美东时间10月27日周二，谷歌DeepMind发布了新一代世界模型，并称其为迄今最逼真、交互能力最强的世界模型。热榜标题里的"120秒"不是修辞——谷歌将最长模拟时长延长至2分钟，约为此前Genie 3的两倍，这是这一代模型模拟运行的时间上限。华尔街见闻每日经济新闻
在这120秒里，你生成的不是一段看完即终的视频，而是一个能进入其中、与环境互动的活的世界：它根据文本指令构建可探索的虚拟环境，并在你持续输入指令时实时调整场景。于是问题变成：给你两分钟，你会怎么花。一财快讯
先让城市长出来：一句话，不到一分钟
我的起点会是一座雨夜中的九龙老城街：霓虹、湿沥青、大排档，外加一两个能对话的角色。官方演示显示这一步余量充足——测试者只喂了一句「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。前20秒，足够把"布景"立起来。新智元
中段走进去：看它记不记得你推开的门
之后的一分钟，玩法越无聊越能验货。推开一扇门，转身离开30秒再走回来，那扇门依然开着；能记住物理规律、维持空间记忆，这被视为视频模型与世界模型的分水岭。对一个只有120秒的世界来说，"经得起走一圈"比"单帧有多惊艳"重要得多。新智元
最后四十秒：一边运行一边改命，让世界开口说话
剩下的时间不该用来闲逛，而是制造变化。在谷歌给出的香港大桥飙车演示里，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马火光冲天，外星触手直接从天砸落。更关键的是，这一切发生在世界正在运行的过程中：场景可以从晴天切为暴雨、镜头视角可以随时改变、新角色和物体会被直接加入，系统边模拟边执行指令，而不是从头再渲染一段视频。新智元华尔街见闻
这一代的另一项新东西是声音。模型能生成与虚拟世界同步的实时音频，涵盖音乐、环境音以及可交互对话。所以我理想中的120秒结尾是：大排档食客抬头接住我一句话，远处恰好有触手落下，雨声、叫卖声和惊呼同时响起。新浪财经
但有三种东西，别向这120秒开口要
第一，别让招牌自己说话。谷歌承认，随着模拟持续推进，画面细节和物体仍可能发生漂移，复杂物理互动、可读文字以及长时间维持环境一致性等问题仍有待解决。"雨夜老城"给得起氛围，给不起近景特写。华尔街见闻
第二，别安排角色端面上桌这类复杂物理互动，那正是官方点名的未解项。第三，别指望驱动这个世界的"大脑"是谷歌最强的那个——据报道，谷歌团队曾尝试使用旗舰模型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。实时世界模拟要的不是最聪明的模型，而是能在低延迟下持续理解场景、拆解目标并回应指令的模型——画面质量与反应速度之间，谷歌选择了后者。华尔街见闻
倒计时之外：谁先用上，谁先紧张
Genie 4目前以研究预览版形式向少量经过筛选的测试者开放，未来数周将向Google AI Ultra订阅用户开放，并逐步向部分开发者提供访问权限；所有生成的音视频都会嵌入SynthID水印。华尔街见闻
应用方向上，谷歌正探索其在游戏设计、影视制作、教育和机器人训练等领域的应用：影视创作者用它做视觉特效预演，测试者尝试用经过核实的历史档案重现历史场景，机器人则可以在模拟场景中安全地练习导航和操作物体。DeepMind产品经理Diego Rivas的说法是，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。一财快讯华尔街见闻
市场的紧张有先例：今年1月由Genie 3驱动的Project Genie原型亮相后，场景制作被自动化、游戏引擎商业模式受冲击的担忧，一度让Unity等游戏股遭到抛售。但就现阶段看，世界模型还替代不了完整游戏——商业游戏依赖稳定的规则系统、可重复的机制和开发者可长期维护的内容，这些恰恰是"生成一个跑两分钟就散场的世界"给不了的。华尔街见闻
120秒走完，世界自动消散。这道题真正考验的从来不是能生成多少，而是你清不清楚这个预算的边界在哪里。
