Google DeepMind开放Project Genie测试！「世界模型」技术比李飞飞更厉害？
GoogleDeepMind开放ProjectGenie测试，美国AIUltra订阅用户可输入文字或图片，数秒生成可交互3D游戏世界。该系统整合Genie3世界模型等，旨在获取用户反馈优化模型。目前处于早期阶段，每轮体验限时60秒，存在交互异常等问题，已部署内容过滤机制。
Google DeepMind 的「Project Genie」终于向公众敞开了大门。本周四起，美国地区的 Google AI Ultra 订阅用户就可以抢先体验这项新功能——你只需要输入一句简短的话，或者上传一张图片，系统就会在几秒钟内生成一个可以自由探索、交互的3D游戏世界。
这背后整合的是 Google 最新发布的 Genie 3 世界模型、Nano Banana Pro 图像生成模型，还有 Gemini 智能系统。DeepMind 这次开放测试，目的很明确：获取真实用户的使用反馈和高质量训练数据，用来优化世界模型，加速迭代速度。
先解释一下「世界模型」这个概念——它指的是能对物理或虚拟环境建立内部表征的AI系统，能够预测未来状态、规划智能行为。DeepMind 选择从电子游戏这类轻量级娱乐场景切入，后续则会逐步向高保真模拟环境拓展，用于机器人感知与决策训练，最终服务于通用人工智能（AGI）的长期目标。
目前全球世界模型领域的竞争已经白热化。李飞飞创立的 World Labs 去年底发布了首款商用产品 Marble；AI 视频生成公司 Runway 近期也公开了自己的世界模型；Meta 前首席科学家杨立昆联合创办的 AMI Labs，同样将这一方向列为战略级核心技术。各路玩家都在加速布局。
不过，DeepMind 团队也坦诚相告：Project Genie 目前还处于早期实验阶段。系统表现波动很大——有时能生成逻辑严密、细节丰富的沉浸式世界，有时却会跑出一些让人摸不着头脑的异常结果。具体的操作流程是这样的：用户先用文字描述基础环境和主角特征，完成所谓的「世界素描（World sketch）」；接着 Nano Banana Pro 会根据描述生成初始图像，Genie 再以此为起点构建完整的互动世界。实测下来，局部修改功能基本能用，但偶尔偏差还挺明显——比如你明确要求「绿色头发」，它给你输出一个紫色发色。
用户也可以上传真实照片作为生成基底，但效果因图而异，完全看运气。一旦图像通过审核，Project Genie 只需几秒就能输出一个可以实时探索的三维世界。不过受限于高昂的算力开销，目前每轮体验严格限定为 60 秒。项目负责人弗鲁赫特解释，Genie 3 属于自回归模型，推理过程资源密集，限时机制是为了让更多用户有机会公平参与体验。
安全层面，系统已经部署了多重内容过滤和合规审查机制，明确禁止生成裸露内容，以及受版权保护的 IP 元素（比如迪士尼角色）。与此同时，交互自然度也是当前重点攻坚的方向——测试中曾出现角色穿墙、碰撞检测失效等问题，WASD 导航键响应有时也会延迟或方向错位。弗鲁赫特强调，这还只是一个初步原型，团队后续会持续提升画面的写实性、物理一致性以及人机交互的流畅度。
谷歌DeepMind发布D4RT模型，从2D视频推断三维结构和运动轨迹，实现四维时空认知。单Transformer架构，性能提升18至300倍，支持像素跟踪、点云重建与无标定相机位姿估计，为机器人、增强现实等应用奠定基础。
谷歌DeepMind高管指出，AI领域千亿资本支出是人类史上最大科学赌注，核心押注递归自我改进，预计2027至2028年实现。当前AI收入远不足以支撑巨额支出，且面临网络攻击、生物安全等重大风险。
谷歌DeepMindCEO哈萨比斯呼吁美国政府牵头成立全球AI监管机构，参考金融业监管局模式，由独立专家和开源社区代表对前沿模型进行发布前安全评估，高风险时可协调放慢发布节奏，目标年底前投入运作。
GoogleDeepMind提出视觉提示工程（VIPE），通过优化视觉输入提升视频模型推理性能。实验表明，视觉提示工程比文本提示更有效，可自动化且降低错误率，但依赖图像编辑模型质量，未来需稳定保留任务信息。
GoogleDeepMind提出视觉提示工程（VIPE），将提示工程方法论扩展至视觉模态。通过将抽象草图转换为照片级真实场景，显著提升视频模型推理能力，效果优于文本提示工程。该方法可自动化，并与测试时扩展结合，进一步降低错误率。
AI智能体可快速生成科学假设，如Co-Scientist两天提出与团队十年研究相符的假设，但无法独立验证。报告指出，假设生成加速而实验、评审等验证速度未同步，形成新瓶颈，需解决可及性、数据、设施及同行评审等问题。
DeepMind的掌门人德米斯·哈萨比斯，最近接受了CNBC《科技快讯》的专访。他的一番话，恐怕会让不少人重新审视中国AI的现状。这一次，他的评价出乎不少人意料：中国大模型与美国最前沿水平的差距，已经压缩到“仅数月”的程度——绝非外界常常渲染的那般“代际鸿沟”。 哈萨比斯专门点到了DeepSeek、
谷歌DeepMind的掌门人德米斯·哈萨比斯最近扔出了一枚重磅冲击波——他公开表示，通用人工智能（AGI）的研发速度比大多数人想象的要快得多。按照他的预期，AGI最快可能在2029年至2030年前后成型，换算一下，也就是差不多三年之内的事。这个判断一出，全球科技圈几乎都坐不住了。 话得说回来，哈萨比
最近，谷歌DeepMind与首尔国立大学联合发布了一项关于长视频理解的研究，论文以预印本形式公开，编号为arXiv:2605.17260。这项研究瞄准了一个看似简单、实则棘手的问题：如何让AI高效地“看懂”长达数小时的视频。 想象一下，让AI理解一段两小时的电影，其挑战不亚于要求一个人在一秒钟内读完
一张照片背后的“理解鸿沟” 这篇论文来自谷歌DeepMind的研究团队，于2026年4月13日以预印本形式发布，编号为arXiv:2604.12012v1。对技术细节感兴趣的读者，可以通过这个编号在arXiv平台上找到完整原文。 先从一个简单的场景说起：用手机拍下一张公园里的照片，画面里有一条狗、一
Postman是一套面向API全生命周期的开发与测试平台，可在Mac上发送和调试多种协议请求，管理集合、环境及认证信息，并完成脚本测试、模拟服务、监控、文档发布和团队协作。它适合开发、测试及运维人员使用，提供个人免费方案。
Docker Desktop 是 Docker 官方为 Mac 提供的容器开发环境，集成 Docker Engine、命令行工具、Compose、Build、Kubernetes 与图形化管理界面。
Android Studio 是 Google 面向安卓应用开发提供的官方集成开发环境，基于 IntelliJ IDEA 构建。它整合智能代码编辑、Gradle 构建、界面预览、设备模拟、性能分析、调试测试及 APK 分析等工具。
Postman 是面向 API 全生命周期的开发与协作平台。Windows 桌面版可用于构建和发送 HTTP、GraphQL、gRPC、WebSocket、MQTT 等请求，并提供环境变量、集合、脚本测试、模拟服务、监控、文档及团队工作区等
Docker Desktop 为 Windows 开发者提供集成式容器环境，内置 Docker Engine、命令行工具、Compose、Build 与 Kubernetes 等组件，可在本机完成镜像构建、容器运行、日志查看和资源管理。
Android Studio 是 Google 面向 Android 应用开发提供的官方集成开发环境，以 IntelliJ IDEA 为基础，集成智能代码编辑、Gradle 构建、设备模拟、界面预览、调试测试及性能分析工具，