10月27日深夜，谷歌DeepMind放出世界模型Genie 4。官方定位只有一句话——「迄今为止最逼真、交互性最强的世界模型」，新智元则直呼这是谷歌在深夜甩出的世界模型「王炸」。相比一年前刷屏的Genie 3，这次谷歌把「造世界」往前推了一大步。机器之心新智元
先讲最重要的区别：Genie 4不是Sora、可灵那种「视频」，而是一个能走进去、还能实时上手改的「世界」。视频生成完就被固定在时间线上，只能往下看；而这里你可以用键盘控制角色和镜头、用文字指令改天气、加物体、加人物，世界接着新设定继续运转，不用重新生成。官方演示里操作就是你熟悉的「双摇杆」：左下角WASD控制移动，右下角方向键控制视角。一句话总结：AI正在从「会拍片」进化到「会过日子」。AI前线数字生命卡兹克
这次有三件事值得细看。第一，世界突然有了声音：Genie 4是谷歌首个能原生生成实时音频的世界模型，环境声、音乐、人物对话跟着画面一起「长」出来，不是后期配音。骑龙演示最直观：第一人称以140公里时速驾龙俯冲掠过古堡，振翅声、高空风声、远处火山声一并灌进耳朵。机器之心新智元
第二，物理开始像真的了：完整的西瓜放在石台上，枫树种子旋转着落进草地。让大理石半身像直接砸向西瓜，砰一声闷响、瓜瓤汁水四处飞溅，从重力冲击到碎片轨迹都实时还原。谷歌称对空气动力学、碰撞的模拟明显改进，人物动作的自然程度提升最大，角色能对周围环境作出反应。AI前线新智元机器之心
第三，架构上最大的变化：把Gemini塞进了世界里。Gemini 3.8 Flash充当谷歌所说的「引导智能体」，不断观察画面、把目标拆成步骤、逐帧检查、环境一变就当场改计划。Gemini负责思考和规划，Genie负责视觉、声音和动态反馈——这套「混合世界模型」才是这次发布的骨架。Gemini 4 Argon甚至能把「走一步红棋」拆成22步毫米级动作剧本，注入生成流里指挥Apollo人形机器人行云流水地下跳棋——这是在给具身智能搭训练场。机器之心新智元
那么，普通用户什么时候能玩上？答案挺扫兴：目前只向部分受信任测试者开放研究预览，未来将通过Project Genie提供给Google AI Ultra订阅用户，再向Gemini API和Google AI Studio的早期合作伙伴开放。想尝鲜的，要么冲Ultra，要么再等等——目前单次连续世界最长约2分钟，比上一代翻了一倍。机器之心AI前线新智元
谷歌官方自己先泼了冷水：DeepMind在官方博客明确承认，Genie 4仍是一项早期研究成果。最大的坎是长期一致性——用卡兹克的比喻：你刚才看到一个穿白色背带裤的人，转一圈回来，背带裤可能变色了。复杂物理交互、音频准确性、文字渲染、空间精度都还在补课，而且运行中的世界要持续烧推理算力，生成的视频音频会带上SynthID数字水印。机器之心数字生命卡兹克
社区也有清醒派：与其看精挑细选的演示片段，更想看到一个普通人在网上直接直播用Genie 4，现场接受观众的随机要求。机器之心
热闹之外，更实际的信号在内容产业：早期测试者已在探索影视预演、历史场景重建、游戏原型制作和工业模拟。拿到测试权限的a16z合伙人Justine Moore说，创建一个世界通常不到30秒，在海底洞穴点一下「幽灵海盗现身」，海盗船长的亡灵当场出现。机器之心AI前线新智元
但硬币的另一面同样清晰：开放世界游戏里你能触发哪些事件、跟NPC产生哪些互动，哪怕做得再细致，海量内容仍然需要开发团队提前设计。不过卡兹克那句提醒值得记住：纯粹随机生成的内容大概率不好玩，规则才是王道。Genie 4挑战的不是游戏引擎，是「一切内容必须人提前做出来」这个前提本身。数字生命卡兹克
全息甲板还很远，但这回，门把手真的摸到了。
