你正在一个 AI 生成的海滩上行走。风声和海浪声跟着画面响起，人物会回应你的提问。你输入一句“让暴雨突然来临”，天气随即变化；再让镜头升高，或者在路边加入一辆车，场景继续运行，而不是从头生成一段新视频。
这就是 Google DeepMind 新一代世界模型 Genie 4 想解决的问题：让生成内容从“看一段视频”，变成“走进一个持续变化、可以操控的世界”。世界模型，是能延续环境状态并预测动作后果的模型。它必须记得人物在哪里、物体怎样摆放，也要让用户的操作产生合理后果。
Genie 4 目前仍是面向 trusted testers 的 research preview，即只交给一批受信任的测试者试用。现有能力主要来自 Google 的发布和媒体简报，尚无公开基准测试或外部复现实验。
它不只生成画面
Genie 4 最显眼的变化是原生音频。它能在实时模拟中同时生成音乐、环境声和互动对话。这里的“原生”意味着声音与世界一起生成，而不是事后给视频配音。海边有浪声，树林里有风声；人物也能根据用户输入或场景事件临场回应。
这属于多模态生成——同一个系统联合处理或生成文字、画面和声音。难点不只是把三种内容放在一起，而是让它们同步：人物开口时，话语要符合当下发生的事；环境变化后，声音也要跟着变化。
Google称，这是其首个能够原生生成音频的实时世界模型。但它并非整个行业的音频首创。据 TechCrunch 报道，Runway 此前发布的 GWM Worlds 2 已经包含音频生成。因此，更准确的说法是，Genie 系列终于把声音补进了可交互世界。
世界可以边运行边改
用户可用键盘控制移动和镜头，也能在模拟运行时输入自然语言指令，改变天气、移动相机，或加入人物和物体。Gemini 会结合周围场景解释这些指令，并在两次输入之间持续监控和引导模拟。
这就是实时操控：用户不必等系统生成完整结果，再返回提示词重做。它更像一场可以随时改戏的排练。导演可以让灯光变暗、换一个机位，再要求演员作出不同反应，场景则从当前状态接着演。
据 TechCrunch 报道，Genie 4 最长可把场景一致性维持两分钟，是 Genie 3 的两倍。场景一致性，指人物、物体和空间关系不会随着时间无故变形或被模型遗忘。两分钟仍不长，但对需要连续响应操作的模拟而言，它比一段固定短片更接近“可玩的环境”。这一时长目前只有单一明确报道支持。
Gemini像一组场外调度员
Genie 4 还融合了 Gemini 系列能力，但不同模型的职责不能简单混为一谈。Google称，Gemini Omni负责让模拟贴近现实世界的外观和行为；其他 Gemini 模型则提供推理能力，帮助维持连贯性。
在复杂任务中，Gemini 3.8 Flash 会观察正在生成的画面，把目标拆成一连串步骤，再检查新画面，判断每一步是否完成。用户临时介入或环境发生变化时，它会调整计划。可以把它理解为场外调度：Genie 4负责让世界继续运转，Gemini负责盯进度、改安排。
Google还展示了一项与 Gemini Robotics 结合的研究实验。Gemini 4 Argon先把用户交代的机器人任务拆成步骤，再把文字指令穿插发送给 Genie 4，让后者实时模拟执行过程。它展示了一条可能的路径：让机器人在现实行动前，先到生成环境中演练。不过，这仍是研究演示，不等于已经验证的机器人训练方案。
游戏行业为什么格外敏感
Genie 的路线从一开始就带着游戏意味。据 Google DeepMind 介绍，2024年的第一代模型没有拿到明确的按键说明，而是从互联网游戏视频中自行推断“向左、向右、跳跃”等潜在动作，甚至能把一张手绘草图变成可操控的小世界。此后，它一路走向实时生成的 3D 环境。
这触碰了游戏制作最昂贵也最费时间的一环：先把想法做成可以探索的原型。Google称，测试者正尝试用 Genie 4 在写代码前快速检验视觉风格、材质和互动机制；影视从业者则把它当作预演草稿，实时调整镜头、灯光、对白和动作。
市场已经提前为这种可能性定价。据 Reuters 和 GamesRadar+ 报道，2026年1月 Project Genie 开放时，体验只有约60秒，Google也明确提示物理规律、指令遵循和操控延迟并不稳定，但 Unity 股价仍一度重挫约两成，Roblox和Take-Two也明显下跌。随后，Take-Two总裁 Karl Slatoff强调，Genie与真正的游戏引擎“根本不在同一个球场”。
这次升级并没有消除那段距离，却让问题更具体了：如果原型可以用自然语言即时生成，行业首先被重新定价的，未必是完整游戏，而可能是概念验证、分镜、预演和早期试错的成本。
局限与未知
- Google所称的逼真度、物理效果和人物动作提升，主要依据厂商演示与陈述。材料没有提供统一基准、用户评测或外部验证。
- TechCrunch称，模拟运行越久，细节和物体仍会漂移；音频准确性以及场景中文字的清晰度也尚未解决。
- Genie 4 将先通过 Project Genie 面向 Google AI Ultra 订阅者，并向 Gemini API 和 Google AI Studio 的早期合作伙伴开放。Google尚未说明最终产品形态，游戏、教学、机器人训练和影视制作目前也多是测试、设想或研究演示。