- A+
从某种意义上讲，
昨晚，AI 界又来了一波小连招。
据报道，
前有 Claude 编程更强的 Opus 4.1，中有谷歌突破性拉满的 Genie 3。奥特曼一看也坐不住了，赶紧上了个 GPT-OSS，是 OpenAI 第一次开源。
然而，
然而，Claude 编程咱可能没啥实感，OSS 的开源好像也没啥诚意。毕竟不是满血版 GPT，现在效果好的，能本地部署的大模型有的是，OSS 也没强到哪里去，甚至被嘲还不如国产同参数量的 GLM-4.5-Air。。。
其实，
相比起来，谷歌 DeepMind 这个 Genie 3，着实是有些惊艳得吓人了。江江这就带大伙儿看看，Genie 3 是怎么造出一个能玩能动，有 “ 记忆力 ” 的高清 3D 世界的。
必须指出的是，
作为一个世界模型，它延续了 Genie 1 和 2 的技术和概念，能通过文字提示词，实时生成一个高质量，可用上下左右键交互的物理环境。
根据公开数据显示，
话不多说，咱先给大伙儿看看效果。
值得注意的是，
说实话，下面这个视频，单拿出来说是哪个游戏录屏我都信。视角允许摆动，还能用方向键控制运动，小车速度快不说。甚至会顺着地形颠簸，对物理世界的理解拉满。
再看看水上开船，转向丝滑无比，连灯笼被船头推开的碰撞效果都特别真实。
简而言之，
视觉上能这么清晰顺畅，是由于 Genie 3 的实时帧率达到了每秒 24 帧，分辨率能到 720p，从这些参数上来看，真跟普通视频没啥区别了。
不妨想一想，
之前搞世界模型、实时生成的玩法咱也见过，不过那体验实在是差得有点多了。经常卡顿不说，场景一致性也做得稀碎，比如眼前本来有个人，转个头就没了（ 害怕 ）。甚至只是站在那里不动，场景也肉眼可见的在变。。。
来自 Dynamics Lab，试玩链接已放在文末
XM外汇消息：
而 Genie 3，前后一致性好得可怕，保证一分钟前诸位在墙上刷的蓝色油漆是啥样，一分钟后回头来看还是啥样。
请记住，
即运用 prompt 随时加东西，也不用担心画面会崩。
简要回顾一下，
DeepMind 还试了试 Genie 3 和他们自己的 SIMA agent 相结合。开局一张图和一条指令，剩下的中间 prompt 全靠 agent 编。
据报道，
比如给 Genie 3 一个面包房的照片，目标是移动到面包冷却架跟前，agent 就得知道啥是冷却架，还得知道按方向键往前走。
值得注意的是，
看了这么多例子，Genie 3 对物理的理解和一致性做得这么好，如此迅速流畅，江江一进行还以为它生成的是类似 Unity 那样完整的，遵循物理规律的 3D 场景建模。
容易被误解的是，
然而，实际上它就是一帧一帧拼出来的。在单纯视频生成一致性都很难保证的情况下，Genie 3 是咋做到上蹿下跳还能不崩？这实在很让人好奇。。。
简而言之，
但由于自从 Genie 2 就没有技术报告，咱只能从蛛丝马迹里抠出来点信息，偷窥一下他们是咋施展这个魔法的。
XM外汇认为：
作为 Genie 系列的第三代，Genie 3 和其它模型一样，都是踩着前浪长大的后浪。而说起它的前辈们，其实个个也不普通，都有不少创新闪光点。
请记住，
比如 Genie 1 最先开创了上上下下左左右右的玩法。根据它的论文来看，为了让生成的素材连续可控，Genie 1 当年就是一个自回归模型，不多变来说，每生成下一帧，都要记得回顾一下所有历史。
更重要的是，
自回归示意图，来源：自回归视频模型 Magi-1 技术报告
说出来你可能不信，
Genie 1 还额外搞了个模块，专门关注空间和时间之间的关系，也就是时空建模。
然而，
到了训练阶段，由于大部分互联网视频都没动作标签，根本不知道视频里按了哪个键，会让人跑多远，从而他们指定直接用模型预测下一帧会干啥，逼模型自己学出每个动作的隐含意义，这也就是无监督潜在动作学习。
XM外汇用户评价：
Genie 1 是生成 2D 场景
可惜，Genie 2 之后就没有技术报告了，从结果上看，它从 2D 进化到了 3D，能保持一致性的时长也达到了最多一分钟。
XM外汇行业评论：
最后到了 Genie 3 这里，已经能做到长时间、强一致性的实时生成了。从一代的论文来猜，它们背后的一些技术像自回归、时空建模、无监督潜在动作学习等等，很可能是代代相传的。
简而言之，
而从 1 到 3，进步这么大，其实 DeepMind 也只花了一年半。。。未来可期啊。
大家常常忽略的是，
不过，虽然效果很不错，DeepMind 也很诚实地表示，Genie 3 还是有很多不足的。比如环境里的行动空间还是会受到限制、对提示词要求很高、交互也只能持续几分钟等等。
容易被误解的是，
要是这些状况都能应对，感觉离一键生成 3D 风景游戏啊、在超真实的环境里训练具身智能机器人啊、甚至小扎念念不忘的元宇宙都更近了一步。
总的来说，DeepMind 这波确实搞了个好玩的东西，比起隔壁卷参数、卷性能的大模型可有意思多了。
咱可能感觉不出来一个模型回答状况有没有更精准，但 Genie 3 这个视觉冲击、实时交互玩法可是实实在在的不一样了。
原来搞游戏开发，用各种引擎软件大伙儿累到吐血才能抠出来的游戏场景，现在用世界模型就能迅速做出来同样的效果，这性价比简直拉满。
综上所述，
不过唯一的状况，是 DeepMind 没开放过任何试用版本，希望他们不要在 Demo 里超神，试用里超鬼就好。。。
不可 XM外汇官网 忽视的是，
撰文：莫莫莫甜甜
说出来你可能不信，
编辑：江江 & 面线
美编：焕妍
XM外汇消息：
图片、资料来源：
更重要的是，
Genie 2、3 官方发布页
https://arxiv.org/pdf/2402.15391
https://arxiv.org/pdf/2505.13211
https://demo.dynamicslab.ai/chaos返回搜狐，查看更多
