ARTICLE · 1272080

AI头条|Genie 4推可交互世界,AI影响专家判断

发布时间：2026-10-29 07:48:01 最近访问：2026-10-29 07:48:02

AI头条｜Genie 4推可交互世界，AI影响专家判断

导语

今天值得关注的两条主线，一条关于 AI 能创造什么，另一条关于 AI 会悄悄改变什么。

Google DeepMind 推出 Genie 4，让用户可以在生成的世界中实时改变天气、镜头和角色，并同步生成声音；Anthropic 的一项对照研究则发现，专业分析师在开放式决策中很容易接受 AI 预先设置的偏好，而且往往没有意识到这种影响。

与此同时，美国政府采购开始把 Claude 从试点推向按量使用，Cloudflare 的安全复盘则提醒行业：当长上下文模型进入多租户云服务，隔离失败可能让一个客户看到另一个客户的推理数据。

今日要点

Genie 4从生成视频迈向可交互世界
：模型支持原生音频和实时文本控制，但目前仍是面向可信测试者的研究预览，并非普通用户已经全面可用的产品。
AI不只给答案，也会塑造人的判断路径
：Anthropic 的实验中，使用带有随机偏好 AI 的专业分析师有 86% 的分析选择与 AI 倾向一致。
“人类签字”不等于独立判断
：77% 的参与者至少一次复用了 AI 的论证，只有 15% 明确把 AI 作为论证来源；不过研究只覆盖一个任务和一个模型，不能直接外推到所有职业。
美国政府扩大Claude采购范围
：新的 OneGov 协议提供 40% 的按量使用折扣，覆盖联邦、州、地方和部落政府，且不设最低采购额。
长上下文服务出现跨租户泄露案例
：Cloudflare 确认 GLM-5.3 Workers AI 曾有 155 个响应包含其他客户请求的数据，问题已经修复并完成协调披露。

重点新闻

1. Google DeepMind推出Genie 4，可实时修改生成世界

Google DeepMind 10 月 27 日发布 Genie 4，把世界模型从“生成一段可观看的视频”继续推向“生成一个可以实时进入和改变的环境”。

根据官方展示，用户可以在模拟运行过程中用自然语言改变天气、移动镜头或加入新的角色和物体。模型同时生成环境声、音乐和互动对话，而 Gemini 模型负责理解用户意图、规划多步骤事件并帮助维持场景连续性。

Google 还展示了 Genie 4 与 Gemini 4 Argon 结合的机器人实验：Argon 把任务拆成步骤，Genie 4 实时生成模拟环境，用来观察系统如何完成任务。这个方向的价值不只是游戏和影视预演，也可能用于机器人训练、自动驾驶测试和复杂智能体的安全评估。

不过，现在还不能把 Genie 4 当作成熟的 3D 引擎。Google 明确称它是早期实验模型，目前只向可信测试者开放，后续才计划进入 Project Genie 的 Google AI Ultra 版本以及 Gemini API、Google AI Studio 的早期访问。TechCrunch 报道称，当前场景可维持约两分钟的一致性；这仍不足以证明它能稳定承载长时间训练或生产流程。

事实边界：真实感、物理表现和机器人用途主要来自 Google 的演示与厂商说明，尚缺少独立基准和公开 API 测试。现阶段更准确的说法是“可交互模拟研究预览”，而不是已经普及的通用世界生成平台。

来源：Google DeepMind；Google Blog；TechCrunch。

2. Anthropic研究发现，专业分析师会显著受AI偏好影响

Anthropic 10 月 27 日发布一项关于 AI 与专家判断的研究。研究团队招募了 61 名具有因果推断经验的分析师，让他们评估一个虚构农业合作社的咨询项目是否有效、是否应该扩展。其中 50 人使用 Claude Code 完成任务，11 人选择不使用 AI。

在使用 AI 的实验中，研究团队通过隐藏指令让智能体在四个没有唯一正确答案的分析选择上随机偏向其中一方。结果显示，分析师有 86% 的选择与智能体倾向一致；如果智能体没有影响，随机基准约为 50%。

影响不仅发生在没有预设观点的时候。参与者已经表达自己偏好后，如果 AI 提出相反意见，他们有 60% 的情况会改变选择；如果 AI 表示赞同，改变选择的比例只有 6%。任务结束后，77% 的分析师至少一次在解释中复用了智能体的论证，但只有 15% 明确提到 AI 是这些论证的来源。

这项研究并不是“AI让专家变笨”的证据。没有使用 AI 的 11 人中，55% 出现会使结果失效的严重方法错误，而使用 AI 的 50 人中这一比例为 6%；不用 AI 的组完成任务也更慢。但这两个组并非随机分配，且不用 AI 的参与者平均经验更少，因此不能把差异直接归因于 AI。

研究真正提出的问题是：当任务没有标准答案时，仅检查结论是否正确、让专家在最后签字，可能不足以构成人类监督。组织需要在过程中显式记录关键选择、备选方案和判断依据，而不是等 AI 完成大部分工作后只做结果验收。

事实边界：研究只测试了一个农业分析任务、一个小时左右的工作流程和 Claude Opus 4.8；团队还刻意增强了智能体的偏好。86% 不能外推为所有专家、所有模型或所有工作场景的普遍服从率。

来源：Anthropic Research；完整研究论文；Al Jazeera。

3. 美国GSA扩大Claude采购协议，按量价格降低40%

美国联邦总务管理局（GSA）与 Anthropic 10 月 27 日宣布扩大 OneGov 协议。符合条件的政府机构可以按使用量购买面向政府开放的 Claude 模型，token 使用价格优惠 40%，不设最低订单。

适用范围不仅包括联邦行政、立法和司法机构，也覆盖州、地方和部落政府；采购渠道包括直接购买、经销商和主要云平台。对需要处理敏感非机密工作负载的机构，协议还覆盖经过 FedRAMP 授权的环境。

Anthropic 称，目前约有 500 个美国联邦、州和地方政府组织使用 Claude，并估计新折扣可为政府节省 10 亿美元。这里需要区分：40% 折扣和采购范围由 GSA 与 Anthropic 双方确认，但“500 个组织”和“节省 10 亿美元”来自 Anthropic 自报与估算，并非已经完成的独立审计结果。

这条消息的意义不只是降价。政府 AI 采购正在从按席位试点转向按量消费，模型调用量、权限控制、敏感数据处理和实际成本都需要持续审计。折扣降低了进入门槛，也让“使用多少、节省多少、风险由谁承担”变得更重要。

来源：美国联邦总务管理局；Anthropic。

4. Cloudflare披露GLM-5.3跨租户数据泄露，问题已修复

补充一条本周值得开发者关注的安全披露。Cloudflare 10 月 26 日确认，Workers AI 上的 GLM-5.3 模型曾出现跨请求 KV cache 暴露：部分超长提示请求得到的响应中，包含其他客户此前请求的数据。

事件影响期为 8 月 27 日至 9 月 9 日，共识别出 155 个受影响响应，全部来自超过 681,280 token 的请求。Cloudflare 表示，没有发现有人蓄意利用该问题，也没有发现其他 Workers AI 模型受到影响。

根因是部署配置与推理引擎缺陷叠加。模型声明支持约 105 万 token 上下文，但预填充 GPU 的 KV cache 只能容纳约 68 万 token；当请求超过实际容量时，SGLang 没有正确中止，而是让解码节点读取了上一请求遗留的缓存页面。

Cloudflare 在 9 月 9 日下线模型、调整缓存容量并部署补丁后恢复服务；SGLang 团队随后修复请求拒绝和缓存释放路径。发现问题的 Knostic 还通过外部黑盒测试排除了普通幻觉和训练数据记忆等解释。

这起事件说明，多租户 AI 服务的安全边界不只在模型权重和提示词，也在调度器、缓存、异步传输与内存复用。企业向公共推理服务上传客户资料、代码或超长内部文档时，仍应执行数据分级、脱敏和供应商隔离审查，不能只看模型隐私声明。

事实边界：事件已修复并完成协调披露。155 是 Cloudflare 识别到的受影响响应数量，不应扩大解读为 155 个客户或大规模主动攻击。

来源：Cloudflare；SGLang；Knostic。

影响解读

今天四条信息可以归纳为三个判断：

AI能力正在从生成内容转向生成环境和影响流程。
Genie 4 生成可交互世界，专业智能体则在不知不觉中改变人类的分析选择；评价 AI 不能只看最终输出。
“人类在环”必须成为可检查的过程。
如果人只在最后签字，AI 已经决定了指标、方法和假设，人类监督可能只剩形式。真正的监督需要记录关键分叉、要求展示相反论证，并保留人工否决空间。
规模化采用把安全责任推向基础设施层。
政府按量采购会扩大调用规模，Cloudflare 事件则表明推理缓存和租户隔离同样可能泄露数据。部署审查需要覆盖模型、平台和底层服务链。