什么值得买App下载 App ›
连续签到专享现金活动

别被夸大宣传忽悠!谷歌Genie 4当前技术局限与避坑指南

美东时间10月27日,Google DeepMind 发布了新一代世界模型 Genie 4,官方称它是"迄今最逼真、交互能力最强的世界模型"。打一行字让场景下雪、再打一行字让角色开口说话,镜头还能在生成的世界里自由穿行——演示确实惊艳。但在"黑客帝国来了""游戏公司末日"一类论调刷屏之前,先看清三个写在官方材料里的事实。华尔街见闻

它仍是研究预览,目前只向少量经筛选的测试者开放;单次会话上限约2分钟;官方博客"当前局限"一节自己承认,物体恒存性和长期一致性尚未解决。被夸大的不是技术本身,而是被顺带推销的"即刻可用"。36氪知乎知乎

这一代真正的升级有三件事,每件都比前代多落了一步。一是声音:Genie 4 是 DeepMind 首个原生生成音频的实时世界模型,环境音、音乐和能回应用户输入的角色对话随画面一起生成,不再需要"先出画、后配音"。二是用语言实时改世界:模拟跑起来之后,可以中途改天气、移动镜头、往里加人或物体,系统在运行中的场景里执行指令,而不是重新生成一段。三是 Gemini 进环:Gemini Omni 为画面提供贴近现实的观感和行为,Gemini 3.8 Flash 充当引导代理,把复杂目标拆成步骤、观察新生成的画面并逐段检查进度。据报道,谷歌团队曾尝试用旗舰模型 Gemini 4 Argon,最终实时体验跑在更轻量的 3.8 Flash 上——延迟是这条管线的第一法则。也别把它和 Veo、Sora 这类视频生成模型混为一谈:后者一次生成、生成中无法插手,世界模型则跟着你的按键和指令逐帧算,"前后一致"才是最难的指标。知乎36氪华尔街见闻

避坑的第一条,就出在数字上。约2分钟的会话上限,是谷歌向媒体传达的说法,TechCrunch、华尔街见闻等口径一致,约为 Genie 3 的两倍。但官方博客没有公布任何一个性能数字——没有分辨率、没有帧率、没有生成时长,连一段不受剪辑控制的完整演示都没有,这次也没有发论文。连"2分钟"本身的表述在不同页面间都有出入:模型页的限制里写的是"支持几分钟的连续交互",有开发者据此推测,媒体对比的 Genie 3"1分钟"是 Project Genie 产品体验的上限,未必是研究版能力的口径。华尔街见闻知乎知乎

在官方参数缺位的情况下,目前唯一具体的实机数据来自 a16z 合伙人 Justine Moore 的演示画面:帧率面板显示当前 24.6 FPS、最低 17、平均 23.8,创建世界通常不到 30 秒。这出自一位拿到提前访问权限的测试者个人实测,不能直接外推到产品开放后的普遍体验;反过来拿老参数套新一代同样站不住——社区里有观点就拿 Genie 3 官方自报的 720p/24fps 倒推,但提出者自己也注明"未独立复现"。36氪知乎

第二条坑:演示是"真"的,世界不是"记住"的。发布当天 Hacker News 上 650 多分、约 400 条评论的讨论,焦点不是画面像不像,而是不一致:骑龙场景镜头转回,城堡旁多出一座原本不存在的城堡;火车站旅客走过镜头再出现就换了模样;摩托车后座的人出画前没戴头盔、回画后戴上了;一尊大理石胸像按重力早该侧翻,画面里却稳稳立着。这些是评论者观察,视频可能经过挑选剪辑,并非官方测试结果——但与官方自己承认的局限逐条对得上:随着模拟持续推进,画面细节和物体可能发生漂移,复杂物理互动、可读文字以及长时间维持环境一致性等问题仍有待解决。根源在架构:Genie 系列的物理模拟仍是模型根据学到的世界规律生成结果,并不意味着所有物理过程都经过精确计算,它的背后没有可导出的显式三维场景。所以看这类演示时有个廉价的检验法:盯住某个物体被镜头甩出画面再回来的那几秒——出画回画,是这类模型最容易露馅、也最诚实的地方。知乎华尔街见闻36氪

第三条坑:把应用场景放错位置,拿"草稿工具"当"产能"。官方列给测试者试的四个方向——影视特效预演、游戏原型验证、教育场景生成、机器人模拟——有个共同点:要的是"快速看到一种可能",不是"准确复现某个确定的东西"。同一条多出城堡的画面,在分镜草稿里只是废掉一行重跑,在工程现场或工业仿真里就是错误结论。官方演示里 Gemini 4 Argon 指挥 Genie 4 逐步模拟 Apollo 人形机器人下跳棋,能证明的是模型听得懂很细的指令,不是力学是对的;机械臂抓取依赖精确的接触力和摩擦,而 Genie 4 没有显式物理引擎。DeepMind 产品经理 Diego Rivas 的原话比营销文案冷静得多:Genie 4 的目标是扩大现有创作方式能够实现的可能性,而非宣告相关行业的生产流程已经被全面取代。36氪华尔街见闻

市场为误读付过一次学费:今年1月谷歌推出由 Genie 3 驱动的 Project Genie 原型后,市场便开始担忧传统游戏引擎的商业模式会被冲击,Unity 等游戏相关股票一度遭到抛售。这次 Genie 4 发布,游戏股再迎 AI 冲击——而谷歌自己先把这项技术定义成仍待评估的实验性能力,而非上架的产品。华尔街见闻微博

落到普通用户和从业者身上的避坑清单,其实就几条:

  1. 今天不存在"用上 Genie 4"的正规途径。官方路线是受信任测试者、未来数周面向 Google AI Ultra 订阅用户开放、再向 Gemini API 和 AI Studio 早期合作方开放。参照前代节奏,Genie 3 从研究预览到 Project Genie 可体验隔了将近半年。此刻向你兜售的"Genie 4 教程、入口、代做游戏",都应先打一个问号。36氪知乎

  2. 别把官方演示当采购或部署依据。等正式性能参数公布、等第三方复现,世界模型的"演示帧率"和"开放后帧率"经常不是一回事。

  3. 别把"2分钟"当典型体验,也别用 Genie 3 的参数外推 Genie 4。时长是一致性的上限而非平均值,数字要连同口径一起看。

  4. 看到以假乱真的"实拍"内容,先默认它可能是 AI 生成的。Genie 4 的全部生成音视频都嵌了 SynthID 水印,但检测工具不对公众开放,普通人可以验三样:物体出画回画是否一致、声音是否跟得上画面、镜头敢不敢转回去。知乎

  5. 从业者按容错率选场景:影视预演、游戏原型、教育草稿是现在能试的;机器人底层控制策略训练、工业仿真和现场取证依据,都不在它当前的能力范围内。

要不要持续关注这项技术,看三个节点即可:官方博客是否补发性能参数、Ultra 订阅开放是否如期、API 早期访问是否真正兑现。最后一条尤其关键——世界模型若以 API 形式开放,"生成一个可交互环境"就会变成可调用的能力,届时世界能否导出、能维持多久、单次调用成本多少,会比画面真不真更要紧。Genie 4 证明的是"实时、音画同步、可语言编辑"这条管线能跑通,还没证明的是它造出的世界记得住。后者才是这项技术与宣传话术之间的真实差距,也是决定你要不要为它掏钱、押注或轻信的分界线。

评论

评论区空态插画

当前文章无评论,是时候发表评论了