美东时间 10 月 27 日，Google DeepMind 发布 Genie 4。演示里，有人站在湖面平台上吹萨克斯，镜头可以自己游走；敲一行字，天气变了；骑龙飞过山谷时，风声和翅膀拍打声一起出现。
官方称它是“迄今最逼真、交互性最强的世界模型”，目前只向少量受信任的测试者开放研究预览。普通用户还用不上，未来数周才会先向 Google AI Ultra 订阅用户开放。
声音是这次最直观的变化。环境音、音乐和人物对话随画面一起生成，Genie 4 是 Google 首个原生生成实时音频的世界模型。机器之心
另一个变化发生在世界运行中。换天气、移镜头、加角色，都可以直接用自然语言说，不必重新生成整段场景。
Gemini 开始参与模拟。Gemini 3.8 Flash 观察画面、拆步骤，Genie 4 渲染。 实时交互跑的是它，不是 Gemini 4 Argon。Google DeepMind华尔街见闻
但所有这些，都发生在约两分钟里。单次模拟时长从 Genie 3 的约一分钟延长到两分钟。APPSO
两分钟后，世界不一定崩，但会开始“漂移”。官方承认，视觉细节和物体恒存会随时间偏移，复杂物理、实时音频准确性、画面文字和空间精度都还在研究中。Google DeepMind
一位体验者在笔记里写得更直白：虚拟人转个身，可能就把自己的脸忘了。 这不是彩蛋，是边界。小红书
所以，“游戏引擎已死”喊早了。演示里，Genie 4 能在一分钟内生成可探索的城市，能让剧组进去试镜头，也能给开发者一个不写引擎代码的原型。
但原型和产品之间，隔着稳定规则、可重复机制、精确角色控制和可长期维护的内容。
DeepMind 产品经理 Diego Rivas 说，团队还在和合作伙伴研究这项技术如何融入现有工作流程，以及能力边界在哪里。 这话很客气，意思很清楚：它先是一个创作工具，不是替代品。华尔街见闻
官方把这条路线叫“混合世界模型”。Gemini 负责规划，Genie 负责画面、声音和物理反馈。瓶颈已经不是“画面像不像”，而是“世界能不能在低延迟下保持因果”。
120 秒很短。短到只够一个镜头、一次原型、一场机器人练习。但它已经能让人看见方向：世界模型的价值，不是生成一段更漂亮的视频，而是让 AI 在行动之前，先在一个会回应它的世界里试一次。
两分钟之后，它还得学会记住自己造过什么。
