登录
美东时间10月27日周二，Google DeepMind正式发布新一代世界模型Genie 4，官方称其为迄今最逼真、交互能力最强的世界模型。与写一段提示词、等一条成片输出的视频生成模型不同，Genie 4是一个"实时运行"的世界：一句提示词生成可探索的虚拟环境后，你可以用键盘鼠标走进去，边逛边敲文字改天气、转镜头、加角色，世界持续演化而不是推倒重来。这次它第一次长出了声音——环境音、类似音乐的声效和能实时接话的角色对白，与画面同步生成。华尔街见闻Google DeepMind官网知乎
比Genie 3强在哪
官方演示的升级都指向"交互"而非单纯画质：自然语言实时改场景；物体碰撞、水流、植被摆动等物理行为更可信，生成角色的动作举止更接近真人。持续交互时长方面，官方表述为"几分钟的连续交互"，多家媒体报道最长约2分钟、约为Genie 3（约1分钟）的两倍。注意这些演示附带官方免责声明"结果仅作说明用途、片段经过剪辑缩短"，2分钟是口径内的上限而非稳定水平。华尔街见闻Google DeepMind官网
支撑这套实时体验的不是旗舰模型。谷歌官方称，Gemini Omni负责让模拟贴近真实世界的外观与行为，其他Gemini模型承担拆解指令、规划行动、维持世界连贯性的推理工作。据媒体报道，团队曾测试旗舰Gemini 4 Argon，但Genie 4的实时交互体验最终运行在对延迟更友好的轻量模型Gemini 3.8 Flash上。这透露出世界模型当前的竞争焦点：不是单帧多好看，而是系统能否以足够低的延迟持续理解场景并即时响应。Google DeepMind官网华尔街见闻
谁能用上、什么时候
Genie 4没有直接开放。官方计划以研究预览形式先向少量经审核的测试者开放，随后面向Project Genie中的Google AI Ultra订阅用户以及Gemini API和Google AI Studio的早期访问合作伙伴逐步开放，官网已上线等候名单入口。谷歌同时强调设置了严格的安全防护，所有生成的视频和音频都将嵌入SynthID水印。Google DeepMind官网华尔街见闻
官方说明书比演示更诚实
值得注意的是，发布当天Hacker News上的讨论帖拿下650多分、约400条评论，而讨论最集中的不是"像不像真的"，而是演示里"出画再回来就变了"的细节：骑龙飞行镜头转回后，城堡旁多出一座原本不存在的城堡；火车站旅客走过镜头换了模样；摩托车后座的头盔出画再入画时有时无；大理石胸像按重力早该侧翻，画面里却稳稳立着。知乎
这些观众观察与官方"当前局限"一节完全对得上：视觉细节和物体恒存性会随时间漂移，模拟运行越久、复杂提示编辑越多、场景切换越频繁越明显；可读文字通常只有在输入提示里描述过才会出现；多个独立智能体间的复杂交互、真实地点的精确模拟、实时音频准确性都被列为未解决的研究问题。换句话说，Genie 4已经能让你走进一个场景并即时改变它，但还不能替你"记住"那个场景。部分自媒体"Genie 4实现了空间记忆、是真实版黑客帝国"的说法超出了官方口径，判断这类演示的现成标尺，就是盯着镜头离开某个物体再转回来的那几秒。Google DeepMind官网新智元
对游戏和机器人意味着什么
Genie 4发布再度把世界模型对游戏行业的冲击摆到投资者面前——今年1月谷歌推出Genie 3驱动的Project Genie原型后，Unity等游戏相关股票一度遭到抛售。华尔街见闻
但按谷歌自己的定位，它现阶段是"扩大创作可能性的工具"而不是替代者，影视用于特效预演，游戏用于写引擎代码前快速试美术风格和交互原型；DeepMind产品经理Diego Rivas表示，目标是扩大现有创作方式的可能性，而非宣告行业生产流程被取代。机器人训练被官方列为主要方向：让Gemini拆解任务步骤、Genie 4实时渲染成模拟环境，为具身智能提供近乎无限的训练场地。但训练机器人恰恰最依赖物理准确性，而这正是Genie 4连胸像该不该倒都算不准的地方。华尔街见闻Google DeepMind官网
官方的长期叙事是"探索无限逼真环境是迈向AGI的关键踏脚石"。就今天而言，Genie 4的真实位置是：视觉真实感已经强到让人相信，镜头之外维持一个自洽物理世界还差得远；它从"生成一段视频"跨到了"实时运行一个世界"，而能否商用，取决于长期一致性、物理准确性和后续开放节奏这三个还没越过的坎。Google DeepMind官网
