AI圈报
模型发布 / 更新普通

Google DeepMind 发布 Genie 4 实时世界模型，原生生成音频并由 Gemini 3.8 Flash 在循环中规划

信息来源：MarkTechPost（RSS）·
Gemini
原始标题：Meet Google DeepMind’s Genie 4: Real-Time World Model With Native Audio

内容摘要

Google DeepMind 发布 Genie 4 世界模型研究预览，可从文本和图像提示实时生成可探索世界，并原生生成环境音、音乐和角色对话。架构上由 Gemini Omni 锚定世界外观，Gemini 3.8 Flash 在模拟循环内解释提示、拆解目标、校验帧并重规划。
内容分类AI 模型发布与更新
内容层级普通情报
发布时间（北京时间）
本站收录时间（北京时间）
信息来源MarkTechPost（RSS）
站内情报编号intel-374eeb437488b864e5e17393
阅读原始信息 ↗查看数据来源更多模型发布 / 更新

相关推荐

综合分类、实体标签与信息来源匹配

模型发布 / 更新普通
Google 发布 Gemini 4 Argon API，输出上限达 1M tokens
Google DeepMind 向开发者、企业和付费订阅用户开放 Gemini 4 Argon，这是一款稀疏 MoE 前沿模型，单次响应最多可输出 1M tokens，输入与输出共享 1M 窗口。
信息来源：MarkTechPost（RSS） · Gemini
模型发布 / 更新普通
Google DeepMind 发布 EmbeddingGemma 2：基于 Gemma 4 的 740M 开源多模态嵌入模型
Google DeepMind 发布开源嵌入模型 EmbeddingGemma 2，可将文本、代码、图像、视频和音频嵌入统一的 768 维向量空间，基于 Gemma 4 架构，共 740M 参数，上下文窗口 8192 token，采用 Apache 2.0 许可。
信息来源：MarkTechPost（RSS） · Gemini
模型发布 / 更新普通
GPT-6 Astra、GPT-6.1 Sol、Gemini 4 Argon 与 Claude Fable 5.1 四款前沿模型对比：哪种任务选哪个
MarkTechPost 汇总对比 30 天内发布的四款前沿模型：Claude Fable 5.1（9 月 1 日）、GPT-6 Astra（9 月 3 日）、GPT-6.1 Sol（9 月 29 日）和 Gemini 4 Argon（9 月 30 日）。
信息来源：MarkTechPost（RSS） · GPT / Claude / Gemini
模型发布 / 更新普通
Cohere 发布 Embed 5 嵌入模型：Pro 与 Fast 双档对比 Voyage 4 Large、Gemini Embedding 2 和 OpenAI
Cohere 发布 Embed 5 嵌入模型家族，分 Pro 和 Fast 两档，均支持文本、图像及图文融合输入、100+ 语言和 128K token 上下文，两档共享同一向量空间，可用 Pro 建索引、Fast 查询。
信息来源：MarkTechPost（RSS） · OpenAI / Gemini
模型发布 / 更新普通
Google DeepMind 发布 Gemini 4 Argon：单次输出可达 1M tokens
Google DeepMind 发布 Gemini 4 系列首个前沿模型 Gemini 4 Argon，单次响应输出上限从 64K 提升到 1M tokens，面向长周期软件工程、法律金融企业知识工作和网络防御。
信息来源：MarkTechPost（RSS） · Gemini
模型发布 / 更新普通
Google 发布 Gemini 3.8 Flash TTS 和 Flash-Lite TTS，支持提示词语音设计
Google 发布 Gemini 3.8 Flash TTS 和 Flash-Lite TTS 两款文本转语音模型，已通过 Gemini API 和 Google AI Studio 提供。
信息来源：MarkTechPost（RSS） · Gemini
模型发布 / 更新普通
Google 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 语音智能体模型
Google 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款原生语音到语音对话模型，已在 Gemini Live API 和 Google AI Studio 上线，托管形式不提供开放权重。
信息来源：MarkTechPost（RSS） · Gemini
模型发布 / 更新普通
Google DeepMind 发布 Gemini 3.8 Flash 与 Gemini 3.8 Flash Cyber：同一核心模型、两种访问方式
Google DeepMind 发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber，两者基于同一核心智能，区别在于安全包络和访问方式。
信息来源：MarkTechPost（RSS） · Gemini
模型发布 / 更新普通
Google 发布 Gemini 3.5 Transcribe：85+ 语言平均 WER 2.6% 的语音转文本模型
Google 发布 Gemini 3.5 Transcribe 语音转文本模型，通过 Interactions API 和 Live API 分别提供预录文件与双向流式处理。
信息来源：MarkTechPost（RSS） · Gemini
模型发布 / 更新精选
Google DeepMind 发布实时交互世界模型 Genie 4
Google DeepMind 发布世界模型 Genie 4，主打实时交互模拟、更强照片级真实感，并首次在实时世界模型中原生生成音频，包括环境声和可实时交互的人物对话。
信息来源：Google DeepMind：Blog（RSS） · Gemini