美东时间 10 月 27 日，Google DeepMind 官宣新一代世界模型 Genie 4，把它定位为公司迄今最逼真、交互能力最强的世界模型。和"输入提示词、输出一段视频"的生成模型不同，Genie 4 造出来的是一个能走进去、能边走边改的虚拟环境：打字要求改天气，场景实时落雨或放晴；要求移动镜头，视角立刻切换；再补一句"加一个人物进来"，系统会在模拟继续运行的同时执行，而不是从头重拍一段。它也是 Genie 系列第一个原生生成音频的实时世界模型，音乐、环境音和角色对话与画面同步生成，而不是后期贴上去的。目前它只以研究预览形式向少量受信任测试者开放，普通用户暂时还摸不到。华尔街见闻谷歌DeepMind博客
官方演示里最值得看的，不是画质而是"活人感"
官方博客放出的几组实录最能说明这次升级的方向。一名穿棕色西装的男子站在湖面漂浮平台上吹萨克斯，手指、呼吸和身体摆动连贯自然，镜头可以完全脱离他、贴着水面自由游移，而人物与环境的空间关系始终不乱。另一组镜头里，一条粉色绸缎在野花草地间随风起伏，热气球吊篮里望向南极冰原；还有一颗完整的西瓜摆在石台上、一枚枫树种子旋转着落进草地，谷歌用它们来展示对空气动力学、碰撞等物理现象的模拟。IT之家
Genie 4 不是一个模型，而是"渲染+推理"的分工系统
真正让这个世界"不乱套"的，是 Gemini 家族的介入。官方博客明确了两层分工：Gemini Omni 负责让画面贴近现实世界的外观和行为，其他 Gemini 模型负责维持模拟连贯性所需的复杂推理。用户停止输入的间隙，Gemini 还会代为观察画面、跟踪事件进展并"掌舵"场景。在官方演示中，用户用键盘控制导航和镜头，用文本 prompt 改变场景：改天气、移动镜头、往场景里加人或物体，由 Gemini 理解并转译指令，Genie 4 负责实时渲染。另一组演示里，Gemini 4 Argon 把用户任务拆解成步骤，驱动 Genie 4 一步步模拟 Apptronik Apollo 人形机器人下跳棋。谷歌把这条路线称为"混合世界模型"：代码与语言模型提供结构化逻辑，像素级生成模型负责呈现感官现实。这也解释了为什么世界模型的难点从来不在画质，而在长链路的状态跟踪。另据华尔街见闻报道，团队曾尝试把最新旗舰 Gemini 4 Argon 接入实时循环，最终跑实时交互的是更轻量的 Gemini 3.8 Flash——实时模拟拼的是"每帧都来得及想"。谷歌DeepMind博客36氪华尔街见闻
两分钟、24帧：记住这些数字来自媒体，不是官方
量化参数上，谷歌在发布博客里没有给出时长、帧率、分辨率或基准测试数字。媒体口径则相当一致：华尔街见闻称最长单次交互模拟约 2 分钟，是前代 Genie 3 约 1 分钟的两倍。36氪的实测稿标题给出的体验是 30 秒生成游戏、24 帧实时交互、边玩边改。IT之家的口径同样是维持两分钟连贯场景、时长为前代两倍。多家独立转述相互印证，说明量级可信；但"没有官方规格"这一事实本身，也意味着现在拿它对比任何游戏引擎或视频模型的性能，都还缺少统一口径。华尔街见闻36氪IT之家
谁会先用上，以及它在替谁省时间
开放是分阶段的：现在仅面向受信任测试者，随后从 Project Genie 里的 Google AI Ultra 订阅用户开始向消费者和开发者铺开，Gemini API 与 Google AI Studio 的早期合作伙伴也在第一批名单里。测试者已经在四个方向试用它：影视创作者把它当预演"草稿模式"，实时换机位、换灯光跑多条"拍摄方案"；图片记者把单张历史照片变成可进入的模拟场景；游戏开发者在引擎写第一行代码前，先用自然语言搭出可探索的原型；企业则拿它做"从零到一"的情景生成。省下的都是概念阶段的试错时间，不是成品生产时间。谷歌DeepMind官方博客
官方主动划出的边界，比能力清单更值得读
和以往"发布即吹参数"的惯例相反，Genie 4 博客里用不小篇幅写限制：模拟时间越长、修改次数越多，画面细节和物体恒存性越会漂移；复杂物理交互、实时音频准确性、场景里文字的可读性和空间精度都是未解决的开放问题。社区里测试者逐帧找茬，城堡凭空多一座、头盔转眼就戴上的瑕疵与这份清单完全对得上。安全侧，谷歌强调 Genie 4 设有严格安全防护，所有生成的音视频都嵌入 SynthID 隐形水印。谷歌DeepMind官方博客华尔街见闻
游戏股再度承压，但冲击目前只到"原型"环节
这已不是世界模型第一次牵动市场神经：今年 1 月搭载 Genie 3 的 Project Genie 原型开放后，传统游戏引擎和相关工具公司的商业模式会否受到冲击一度成为恐慌焦点，Unity 等股票遭到抛售。但把 Genie 4 直接读成"游戏引擎已死"，超出了证据范围：谷歌自己承认 Genie 4 仍是一项实验性技术，复杂物理互动、文字可读性和长时间场景一致性等问题尚未解决。商业游戏要求的稳定规则系统、可重复机制和可长期维护的内容，恰恰是实时生成环境当前最不擅长的部分。DeepMind 产品经理 Diego Rivas 的说法也更克制：Genie 4 的目标是扩大现有创作方式能够实现的可能性，而非宣告行业生产流程已被全面取代。华尔街见闻谷歌DeepMind官方博客
谷歌真正在赌的，是训练机器人的"平行练习场"
博客开头一句话点明了投入方向：理解和模拟世界是构建 AGI 的关键一环。Apollo 下跳棋的演示其实是个信号：Gemini 拆步骤、Genie 实时渲染场景，等于让机器人在上真机之前先在虚拟世界里把任务跑一遍。从 Genie 3 到 Genie 4 的一年多里，模拟时长翻倍、音视频从分离走向原生同步，世界模型的竞争焦点已经不在"画面像不像"，而在"这个世界能不能持续、可信地回应你"。两分钟的边界则提醒用户：这是一场值得盯住的研究预览，还不是已经到手的成品。谷歌DeepMind官方博客
