10月27日深夜，Google DeepMind甩出年度重磅：新一代通用世界模型Genie 4正式发布。谷歌CEO皮查伊第一时间表示，这是谷歌迄今最逼真、最具互动性的AI世界模型，AI的使命正从”生成一段视频”升级为”实时运行一个世界”。
从”生成视频”到”实时运行世界”
与上一代Genie 3相比，Genie 4最本质的变化是能力定位。它不再满足于一次性输出一段画面，而是能持续模拟一个可交互的3D环境：用户推开一扇门转身离开30秒，再走回来，那扇门依然保持打开状态。这种对虚拟世界的持续维护能力，正是视频模型与世界模型的分水岭。
官方演示中，用户只需输入一句提示词，Genie 4就能在不到一分钟内构建出一座完整城市。更惊艳的是，画面生成后仍可继续干预——玩家敲入”背景发生爆炸””巨型外星触手从天而降”，画面中的场景会即时响应，仿佛真实世界被实时改写。
原生声音与即兴对话：世界模型第一次”听得见”
Genie 4是该系列首款同步生成声音和画面的产品。环境音、配乐乃至角色的即兴对话都能原生产出，角色会根据突发状况张嘴说话，配合现场音效形成完整的沉浸体验。研究团队介绍，模拟环境最长可持续运行约两分钟，约为Genie 3的两倍，动态一致性大幅提升。
声音与画面的同步生成，让Genie 4更接近”实时运行的虚拟世界”而非”会动的视频”。依托Gemini大模型维持虚拟世界的逻辑连贯性，场景中的物理规律、人物行为和空间关系都能长时间保持稳定，这也是其被定位为”重大研究里程碑”的核心原因。
物理规律与空间记忆：世界模型的技术跃迁
业内人士评价，Genie 4真正拉开了视频生成与世界模型的距离。它能够记住物理规律，比如重力、碰撞与遮挡关系；也能维持空间记忆，让用户离开画面后场景依然按逻辑演进。a16z合伙人Justine Moore在实测后直言，这是”巨大的飞跃”。
在应用场景上，Genie 4既可用于游戏原型与影视预演，也能支撑具身智能体的环境训练。对开发者而言，一个可实时改写、可持续运行的虚拟世界，意味着测试成本与内容制作门槛的双重下降。
内测开放计划：谁可以率先体验
目前Genie 4以研究预览形式向小批测试者开放。官方表示，未来几周将逐步向Google AI Ultra订阅用户及部分开发者开放申请通道，有意尝鲜的用户可以提前关注waiting list。
从Genie 3的一次性画面生成，到Genie 4的持续世界模拟，谷歌正在把”世界模型”从概念推向可落地的产品形态。当AI学会在自己创造的宇宙里穷尽万千物理可能，它推开现实世界大门的那一天，或许真的不远了。
相关文章
