2026年10月27日（美东时间），谷歌DeepMind发布新一代世界模型Genie 4，能够实时生成可交互的虚拟世界，并同步生成与场景匹配的环境音、音乐和可对话的角色语音。 它最直接的坐标是：最长模拟时长从上一代Genie 3的约1分钟延长至约2分钟，这也是Genie系列首次实现音视频同步生成，目前处于研究预览阶段。 内容产业要盯住的不是画质参数，而是品类的变化：传统AI视频工具的产出是一段供人观看的成片，Genie 4的产出是一个能走进去、随时改、开口答的世界。新浪科技华尔街见闻
声音补上，AI世界才第一次"活"了
谷歌在2025年发布Genie 3时，就已经实现每秒24帧、720p分辨率的实时交互生成，但有一个明显的短板——世界是无声的。 Genie 4的音频不是后期加配乐，而是谷歌的首款原生生成音频的实时世界模型，角色还能根据用户输入和场景里发生的事即时作出语言回应，不再重复写死的台词。 官方发布的骑龙飞行演示里，振翅轰鸣与气流呼啸会随玩家的动作实时变化，树叶的沙沙声、海浪拍岸都跟着场景生成。AI前线新智元
一个大脑规划，一个大脑生成
同步不只靠Genie 4单打独斗。按照谷歌的披露，Gemini Omni为模拟提供现实世界的外观和行为基础，更关键的是，Gemini 3.8 Flash担任实时指导智能体：一边盯着画面，一边把用户的目标拆成步骤、逐帧核验当前步骤是否完成，用户中途改戏，它会当场重排计划。 在人形机器人跳棋演示中，Gemini 4 Argon甚至把一个任务拆成了22步精细动作来指挥机器人落子。 一个负责想、一个负责生成，谷歌把这一路线称为"混合世界模型"。AI前线新智元
实测数字：够用，但边界同样清楚
拿到抢先测试资格的沃顿商学院教授Ethan Mollick实测：他只喂了一句「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，单帧延迟稳定在23.4至25.3FPS。 边界也同样直白：单个世界的连贯时长上限还是约2分钟，而且谷歌明确，这里的物理模拟仍然是模型根据学习到的世界规律生成结果，并不意味着所有物理过程都经过精确计算。新智元AI前线
内容产业先被冲击哪一环
对游戏团队，2分钟连贯窗口已不再是看个新鲜——验证单段玩法、预览单组影视镜头这类最基础的测试需求，它已经够覆盖。 对互动叙事，角色能实时应答之后，"每一句台词提前写死"的工作流开始松动，开发者要创建的可能不再是写死的角色，而是能随情境持续产生行为与对话的规则。对影视，它目前的定位更接近实时预演片场：一句提示词生成一段夜色飙车长镜头，机位、天气、道具当场可改；但时长、清晰度和可控性决定了它还是前期工具，不是成片工具。在内容之外，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。AI前线华尔街见闻
普通人什么时候能用上
Genie 4目前处于研究预览，先面向少量受信任的测试者开放，后续将逐步提供给Google AI Ultra订阅用户以及Gemini API、Google AI Studio的早期合作伙伴。 两个观察信号比"颠覆"的口号更可靠：一是连贯时长能否沿着从1分钟到2分钟的节奏继续翻倍——这决定它何时能覆盖完整的内容工作流片段；二是订阅与API通道何时真正按演示水准开放。在真正落到手上之前，对绝大多数创作者而言，这场冲击是排期问题，不是现在时。AI前线
