美东时间10月27日周二，谷歌DeepMind发布了Genie 4，称这是其迄今最逼真、交互能力最强的世界模型。 它与传统AI视频的分界不在画质，而在“运行”：系统不是把视频生成完就交付，而是让虚拟世界一边运行一边接受指令，用户可以在模拟运行的过程中输入提示词来修改场景。 一句话生成一个世界，再用一句话实时改写这个世界，就是Genie 4主打的新玩法。不过预期得先摆正：这仍是一个研究预览版，单次模拟最长约2分钟，离稳定的“定制虚拟生活”还有明显距离。华尔街见闻新浪科技
一句提示词改写世界：飙车戏里当场砸下外星触手
拿到测试权限的博主Ethan Mollick只喂了一句「由马和机器人共同居住的新哥特式粗野主义城市」，不到1分钟，这座城市就出现了，之后他再加巨龙、加友好的水獭NPC，全部是实时完成的。新智元
官方展示的港桥飙车戏更能说明“实时改命”的程度：后座的女孩刚喊出台词，玩家敲进两行字「背景发生爆炸」「毁灭世界的巨型外星触手」，远处的维港天际线立刻火光冲天，外星触手直接从天而降。 天气、机位、角色都能在模拟继续跑动时被自然语言指令当场改掉，而不是从头重新生成一段视频。新智元
世界第一次有了自己的声音
第二大变化是声音：Genie 4是该系列首款音视频同步生成的产品，风穿过树林、海浪拍岸、背景音乐，甚至世界里角色的实时对话，都是跟画面一起长出来的，不是后期贴上去的。 按官方口径，实时音频涵盖音乐、环境音以及可交互对话，角色的回应可以根据对话内容和场景变化动态调整，而非简单播放预先录制的声音。微博华尔街见闻
指挥世界的“导演”是Gemini，而且跑在轻量模型上
让多步交互连贯的调度在幕后完成：Gemini Omni 让模拟贴近真实世界的外观与行为，Gemini 3.8 Flash 则在循环中充当引导代理，一边观察画面，一边把目标拆成步骤、检查每一步是否完成。 团队曾尝试使用最新旗舰模型Gemini 4 Argon，但Genie 4的实时交互体验实际运行在更轻量的Gemini 3.8 Flash上——生成一个跟得上操作的世界，比生成一段漂亮的画面更吃延迟。 TechCrunch提到一个实验：Gemini把任务拆成步骤，Genie实时模拟机器人执行，等于先在虚拟世界里跑一遍再上真机。知乎华尔街见闻微博
上限两分钟，短板写在官方公告里
此次升级的硬边界同样明确：新模型将最长模拟时长提升至约2分钟，是前代Genie 3的约两倍，不过，模拟时间延长并不意味着场景始终保持完全一致。 谷歌在“当前局限”一节自己写道：模型能在短时会话里保持连贯，但视觉细节和物体恒存性会随时间漂移，尤其在运行更久、多次复杂提示词编辑之后，或在场景里穿行时。华尔街见闻知乎
用户感知最强的能力是“记住”：推开一扇门，转身离开30秒，再走回来，那扇门依然开着。 但社区逐帧挑出的毛病恰恰也出在“记住”上：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。新智元知乎
发布当天，Hacker News 上的讨论帖有 650 多分、约 400 条评论。 围观之外更要看清的是，Genie 4没有公开分辨率、帧率、延迟、基准测试这些可量化的数字，连价格都没标，当前判断主要建立在官方演示和定性描述之上。知乎微博
谁能玩到，哪些行业先被波及
开放是分阶段的：Genie 4首先向少量经过筛选的测试者开放，未来数周计划向Google AI Ultra订阅用户提供使用权限，并向部分开发者开放Gemini API和Google AI Studio的早期访问。 谷歌已经开始内测Genie 4，Google AI Ultra用户可以去申请waiting list。 所有生成的视频和音频都带 SynthID 水印，为逼真世界预设的防伪措施也一并写进了公告。华尔街见闻新智元知乎
资本市场对这类消息并不陌生：今年1月，谷歌推出由Genie 3驱动的Project Genie原型后，市场便开始担忧，如果AI能够根据简单的文字描述自动生成可探索的虚拟世界，未来游戏开发所需的部分场景制作和原型设计工作是否会被自动化，以及传统游戏引擎和相关工具公司的商业模式会否受到冲击，Unity等游戏相关股票一度遭到抛售。 这次被谷歌列出的落地方向包括影视预演、历史场景教学重建、游戏原型和机器人模拟。华尔街见闻
DeepMind产品经理Diego Rivas给“取代论”降了温：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。华尔街见闻
对普通用户来说，眼下能做的只有看演示或等AI Ultra的排队窗口；真正值得盯的信号有两个——两分钟之后模型还能不能“记住”你改造过的世界，以及独立评测何时能跑出可量化的数字。在那之前，“用一句话定制虚拟生活”更准确的状态是：一句提示词，先造出一个还带着明显毛边、但已经能实时接戏的世界。
