谷歌近日面向特定用戶群體開放了其世界模型Genie 3的實驗性研究原型——Project Genie的體驗權限。這款專注于沉浸式世界創建的互動原型，旨在讓用戶通過文本和視覺提示設計、探索并重新混合屬于自己的互動環境。此前，谷歌曾在去年8月初步預覽了Genie 3的世界模型能力，其能夠生成多樣化的可交互環境，引發了早期測試者的廣泛關注。
目前，年滿18歲的美國Google AI Ultra訂閱用戶已可率先體驗這一原型。Project Genie是一個基于Web的應用，由Genie 3、Nano Banana Pro和Gemini共同驅動，用戶可以通過它親身體驗世界模型帶來的沉浸式感受。其工作流程包括設計、預覽、生成和重混四個環節：用戶首先使用文本和視覺提示設計世界和角色；隨后，Nano Banana Pro會生成圖像預覽供調整；進入世界后，Genie 3會隨著用戶的移動實時生成環境；最后，用戶可以在作品庫中重新混合現有世界或發現新世界。
該體驗圍繞三大核心能力構建。首先是“世界草圖繪制”，用戶可通過文本提示或生成/上傳的圖像創建生動且不斷擴展的環境，定義角色、探索方式（如步行、騎行、飛行等）以及視角（第一人稱或第三人稱）。Nano Banana Pro的集成讓用戶能在進入世界前預覽并微調圖像，實現更精確的控制。其次是“世界探索”，用戶創造的世界是可導航的動態環境，Project Genie會根據用戶行動實時生成前方路徑，并允許調整鏡頭。最后是“世界重混”，用戶可基于現有世界的提示詞構建新詮釋，或在作品庫中探索精選世界以獲取靈感，完成后可下載世界和探索過程的視頻。
世界模型的核心在于模擬環境的動態變化，預測其演變方式及行為影響。谷歌開發的Genie 3突破了傳統靜態3D快照的限制，能夠在用戶移動和互動時實時生成路徑，模擬物理和交互，其一致性使得模擬任何真實世界場景成為可能，包括機器人技術、建模動畫、小說創作以及歷史場景探索等。這一能力為構建通用人工智能（AGI）提供了重要基礎，因為AGI需要能夠駕馭現實世界多樣性的系統。
盡管Project Genie展現了強大的潛力，但作為早期研究模型，Genie 3仍存在一些待改進領域。例如，生成的世界可能不完全逼真，或不完全遵循提示詞和圖像，甚至不符合現實物理規律；角色控制可能不夠流暢，或存在延遲；生成時長限制在60秒內。去年8月宣布的某些功能，如探索時可改變世界的“可提示事件”，尚未包含在此原型中。谷歌表示，將通過與各行業和領域的信任測試者合作，持續優化這一模型。
