谷歌Genie4开放可互动:边逛边改、会出声的世界,谁能玩、为何比上一代更短
北京时间11月19日凌晨,谷歌在官方博客宣布,世界模型 Genie 4 开始向符合条件的 Google AI Ultra 订阅者开放,入口是实验产品 Project Genie,Google AI Pro 会员这次只能在同一页面加入候补名单。知乎36氪哔哩哔哩
和过去生成一条固定视频不同,这次开放的是你先走进那个世界:用键盘鼠标走动转镜头,探索途中随时打字改天气、加角色,画面当场跟着变,声音也是随世界实时生成的。但它也不是把上一代整个换掉——谷歌同时升级了 Genie 3,并把两个模型并排放进 Project Genie 的模型选择器:Genie 4 主打最高保真度,想逛得更久、从全景图起步的话,官方目前给的选项是升级后的 Genie 3。新浪36氪

交互时长上,Genie 4 反而比升级后的 Genie 3 短
开放当下,Genie 4 的画面、物理和原生音频最好,但它的模型页也把“交互时长有限”列为局限之一,目前只支持约一分钟的连续交互。知乎
谷歌这次给 Genie 3 做了三项升级:单次探索从原来的 60 秒延长到 3 分钟,多个世界能串起来连着走,能用 360 度全景照片当种子生成世界,探索途中还可以用文字触发事件。也就是说,想逛一个更大更久的世界,现在反而是 Genie 3 更耐用;要更真的画面和声音,才选 Genie 4。知乎
两代的参数也暂时对不上:Genie 3 在 2025 年发布时给过公开指标,每秒 24 帧、720p 分辨率的实时交互生成,支持持续数分钟的环境模拟。Genie 4 至今没公布分辨率、帧率和延迟,两者没法直接比。36氪

边逛边改的背后,是几个 Gemini 在分工
世界模型真正的难点不是画一张好看的图,而是这个世界经不经得起折腾:往左走视野怎么变、离开房间再回来那栋建筑还在不在。按 DeepMind 的说法,Gemini Omni 负责让模拟贴近真实世界的样子和行为,Gemini 3.8 Flash 在循环里当向导,把目标拆成步骤、看着新生成的画面判断每一步成没成。知乎
研究博客的演示里,Gemini 4 Argon 把任务拆开,驱动 Genie 4 模拟 Apptronik 的 Apollo 人形机器人下跳棋,相当于让一个擅长推理规划的模型去指挥擅长实时生成环境的模型——规划交给语言模型,画面交给生成模型。36氪知乎
官方还展示了测试者拿它做什么:拍电影的人在实时模拟里反复试镜头、灯光和台词,摄影记者把一张老照片变成能走进去的场景,游戏开发者在写引擎代码之前先用文字搭出能逛的原型。知乎
Project Genie 这次还上线了一个 Agent,你用对话描述想要的世界,它调动谷歌的多模态模型生成开场画面和配乐;社区画廊里别人做的世界可以直接进去玩,也能改了再发布。36氪知乎

谁能真的玩到:大陆用户暂时不在范围内
先把时间线摆正:DeepMind 10 月 27 日就发布了 Genie 4 的研究博客,当时只面向少量受信任的测试者做研究预览,并预告后续会给 Google AI Ultra 订阅用户以及 Gemini API、Google AI Studio 的早期合作伙伴——从官宣到真正对订阅者开放,中间隔了半个多月。36氪
入口在浏览器里就能打开,但门槛是订阅:按帮助中心的条件,你所在的国家或地区能买到 Google AI Ultra、本人满 18 岁;Ultra 可用国家和地区列表里有中国香港、中国澳门、中国台湾,没有中国大陆,大陆用户订不了 Ultra,也就用不了 Project Genie。没资格的账号只能进画廊看别人世界的短预览。知乎
档位的说法还留了口子:谷歌 5 月把 Ultra 拆成两档,推出每月 100 美元的新档、原来 250 美元的顶档降到 200 美元,当时写的 Project Genie 面向 200 美元档订阅者;这次博客只写“符合条件的 Ultra 订阅者”,100 美元档能不能玩 Genie 4 没有明确。用量上,每天有用量上限但具体数字没披露;因为还是早期研究原型,生成世界暂时不扣 AI 积分。知乎
安全上也没有松口:Project Genie 生成的视频和音频都带谷歌的 SynthID 水印,所有输入和输出都要过安全筛查。知乎
够不着它,国产开源世界模型是更现实的入口
腾讯混元 2025 年 12 月开源了 HY-World 1.5(WorldPlay),项目页称实时交互、每秒 24 帧、能长时间保持几何一致,今年 4 月又发了 HY-World 2.0。知乎
昆仑万维旗下 Skywork 的 Matrix-Game 今年 10 月出到 4.0,按 Apache-2.0 协议开源,项目页写在 RTX 5080 上以 864×480 分辨率最高跑到每秒 67 帧,附带中世纪城堡、古埃及、城市赛车三个场景。知乎
但两条路都得自备显卡部署,项目页也都没有写原生音频——你拿到的是一个能走进去的实时世界,还不会自己出声。
它还是个实验模型,不是成品
官方对产品的定性一直没变:Genie 4 是早期的实验模型,Project Genie 在帮助中心里也还叫早期研究原型,模型页列了六条局限,博客还点名了镜头延迟、复杂的物理互动、实时音频精度和场景的长期保持这几项正在攻的难题。知乎
边逛边改、还会出声的世界确实迈进了一个新台阶,但对大陆用户来说,开放当下它更像一张 Google AI Ultra 符合条件订阅者的入场券,而不是点开浏览器就能玩到的成熟产品。
当前文章无评论,是时候发表评论了