造一个活生生的世界。 “玩游戏” vs “看电影” 你可能已经对 AI 生成视频不陌生了，比如可灵 AI、即梦 AI 等。它们能根据你的描述，生成一段段以假乱真的精美视频。 但这就像是“看电影”——画面很美，故事很棒，但你永远是个观众，无法参与其中。 而 Genie 3，它带来的是“玩游戏”的体验。你不再是观众，而是主角。 这就是 Genie 3 的核心身份——一个“世界模型”（World Model）。你可以把它理解成一个 AI 构建的“数字沙盒”或“虚拟世界模拟器”。 它不仅仅是生成像素，而是在构建一个有基本物理规律、有空间感、能和你互动的模拟环境。 官方介绍链接： https://deepmind.google/discover/blog/genie 3 a new frontier for world models/ 为了让这个“游戏”体验足够好，Genie 3 有几个硬核指标： • 实时互动与 24 FPS ：FPS 是“每秒帧数”，24 FPS 是电影流畅播放的标准。这意味着你在 Genie 3 世界里的每一步操作，得到的都是即时、流畅的反馈，没有卡顿感，就像在玩一款成熟的电子游戏。 • 720p 高清画质 ：它生成的世界是高清的，让你能沉浸在清晰、逼真的细节里。 • 长达数分钟的“世界记忆” ：这是最关键的一点。这个世界拥有记忆，不会在你转身之后就“刷新”了。这种一致性是让虚拟世界感觉“真实”的基石。 Genie 3 能创造怎样的世界？ 光说不练假把式。让我们开启一场“Genie 3 世界之旅”，看看 Genie 3 到底能创造出多么“震撼”的世界。 1. 你可以交互式探索这些世界，用键盘四处走动，还能与里面的物体互动： 2. 你可以从一个角度构建世界，然后移动镜头从另一个角度继续构建。当镜头转回来时，一切都保持一致： 3. 在同一场景中实时添加不同事件，普通人都可以天马行空了，更何况是实时游戏： 4. 实时探索真实世界物理效果，在空中飞行，在水下游泳：