美东时间 10 月 27 日（周二），谷歌 DeepMind 正式发布新一代世界模型 Genie 4，称之为其迄今最逼真、互动性最强的世界模型。和「一段提示词换一段成片」的视频生成模型不同，Genie 4 输出的是一个持续运行的世界：你可以用键盘走进去、转动视角，随时敲一行字让天气突变或凭空多出一个角色，而且这个世界第一次会自己发声——环境音、音乐和人物对话与画面同步生成。从「生成一段视频」到「实时运行一个世界」，是这次发布最核心的跨越；而普通玩家真正上手，还要等下一轮开放排期。Google DeepMind
现在能玩到什么：一局约 2 分钟，边跑边改
操作方式是标准键盘加文字提示：键盘负责移动和镜头，文字负责「导戏」。官方演示里有一段王家卫风格的香港大桥飙车戏，后座女孩刚喊出台词，玩家敲进「背景发生爆炸」「毁灭世界的巨型外星触手」两行字，维港天际线随即火光冲天。场景之外，Gemini 在扮演「世界大脑」：Gemini Omni 锚定世界的外观与物理表现，实时循环里则跑更轻量的模型，负责观察画面、把目标拆成步骤并逐步验证。谷歌表示，模拟环境最长可运行两分钟，约为上一代 Genie 3 的两倍。华尔街见闻还提到一个工程细节：团队曾尝试用最新旗舰模型 Gemini 4 Argon，但实时交互体验最终运行在更轻量的 Gemini 3.8 Flash 上——「可玩」的瓶颈不只是画面，更是延迟。新智元东方财富网华尔街见闻
什么时候轮到你：研究预览在前，Ultra 排队在后
Genie 4 目前以研究预览版形式向少量经过筛选的可信测试者开放，官方博客写明，接下来将「很快」进入 Project Genie 面向 Google AI Ultra 订阅用户，并向 Gemini API 与 Google AI Studio 的早期合作伙伴开放，官方同时挂出了 waitlist 入口。安全侧的配套同步披露：所有由 Genie 4 生成的视频和音频都将嵌入 SynthID 隐形水印，便于事后识别 AI 生成内容。至于普通用户现在能不能玩，社交平台上的一条反馈代表了多数人的现状：演示效果不错，但还是没得用。Google DeepMind小红书
演示最容易露馅的地方：镜头转回去的那几秒
官方在博客「当前局限」一节里承认：短时会话内环境可以保持连贯，但视觉细节与物体恒存性会随时间漂移——模拟运行越久、复杂提示改得越多、在场景中穿行越深，越容易「变样」。Hacker News 发布当天的讨论帖已积累 700 多赞、400 多条评论，最集中的不是「像不像真的」，而是逐帧找茬：有人发现骑龙飞行时镜头转回，城堡右侧连同投石机凭空消失了一大块。同一批细节也被中文社区逐帧整理出来：火车站旅客走过镜头后换了模样，摩托车后座乘客出画时没戴头盔、回画后戴上了。这也给出了看这类演示的朴素检验法：愿意把镜头转回去的演示，远比一路推镜头的漂亮画面更有说服力。Google DeepMindHacker News知乎
游戏行业先被改变的，是产能不是玩家
谷歌的测试者覆盖创意、新闻、教育、游戏与工程五个领域。游戏开发者拿它做的事，是在写第一行引擎代码之前，用自然语言把点子变成分秒级的可探索原型，试风格、试材质、试交互机制。影视从业者则把它当预演「草稿模式」：走进场景跑多条「镜头」，实时调机位、灯光和台词。资本市场对这套叙事并不陌生：今年 1 月由 Genie 3 驱动的 Project Genie 开放体验后，Unity 等游戏股一度遭到抛售，Genie 4 把「AI 会否吃掉游戏产能」的担忧再次摆上桌面。但按目前的形态，它不导出 3D 资产、不带稳定规则系统，也无法像商业游戏那样长期维护内容——先被压缩的是原型和预演环节的成本，而不是玩家的游戏库。谷歌给出的下一步是「混合世界模型」：Gemini 负责结构与叙事规划，Genie 负责逐像素渲染世界的声画，这个分工本身就更接近未来游戏引擎的形状。Google DeepMind华尔街见闻
所以「用 Genie 4 玩虚拟世界」的准确答案是：玩法是真的——键盘能进、文字能改、角色会接戏；但此刻它还是一个约 2 分钟会「遗忘」场景的研究预览，距离人手一个「绿洲」，隔着开放排期和一致性修复两道门槛。接下来值得盯的信号有三个：Ultra 用户进入 Project Genie 后的实玩口碑、开发者 API 的采用速度，以及官方那页「局限清单」被划掉多少。
