当地时间10月27日，谷歌DeepMind正式发布新一代世界模型Genie 4，并称其为「迄今为止最逼真、交互性最强的世界模型」。它生成的不是一段看完就结束的视频，而是一个能走进去、用键盘控制、还能随时用一句自然语言改写的世界，并且第一次做到了画面与声音同步从模型里长出来，角色可以对着你的输入实时接话。相比上一代Genie 3，这代的实质变化集中在三点：原生音频与互动对话、连贯体验时长翻倍到约2分钟、Gemini系列模型在后台扮演「导演」。但官方同时披露的状态同样明确——它仍是一项早期研究预览。因此，它先颠覆的不是成品游戏和成片短视频，而是这两个行业「生产之前」的环节：玩法原型的验证成本与镜头预演的返工成本。36氪哔哩哔哩
一句话"长出"一个有声世界：Genie 4改了什么
变化的方向在Genie 3发布时就已埋下：实时交互生成不再新鲜，「没有声音、真人易穿帮」却是公认的短板。Genie 4要补的就是这两块，并且走得更远：用户不仅能用键盘控制角色或镜头在场景中移动，还能随时输入自然语言改变天气、添加物体、引入新角色。36氪知乎
变化最大的是声音。谷歌官方称，Genie 4在引入实时互动对话，角色会根据用户输入或世界中发生的事件当场回应。演示里，NPC的台词不是预录的，是当场算出来的；时长与连贯性同步抬升：Genie 4单次生成的交互体验最长可达2分钟，而上一代Genie 3的时长上限为1分钟。谷歌DeepMind官方博客36氪
底层是谷歌强调的「混合世界模型」：Gemini Omni为模拟提供真实世界的视觉与行为知识，而Gemini 3.8 Flash在实时生成过程中承担引导作用，把目标拆成多步骤并逐帧核验；Gemini 4 Argon则展示了把人形机器人下跳棋任务拆解为一步步指令、驱动Genie 4实时演绎。换句话说，它不是「带声音的大号视频生成器」，而是一条推理回路在指挥一条生成回路。知乎
需要说明的是，官方并未公布帧率、时长等硬性参数，网传的「30秒」「24帧」多来自测试者实测：拿到抢先测试资格的沃顿商学院教授Ethan Mollick录屏显示，单帧延迟稳定在23.4至25.3FPS。a16z合伙人Justine Moore的体验是，创建世界通常不到30秒，有大约2分钟的实时交互窗口。36氪36氪
游戏一侧：被颠覆的是"写下引擎代码之前"
发布当天，「游戏会不会被取代」成了中文科技社区讨论最热的问题之一。证据给出的答案是：取代成品游戏言之过早，但取代原型环节已经发生。谷歌官方列出的早期测试应用中明确包含游戏开发者——用自然语言把想法变成可探索的原型，在写下第一行引擎代码之前测试视觉风格、材质与交互机制。对独立开发者和小团队而言，这意味着过去要搭灰盒场景、写临时脚本才能回答的「这个玩法走不走得通」，现在可能只是一次约2分钟的真实体验，足以覆盖单段玩法的基础验证。谷歌DeepMind官方博客36氪
但「原型」与「产品」的距离，恰恰是Genie 4目前跨不过的部分。官方博客主动承认：模拟运行时间越长、提示词修改越多，视觉细节和物体的持续存在性越容易漂移。媒体实测也提醒，它的物理表现是模型从学习到的世界规律中「算」出的近似，而非精确计算；生成结果是实时演算的画面与声音，不是可导出的模型、代码和资产。引擎的不可替代性，短期内恰恰在这些地方。谷歌DeepMind官方博客
短视频与影视：从"生成成片"到"生成一个能拍摄的现场"
与Veo一类视频生成模型相比，Genie 4的差异不在画质，而在「活」：镜头可以脱离人物在场景中自由探索，人物持续行动、环境随指令实时响应，空间关系不被打断。知乎
这首先改变的是预演环节：影视主创可以直接走进生成的场景，实时调整机位、灯光、台词和人物动作，一场戏像拍片一样多次「过条」而不用搭景。当NPC能根据观众输入当场接戏，「可以跳进去看的视频」这种新内容形态也有了技术底座，海外社区已有网友畅想把它装进AR设备、做成「全息甲板」的雏形。谷歌DeepMind官方博客知乎
不过以短视频的生产管线衡量，约束同样具体：约2分钟的连贯窗口覆盖不了多数成片需求；官方未解决的短板清单里明确包括「清晰可辨的文本渲染」，这直接触及字幕和信息类创作；分辨率规格与导出流程至今未公布，意味着暂时无法接入现有剪辑与分发工具。知乎
离普通创作者还有多远
Genie 4目前的开放程度是面向少量受信任测试者的研究预览，后续将通过Project Genie向Google AI Ultra订阅用户开放内测排队申请，并向Gemini API、Google AI Studio的早期合作伙伴开放。所有生成的视频与音频都会嵌入SynthID不可见数字水印，用于标识AI生成内容。36氪知乎
判断它何时真正触及创作管线，可以盯三个信号：连贯时长与一致性何时突破「2分钟量级」；能否导出资产、接入引擎或剪辑工具链；以及内测排队何时变成普通创作者用得起的开放产品。在此之前，它对游戏与短视频创作最现实的意义是一句话——把「试错」这一步的成本，压到了接近于零。
