美东时间 10 月 27 日，谷歌发布新一代世界模型 Genie 4。 官方演示里，湖心平台上有个吹萨克斯的男人。Google DeepMind
输入“一条鲸鱼尾巴浮出水面”，鲸鱼尾巴真的从湖里出现；再输入“开始下雪”，雪落在他的肩头，萨克斯没停。每一帧都是实时生成。知乎
和 Genie 3 相比，这次最实在的变化是声音。 环境音、配乐和人物对话都跟画面同步生成，角色能根据输入接话，而不是播放预录台词。Google DeepMind
另一个变化是能现场改。换天气、移镜头、加人，不必重新生成一段视频，而是在正在运行的世界里直接改。Google DeepMind
时长也从上一代的约 1 分钟拉到约 2 分钟。 对游戏开发者验证单段玩法、影视主创预览单组镜头，这个窗口刚够用。36氪
画面之外，还有一套导演系统。Gemini Omni 负责把世界锚定在现实的外观和行为上。
Gemini 3.8 Flash 在循环里盯着画面，把目标拆成步骤、检查每一步是否完成。Google DeepMind
谷歌还让 Gemini 4 Argon 把“下一盘跳棋”拆成多步，指挥 Genie 4 渲染 Apollo 机器人落子。36氪
参数没有想象中激进。a16z 合伙人 Justine Moore 拿到早期权限后晒出的画面里，帧率面板显示 24.6 FPS，最低 17，平均 23.8。36氪
这个数字和上一代基本持平。Genie 3 发布时就已做到每秒 24 帧、720p。 所以 Genie 4 的进步不在帧率，在“能改”和“有声”。36氪
真正的分水岭在镜头转回去的那几秒。Hacker News 上一条评论把演示里的穿帮逐个列了出来。
镜头转回，龙的场景多出一座城堡；火车站的旅客走过镜头后换了模样；香港摩托后座的人先是没戴头盔，回画后戴上了。
这不是独立测试，只是评论者对官方演示的观察，但和谷歌自己列出的“当前局限”对得上。
官方说，运行越久、复杂编辑越多、在场景里穿行越远，视觉细节和物体恒存性越容易漂移。 复杂物理、实时音频准确性、可读文字、空间准确性、长期一致性，都还在研究中。Google DeepMind
所以它现在的位置很清楚：能让人走进一个场景并即时改变它，但还不能替人记住这个场景。
普通用户现在用不上：官方把它定位成研究预览，先给受信任测试者，之后向 Google AI Ultra 订阅者、Gemini API 和 AI Studio 早期伙伴开放。Google DeepMind
短期内它最像什么？影视的“草稿模式”，游戏原型的美术和交互试验场。DeepMind 产品经理 Diego Rivas 说，目标是扩大现有创作方式的可能性，而不是宣告行业流程已被取代。华尔街见闻
至于“最强世界模型”这个说法，前半句成立：声音和实时编辑确实是这一代最硬的进步。后半句要等它能通过“转身回来”的测试。今天它最像一台能实时响应、但会忘事的摄影棚。
