你推开一扇门，走出去三十秒，再转身回来。门还开着。
这个细节来自 a16z 合伙人 Justine Moore 的水下实测：推门离开 30 秒再回来，门依然开着。新智元
听起来平平无奇，却正好戳中视频模型和世界模型的分界线：前者生成一段看完就结束的片子，后者得记住自己刚才生成过什么。
10 月 27 日深夜，Google DeepMind 发布 Genie 4 研究预览版，官方称它是“迄今最逼真、交互能力最强的世界模型”。华尔街见闻
演示里，你能用键盘控制镜头，用一句话改天气、加人物，画面和声音一起实时生成。
但同一场发布里，另一件事没那么体面。演示中的角色对话，听起来像老式文本转语音；键盘控制的也更像镜头，而不是角色。
一边是“门记得开着”，一边是“人声还很假”。这两个细节放在一起，比“游戏引擎已死”更接近 Genie 4 现在的样子。
它到底新在哪
以前的 AI 视频，提示词敲完，时间线就锁死了。Genie 4 生成的是一个持续运行的环境。你走进去，移动、转身、开门，画面会跟着长出来。
发现不对，还能直接打字改：下雪、加个人、把镜头拉远。模型不会重新生成整个场景，而是在当前画面上接着往下演。
第二个变化是声音。Genie 4 能在生成世界的同时，原生生成音乐、环境音和交互式对话。骑龙那段演示里，风声和龙翼拍打声都跟着画面一起出来，不是后期贴的。智东西
最关键的变化藏在幕后。Genie 4 没有硬让一个模型包办所有事，谷歌塞进了一个 Gemini：Gemini 3.8 Flash 在生成过程中持续看画面，把目标拆成步骤，检查做到哪一步。
Gemini 4 Argon 负责更复杂的任务规划，Genie 负责把计划变成看得见、听得到的场景。
官方管这叫“混合世界模型”。翻成大白话，就是大小脑分工：一个想下一步该干什么，一个负责把世界演出来。机器之心Google DeepMind
还没解决的三件事
第一是一致性。短时间能撑住，跑久了、改多了，物体可能漂移，细节可能对不上。智扣GEO
这次模拟时长翻倍到 2 分钟，比上一代长，但离“无限世界”还很远。华尔街见闻
第二是控制。演示里方向键到底控制角色还是镜头，不同人看出了不同答案。玩家要的是“我按了，角色就这么动”，不是“模型觉得这样动比较合理”。
第三是声音。能生成音频，和让人声像人，是两码事。难处也很直接：取得不错的效果已经相对容易，想做到真正出色却非常困难。机器之心
引擎不会死，但会换一种活法
“游戏引擎已死”这个说法，来自演示的冲击力，不是来自游戏本身。
游戏好玩，不只是因为画面真。《博德之门3》的乐趣，在于规则咬合后长出的分支；《塞尔达》在于一套物理规则能被玩家反复利用。
这些东西是设计出来的，不是生成出来的。纯随机生成的内容，大概率不好玩。数字生命卡兹克
更可能的是分工变化：规则、数值、关卡目标仍然由人设计，场景细节、NPC 反应、过场演出交给模型现场生成。引擎不会消失，它会从“什么都得提前做”变成“规则层加生成层”。
谷歌给它的落地场景，也不只是拍视频。官方博客写得很清楚：给机器人和 Agent 造训练环境，以及新的互动体验。Google DeepMind
影视预演、游戏原型、工业模拟，是测试者已经在试的方向。机器之心
对普通人来说，Genie 4 短期内还用不上。它现在只对受信任的测试者开放，之后才轮到 AI Ultra 用户和 API 早期伙伴。Google DeepMind
但那个“推门回来，门还开着”的瞬间，确实值得记住。它说明 AI 开始能维持一个不专属某段视频的空间。离“走进去就不想出来”还很远，可门已经开了一条缝。
