每日AI简报，10月28日：Genie 4 以受限访问形式发布，Gemini Robotics ER 2 开启预览

本周，Google 在二十四小时内将两个物理 AI 模型纳入预览，却给它们设置了方向相反的准入限制。Genie 4 是 Google DeepMind 的世界模型，可生成音画同步、可操控的场景；它于 2026 年 10 月 27 日宣布面向一小群受信任的测试者开放，需排队候补，且未公布价格。Gemini Robotics Embodied Reasoning 2——即 ER 2，Google Cloud 同日将其推向公开预览的机器人高层规划器——附带模型 ID、文档页面，以及任何 Cloud 客户都能完成的注册流程。两者都是预览版。但今天只有其中一个有门可进。

这种不对称性才是本周的核心看点，其意义超过任何一个模型本身。谷歌正在拼装物理AI技术栈的两半：一个能够制造经验的世界模型，以及一个能够针对真实机器人进行规划的具身推理模型。这两半相隔一天发布，并由公司两个不同部门在两种不同的访问机制下分发。下文是一份简报，而非评测——下文每个数字都标注了其出处。

第1项——Genie 4，以及发挥作用的三个主张

DeepMind 的这篇博文数据寥寥，关于能力的宣称却长篇累牍。其中有三点至关重要：

• 原生音频。 Genie 4 在生成画面的同一遍中生成环境音效、音乐和互动对话，而不是事后为无声模拟配音。它是 DeepMind 首个做到这一点的世界模型。

• 实时引导。在世界运行过程中，一条键入的指令可以移动镜头、改变天气或引入角色，而 Gemini 模型会根据当前屏幕上的内容调整该指令。

• 更长的窗口期。 流传的数字大约是两分钟的场景一致性，是 Genie 3 的两倍。这个数字来自发布会简报，而非博客：谷歌自己的文本称该模型可维持“短时会话”，并未以书面形式给出具体时长。请将两分钟视为有厂商背书的报道数字，而非规格参数。

结构上的这一新增比音频部分更容易被忽略。Gemini Omni 将模拟锚定在真实世界的外观与行为之上，而 Gemini 3.8 Flash则处于这一循环之中，观察生成的帧，将目标拆解为若干步骤，并在场景发生偏离时重新规划。在谷歌选择公开的演示中，Gemini 4 Argon 拆解了一项任务，随后由 Genie 4 实时模拟，并由 Apptronik Apollo 人形机器人下跳棋。这与视频生成器是截然不同的产品：生成器用一个片段回应一条提示词，而生成器加规划器则以一串经过校验的状态回应一个目标。

Google没有公布的内容，与它公布的内容同样重要。没有分辨率，没有帧率，没有参数数量，没有延迟测量，没有基准分数，也没有价格。本周发布的每一份“Genie 4 更逼真”的对比，都只是对演示视频和功能列表的对比，因为在受信任测试者群体之外，没有任何人测量过输出。Google确实承认了这些失败模式：在较长会话中以及经过反复编辑之后，细节和对象持久性会发生漂移，空间准确性并不完美，场景内文字常常难以辨认，音频准确性也仍未解决。所有生成的视频和音频都带有 SynthID 水印。

第2项——Gemini Robotics ER 2，你现在就能报名参与

ER 2 作为一个模型，本周并不算新——Google 于 2026 年 7 月 30 日以有限私有预览的形式推出了它——但 10 月 27 日的公告才是改变谁可以使用它的那一个。现在，它已通过 Model Garden 在 Gemini 平台上进入公开预览，并可在 Agent Studio 中试用，模型 ID 为 gemini-robotics-er-2-preview。

谷歌将其定位为机器人的高层大脑，而非控制器。它把空间与时间的视频理解、长时程规划和安全护栏整合进一个编排层：开发者将底层控制接口——视觉-语言-动作模型、导航 API、自定义函数——声明为工具，由 ER 2 在其之上进行规划。它还会对任务进度进行分类，这正是机器人能够察觉某一步骤失败并重试、而无需重启整个工作流程的原因。

谷歌首推的供应商报告数据：

• 事件帧精确定位——在识别关键事件发生的精确帧方面，准确率为 91.3%，平均绝对帧距离为 0.96 秒。

• 执行速度——4倍，据描述仅为“许多更大模型类别计算成本的一小部分”。该句中未指明基准，因此这一倍数只具有方向性，而非可用于直接比较。

• 仪表读数——10+ 个类别，包括圆形表盘、视镜、数字显示屏、线性刻度和液体温度计，直接根据视觉输入读取。

• 安全性 — 根据 Google 自家的安全报告，在“安全指令遵循”上达到 97.9%，在“人类接近度（一米阈值）”上达到 93.0%。急停、护栏和力限制等物理防护仍由操作员负责；这些分数描述的是推理能力，而非硬件。

公告本身没有价目表，只有一个指向定价页面的链接。对于预览版模型来说，这很正常，而且这也是采购团队首先需要看到的数字。

这两个项目背后的模式

综合来看，这些公告描述的是一个正在公开构建、私下售卖的技术栈。世界模型只有在能够生成足够多样、可重置的体验，从而真正发挥作用时，才对机器人训练有用；机器人规划器只有在能够依据固定视频语料之外的东西进行评估时，才有用。谷歌显然正让这两者相互对接。同样明显的是，它还没准备好把其中任何一个交给未经审核的客户：Genie 4 仅限测试者使用，ER 2 仅限预览，且两者都没有正式可用日期。

这就给任何基于该技术栈进行构建的人留下了一个实际问题：哪些部分现在可以调用？

• 不可调用。 Genie 4：在等待名单开放或早期访问合作伙伴协议达成之前使用；Gemini Robotics ER 2：除非你准备基于 Google Cloud 上的公开预览版进行构建。

• 今日即可调用。 Gemini Robotics ER 1.6 preview已在 OrcaRouter 的目录中，Gemini 3.8 Flash 也在其中——它正是 Google 称为在环代理的那个模型，该代理负责检查 Genie 4 的帧并重新规划。两者都不是世界模型。两者都是这条流水线中负责推理的那一半，而且现在就可以试用，而不必等待候补名单。

OrcaRouter 通过单一 API 将这些请求路由到 200 多个模型，并按提供商标价以 0% 加价透传，因此 Google 的价格变更在发布当天就会进入我们的目录。自动故障转移在这里比平常更重要：预览级模型可能会被限流或撤下，而同一次调用背后的第二家提供商，正是实验与停摆之间的差别。当一条流水线需要在一次组合调用中使用规划器和另一个独立模型进行验证时，路由 DSL 是另一种选择。我们不托管 Genie 4，本简报中的任何内容都不应被理解为通往它的路由。

什么会改变这份简报？

有四件事能让 Genie 4 摆脱“演示”一栏，变成团队可以据此做预算的对象：一份公布的分辨率与帧率规格表；Gemini API 层级的价格；来自可信测试者圈子之外的首次独立测量；以及 Project Genie 向 AI Ultra 订阅用户交付 Genie 4——这是 Google 唯一点名过的消费者渠道。对 ER 2 而言，与之对应的事件是一份价目表和正式可用（GA）日期。

在此之前，诚实的总结是：Google 在同一周宣布了它迄今构建的最强大的世界模型，以及它已推出的最易用的机器人规划器，却把两者中更令人印象深刻的那一个放进了等候名单。你今天能调用的那个，是较小的那项发布。预览周通常就是如此。