01
—
01 从“看视频”到“走进世界”
当地时间10月27日，Google DeepMind正式发布新一代世界模型Genie 4的研究预览版。谷歌CEO劈柴在第一时间给出了一个精准的定性：从“生成一段视频”到“实时运行一个世界”。
这句话并非修辞。上一代Genie 3已经实现了实时交互，但有一个致命短板——没有声音，生成真人时也漏洞百出。在谷歌放出的同屏对比中，Genie 3的人物还是“五官粘连、肢体僵硬的无声纸片人”。而Genie 4在Gemini Omni的现实常识锚定下，已经能拍出化妆镜暖光、演员微表情，甚至镜面的实时倒影，细腻得如同实拍长镜头。
DeepMind官方将Genie 4定义为“迄今最逼真、交互性最强的世界模型”，并明确指出：理解和模拟世界，是构建AGI的关键一环。
02
—
四大升级，把世界“变活”
Genie 4的核心跃迁，集中在四个维度。
第一，场景连贯性翻倍至约两分钟。 单次生成的交互体验最长可达2分钟，是前代Genie 3（约1分钟）的两倍。单帧延迟稳定在23.4至25.3 FPS，流畅度接近实时游戏体验。
第二，原生音频首次上线。 这是Genie系列第一次能够同步生成环境音、背景音乐和人物对话。海边有海浪声，树林里有风声；更关键的是，NPC开始“张嘴说话”了——角色会根据你的输入或场景中发生的事件，实时生成对话和反应，而不是播放预录台词。
第三，实时编辑，边玩边改。 你可以在模拟运行过程中随时输入文字指令：改变天气、调整镜头角度、添加一个新角色或物体。Gemini会在你输入的间隙持续“盯着”画面，确保世界不会因为你的干预而崩塌，而是连贯地继续演进。
第四，物理与人物真实感的质变。 西瓜受到冲击的碎裂、枫树种子飘落的空气动力学、拥挤车站里复杂的人群行为——Genie 4在碰撞、重力、流体等物理模拟上建立了新的标准。人物动作也更加自然，能够对环境做出有机反应，并被实时引导。
03
—
Gemini成了“幕后导演”
Genie 4真正的骨架，是与Gemini家族的深度整合。
官方博客揭示了分工：Gemini Omni负责把模拟“锚定”在真实世界的外观和行为上；其他Gemini模型提供复杂推理，维持场景的连贯性和持续性。而在实时运行中，Gemini 3.8 Flash扮演“导演”角色——它持续观察Genie 4生成的画面，把目标拆解成一系列步骤，逐帧检查进度，并根据世界的变化或用户的干预实时调整计划。
一个更进一步的实验展示了这套组合的潜力：谷歌让Gemini 4 Argon负责将用户指令拆解为多步动作规划，Genie 4负责实时生成机器人执行任务的模拟画面，成功演示了Apptronik旗下Apollo人形机器人下跳棋的过程。谷歌研究总监Tejas Kulkarni将这种架构称为“混合世界模型”：Gemini生成代码和文本，Genie实时接收并在不同抽象层级上模拟现实。
04
—
演示有多离谱？
沃顿商学院教授Ethan Mollick拿到抢先测试资格后，喂了一句“一座由机器人和马匹居住的新哥特式粗野主义城市”，不到一分钟，城市拔地而起。接着他随手召唤了一条巨龙，几秒内巨龙扇动双翼掠过；又输入“一只友好的水獭NPC走过来问问题”，街角当真跑出一只穿马甲的水獭，用伦敦腔搭话：“打扰一下，旅行者。”
他甚至在里面跑起了《毁灭战士（DOOM）》：设定“走进一间每台电脑和墙壁都在跑DOOM的办公室”，然后连续追加指令——“恶魔同事出现”“手里拎着加特林机枪”“给我发了一笔奖金”。
a16z投资人Justin Moore则展示了一段被他戏称为“GTA Waymo”的演示，在完全由AI实时生成的城市环境中自由探索，整个过程都可以直接交互。
05
—
谁先用上，用来做什么？
Genie 4目前以研究预览形式向有限的可信测试者开放，尚未成为成熟的商业产品。谷歌的计划是：先通过Project Genie向Google AI Ultra订阅用户开放，随后逐步向Gemini API和Google AI Studio的早期访问合作伙伴提供。
谷歌为它描绘的应用图景横跨多个产业：游戏开发的原型验证、影视制作的动态预演、互动教育，以及最受关注的机器人训练和物理AI——让机器人和AI智能体在进入真实环境之前，先在可交互的虚拟世界里进行无限次任务模拟和测试。
DeepMind工程师Diego Rivas也坦率承认了局限：Genie 4仍处于早期阶段，完整产品形态尚不明确；随着模拟时间延长，场景细节和物体会出现偏移，音频准确性和画面文字清晰度也有待解决。
06
—
世界模型赛道，正在变成军备竞赛
Genie 4发布的时机，本身就是一种信号。
就在几个月前，谷歌刚推出Genie 3。而2026年下半年，这条赛道的资 本动作密集得令人侧目：9月，Runway发布世界模型GWM Worlds 2；AMD宣布以约82亿美元收购李飞飞创办的World Labs；亚马逊据报正在洽谈以约70亿美元收购Decart；Rivian则收购了Third Dimension，用于自动驾驶模拟。
谷歌选择在这个节点把Genie 4推向前台，意图很明确：在世界模型从研究走向产业化的转折点上，抢先定义“世界模型应该是什么样”。
写在最后
Genie 3证明了AI可以实时生成一个“能走进去”的世界。Genie 4补上了声音、对话、物理和更长的记忆——它开始让那个世界值得待下去。
当然，两分钟之后，世界仍然会“崩塌”。但在这两分钟里，你可以改天气、造城市、和一只伦敦腔的水獭聊天。当视频模型还在比拼几秒钟的镜头美感时，谷歌已经在为未来的Agent和机器人，建造可以无限试错的平行宇宙。
问题已经不是“AI能不能生成一个世界”，而是：当这个世界可以实时回应你、改变你、甚至和你对话，我们离“分不清虚拟与现实”的那一天，还有多远？
本文信息综合自Google DeepMind官方博客、澎湃新闻、36氪、爱范儿、封面新闻等报道。Genie 4目前处于研究预览阶段，功能与开放范围可能继续调整。
End
AI玄学时代来临：OracleClawAI正式上线，开启自我探索之旅
海外哪些区域是红海？哪些是蓝海，判断依据是什么
华为掏出亿元激励鸿蒙开发者！上架游戏立得5000元，大学生赚第一桶金的机会来了
腾讯游戏出海狂飙！Q2海外收入188亿元同比增长35%，创历史新高
商务部政策东风至，中国游戏出海巨头谁主沉浮？——揭秘大厂海外收入创新高的背后逻辑