美国东部时间10月27日周二，谷歌DeepMind推出了最新的世界模型Genie 4，并直言它"迄今最逼真、交互能力最强"。 但热搜里"黑客帝国来了""游戏引擎已死"的说法已经刷屏，而这项技术此刻的真实位置，要拆成两半看：它目前不是你能用上的产品，先只向少量经过筛选的测试者开放，未来数周才轮到Google AI Ultra订阅用户。 这一代的真实进步只有三项：音频进入实时循环、模拟中途能改世界、连贯时长翻倍到约2分钟。 另一半事实写在官方自己承认的局限里：它还不能替你记住出画的物体。新浪科技华尔街见闻知乎
值得认真对待的三件事，每件都带着边界
音频是第一次被做进实时世界模型的循环：环境声、类似音乐的声效、能对用户输入作出反应的人物对话，都随画面同步生成，而不是给视频补配音。 世界还能在运行中被改动：用户可以在模拟运行的过程中输入提示词来修改场景，系统边跑边执行，而不是从头再生成一段独立视频。 最不显眼的升级其实是"导演"：Gemini负责理解目标、拆步骤、逐帧检查连贯性，而谷歌团队曾尝试用旗舰模型Gemini 4 Argon，实时体验最终却跑在更轻量的Gemini 3.8 Flash上——卡住世界模型的不只是画质，还有延迟和成本。知乎新浪科技华尔街见闻
时长这一项官方确实给了数字：最长模拟时长提升至约2分钟，是前代Genie 3的约两倍。 但把"噱头"两个字坐实的，恰恰是其余部分：有技术开发者逐句核过官方发布材料后指出，整场发布"没有分辨率、没有帧率"这类硬指标，社区里因此出现了一种声音——拿Genie 3自报的720p/24fps去倒推，认为这代大概率只是更长、更稳、加了声音。华尔街见闻知乎
瓶颈清单：官方写的"局限"比演示更值得读
谷歌自己承认，随着模拟持续推进，画面细节和物体仍可能发生漂移，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。 更细的清单里，复杂物理交互、实时音频准确性、画面中的可读文字、空间准确性、长期一致性，都被列为正在研究的问题。华尔街见闻知乎
演示细节正好逐句对上。网友逐帧找茬的结果是：骑龙飞行时镜头转回，城堡旁多出一座原本不存在的城堡；火车站的旅客走过镜头后换了模样；香港摩托车后座的人先是没戴头盔，回画后戴上了。 这些是评论者的观察，不是官方公布的测试结果，演示视频也可能经过挑选和压缩——但它们和"当前局限"一节写的，是同一件事：这个系统学的是镜头里该出现什么，还不是物体在真实世界里会怎样。知乎
离"替代游戏引擎"还差着一整套工程
这已经不是市场第一次被同一个故事惊到：今年1月，由Genie 3驱动的Project Genie原型推出后，"一句话造世界"的担忧曾让Unity等游戏相关股票一度遭到抛售。 而Genie 4能交付的，仍然是一段两分钟、会漂移、物理时灵时不灵的实时场景；商业游戏要的却是稳定的规则系统、可重复的机制、精确控制和可长期维护的内容。中间隔的不是声音，是一整套工程。华尔街见闻
谷歌自己也没打算替行业宣布结局：DeepMind产品经理Diego Rivas强调，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。 它当前更像一间"草稿房"：影视创作者走进去实时换机位、灯光和台词，游戏开发者在写引擎代码之前先试美术风格，多出一座城堡只是废掉这一条、重跑一遍。官方把机器人训练列为主要方向之一，并展示了 Gemini 4 Argon 拆分任务、Genie 4 渲染 Apptronik 的 Apollo 人形机器人下跳棋的模拟环境。 但要用来训练在现实里行走的机器，恰恰最依赖那几项还没解决的物理准确性与长时一致性。华尔街见闻知乎
下次看到"能走进去的世界"，盯住镜头转回去的那几秒
开放节奏本身就是说明书：从受信任测试者，到Google AI Ultra订阅用户，再到Gemini API和Google AI Studio的早期访问伙伴，层层放行，而且谷歌设置了严格的安全防护机制，所有生成的音频和视频都将嵌入SynthID水印。 对普通读者，有个朴素的检验办法：注意镜头离开某个物体再回来的那几秒——愿意把镜头转回去的演示，比只给一条漂亮推进镜头的演示，透露的信息多得多。 至于"世界模型是通往AGI的必经之路"，那目前只是谷歌的研究叙事；证据边界之内，Genie 4是一个能撑住两分钟、会忘东西、连头盔都会戴错的模拟器——离替换谁的生产流程，都还很远。华尔街见闻知乎
