每日 AI 快報，10 月 28 日：Genie 4 以限制存取形式登場，Gemini Robotics ER 2 開放預覽

本週，Google 在二十四小時內將兩款實體 AI 模型推入預覽，卻以相反方向為它們設下門檻。Genie 4，這個會生成可操控場景並同步聲音的 Google DeepMind 世界模型，於 2026 年 10 月 27 日對一小群受信任測試人員宣布，並設有候補名單，且未公布價格。Gemini Robotics Embodied Reasoning 2——ER 2，是 Google Cloud 同日移至公開預覽的高階機器人規劃器——附有模型 ID、說明文件頁面，以及任何 Cloud 客戶都能完成的註冊流程。兩者都是預覽版。今天只有其中一個有門可走進去。

這種不對稱才是本週的主線，重要性更勝於任一模型本身。Google 正在拼湊實體 AI 堆疊的兩半：一個能製造經驗的世界模型，以及一個能針對真實機器人進行規劃的具身推理模型。這兩半相隔一天發布，並由公司內兩個不同部門、在兩套不同的存取制度下提供。以下是一份簡報，而非評論——下方每一項數據都標明是由誰產製。

項目 1 — Genie 4，以及三個真正發揮作用的主張

DeepMind 的這篇貼文數字不多，卻滿是能力宣稱。其中有三點值得注意：

• 原生音訊。 Genie 4 在生成影格的同一次流程中，同時產生環境音、音樂與互動對話，而不是事後替無聲模擬配音。它是首個做到這點的 DeepMind 世界模型。

• 即時操控。 在世界運行時，輸入的指令可以移動攝影機、改變天氣或加入角色，而 Gemini 模型會根據螢幕上目前的內容調整指令。

• 更長的時間窗口。目前流傳的數字是約兩分鐘的場景一致性，是 Genie 3 的兩倍。這個數字來自發表會簡報，而非官方部落格：Google 自己的文章只說該模型能維持「簡短時段」，並未以書面寫下持續時間。請把兩分鐘視為有廠商背書的報導數字，而非規格。

這項結構性新增比音訊更容易被忽略。Gemini Omni 以真實世界的外觀與行為作為模擬的基礎，而Gemini 3.8 Flash則處於迴路中，觀察生成的影格、將目標拆解成步驟，並在場景出現偏差時重新規劃。在 Google 選擇公開的示範中，Gemini 4 Argon 分解了一項任務，接著由 Genie 4 即時模擬，並由 Apptronik Apollo 人形機器人下西洋跳棋。這與影片生成器是截然不同的產品：生成器用一段短片回應提示，而生成器加上規劃器則用一連串經過驗證的狀態回應一個目標。

Google 未公布的部分，與它已公布的部分同樣重要。沒有解析度、沒有幀率、沒有參數量、沒有延遲測量、沒有基準測試分數，也沒有價格。本週發布的每一項「Genie 4 更逼真」的比較，比較的都只是演示影片和功能列表，因為受信任測試者名單之外，沒有人實際測量過輸出。Google 確實承認了這些失效模式：在較長的會話中以及反覆編輯之後，細節與物體恆存性會漂移，空間準確度並不完美，場景內文字經常難以辨識，音訊準確度也仍未解決。所有生成的影片與音訊都帶有 SynthID 浮水印。

第2項——Gemini Robotics ER 2，你實際可以報名參加的

ER 2 作為模型，本週並非新推出——Google 於 2026 年 7 月 30 日以有限私人預覽形式推出——但 10 月 27 日的公告才是改變使用對象的那一則。它現在已透過 Model Garden 在 Gemini 平台上開放公開預覽，並可在 Agent Studio 中試用，模型 ID 為 gemini-robotics-er-2-preview。

Google 將其定位為機器人的高階大腦，而非控制器。它把對影片的空間與時間理解、長時程規劃以及安全護欄整合起來，包裝成一層協調層：開發者將低階控制介面——視覺－語言－動作模型、導航 API、自訂函式——宣告為工具，ER 2 便在其上進行規劃。它也會對任務進度進行分類，這正是讓機器人得以察覺某個步驟失敗並加以重試、而不必重新啟動整個工作流程的關鍵。

Google 優先引用的供應商回報數字：

• 事件影格精確定位 — 在辨識關鍵事件發生的確切影格方面達到 91.3% 準確率，平均絕對影格距離為 0.96 秒。

• 執行速度——4 倍，文中描述為「僅相當於許多較大型模型類別運算成本的一小部分」。句中未指明基準，因此這個倍數僅具方向性，並非可直接比較。

• 儀表讀值 — 10+ 種類別，包括圓形錶盤、視鏡、數位顯示器、線性標尺與液體溫度計，直接從視覺輸入讀取。

• 安全性 — 根據 Google 自家的安全報告，安全指令遵循率為 97.9%，而在一公尺距離門檻下的人員接近度為 93.0%。緊急停止、護欄與力量限制等實體防護措施仍屬操作人員的責任；這些分數所描述的是推理能力，而非硬體。

公告本身沒有價目表，只有一個連到定價頁面的連結。對預覽模型來說這很正常，而這也是採購團隊最先需要的數字。

這兩個項目背後的模式

綜合來看，這些公告描述的是一套「公開打造、私下販售」的技術堆疊。世界模型唯有能產生足夠多樣、可重置的經驗，才對機器人訓練真正有用；機器人規劃器唯有能對照固定影片語料以外的東西進行評估，才真正有用。Google 顯然正讓這兩者彼此對準。同樣明顯的是，它還不準備把其中任何一個交給未經審核的客戶：Genie 4 僅限測試者使用，ER 2 僅為預覽版，而且兩者都沒有正式全面推出的日期。

這就為任何在這個技術堆疊上開發的人留下了一個實際問題：目前哪些部分可以呼叫？

• 無法呼叫。 Genie 4：在候補名單開放或早期存取合作夥伴協議敲定前，皆無法呼叫。Gemini Robotics ER 2：除非你準備要在 Google Cloud 上以公開預覽版為基礎進行開發，否則無法呼叫。

• 今日即可使用。 Gemini Robotics ER 1.6 預覽版已收錄於 OrcaRouter 的目錄中，Gemini 3.8 Flash 亦然——Google 所指、負責檢查 Genie 4 畫面並重新規劃的迴路內代理，正是同一款模型。兩者皆非世界模型，而都是整條流程中負責推理的那一半，且現在就能實際操作，無須等候候補名單。

OrcaRouter 透過單一 API 將這些請求路由至 200 多個模型，並以 0% 加價轉嫁供應商的定價清單價格，因此 Google 的價格變動在公布當天就會反映到我們的目錄。自動容錯移轉在這裡格外重要：預覽層級的模型可能會受到速率限制或被撤回，而同一次呼叫背後有第二家供應商，就是實驗與服務中斷之間的差別。當管線需要在同一次組合呼叫中，同時用到規劃器和另一個獨立模型來做驗證時，路由 DSL 就是另一個選項。我們並未託管 Genie 4，本簡介中的任何內容都不應被解讀為通往它的途徑。

什麼會改變這份簡報？

有四件事能讓 Genie 4 從「demo」欄位移到團隊可以據以編列預算的狀態：一份公布了解析度與幀率的規格表；Gemini API 方案的價格；來自受信任測試者池之外的第一份獨立測量；以及 Project Genie 向 AI Ultra 訂閱者推出 Genie 4，這是 Google 唯一點名的消費者端介面。ER 2 的對等事件則是價目表與正式推出日期。

在那之前，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候补名单。你今天能调用的是那项较小的发布。预览周通常就是这样。