登录
先是一个第一人称骑龙的镜头。黑龙以 140 公里的时速穿过群山，风声、振翅声和远处的火山轰鸣一起涌进来。画面左下角是 WASD，右下角是方向键——这不是一段剪好的视频，而是一个可以用键盘走进去的世界。
10 月 27 日，谷歌 DeepMind 发布 Genie 4，称它是“迄今为止最逼真、交互性最强的世界模型”。目前它只向受信任的测试者开放研究预览。
但演示越流畅，越容易漏掉另一组信息。官方博客没有给出分辨率、帧率，也没有给出单次模拟能稳定运行多久。
多家国内媒体提到，单个场景最长大约两分钟。DeepMind 研究总监 Tejas Kulkarni 也说，两分钟能做到的事情终究有限。 这句话几乎就是整场发布的注脚。未来图灵
Genie 4 把世界模型的感官体验往前推了一大步，但它的记忆和因果，仍然只够撑一小段时间。
这次不是视频变清晰了
可灵、Veo 这类 AI 视频工具，生成完就固定了，你只能沿着它已经确定的时间线往下看。Genie 4 不一样：它一边生成，一边接受键盘和文字输入。
你往前走，它就生成前面的世界；你输入“把天气改成下雪”，它不会重新生成整个场景，而是接着当前画面往下推。
官方把这次的变化拆成四块：实时用自然语言改场景、更逼真的物理和人物动作、原生音频，以及由 Gemini 支持的复杂事件推理。Google DeepMind
真正让世界“活”起来的，是 Gemini 被塞进了生成循环。Gemini 3.8 Flash 会不断观察画面，把目标拆成多个步骤，检查每一步是否已经完成，并在环境发生变化时调整后续计划。机器之心
谷歌把这条路线叫“混合世界模型”：Gemini 负责推理和规划，Genie 负责把计划变成画面、声音和动作。Google DeepMind
官方演示里，Gemini 4 Argon 把“让 Apollo 机器人下跳棋”拆成步骤，Genie 4 把每一步渲染成画面。
会说话，也会忘事
这次最直观的升级是声音。Genie 4 是谷歌首个原生生成实时音频的世界模型，环境声、音乐和人物对话都跟画面一起生成。机器之心
但声音解决的是感官，不是记忆。官方博客承认，Genie 4 只能在短时间会话里维持连贯；模拟跑得越久、改得越多、走得越远，视觉细节和物体持续性越容易漂移。Google DeepMind
复杂物理交互、实时音频准确性、可读文字渲染、空间精度和长期一致性，也都被官方列为仍在研究的问题。
换句话说，Genie 4 能让你听见这个世界，但还没法让这个世界记住自己。
先别喊游戏引擎已死
发布后，最容易出现的标题是“游戏引擎已死”。这个判断下得太早。Genie 4 目前只对受信任测试者开放研究预览。 后续才会向 AI Ultra 和 API 合作伙伴开放。Google DeepMind
更现实的机会在开工前：用一句话生成一个可探索的场景，快速试氛围、镜头、角色反应，再决定要不要投入建模和关卡制作。
但这省不掉后面的工程。游戏引擎需要可控的状态、规则、输入响应、性能预算、存档和可复现测试。
世界模型的画面逼真，并不自动保证碰撞规则准确、任务逻辑一致，或团队能精确修改与复现某一次结果。 所以，Genie 4 更像一个“草稿世界”，而不是运行时引擎。知乎
它可能改变游戏开工前的两小时，但短期内改不了游戏上线前的最后两年。
真正的赛场是机器人和智能体
谷歌自己在博客里，把“给机器人和智能体造训练环境”放在了靠前的位置。
前提是一致、可控。Genie 4 已经能生成一个看起来真实、听起来也真实的世界。
下一步，是让这个世界在没人提醒的时候，仍然记得自己刚才发生了什么。
等它能记住两分钟前被踢翻的那把椅子，游戏引擎的讨论才真正开始。在那之前，它是一个很好的草稿世界，不是一个世界。
