最近AI圈又扔出了王炸——谷歌DeepMind全新一代世界模型Genie4正式亮相，看完官方Demo和内测实测，只能感慨AI进化的速度已经快到超出普通人想象。 你能想象吗？骑在黑龙背上以140公里时速穿越山谷，翅膀扇动声、风声清晰可闻；看风景腻了随手敲一句“城堡发射火球和箭”，下一秒攻击就会出现在画面里。全程两分钟一镜到底，所有音效、场景变化全是AI实时生成，这就是Genie4现在已经能实现的效果。 谷歌CEO桑达尔·皮查伊第一时间发文官宣，直接将它称为“目前最逼真、互动性最强的世界模型”。

目前Genie4已经以研究预览形式开放给少量受信任测试者，后续会登陆Google AI Ultra订阅服务，也会通过Gemini API和AI Studio向早期合作开发者开放。除了官方Demo外，几乎所有实测内容都来自X平台的内测用户，外网甚至已经出现了“游戏引擎已死，世界模型万岁”的讨论。

对比上代，Genie4到底强在哪？

距离上代Genie3发布仅一年多，这次的升级几乎是跨越式的：

  • 连贯时长翻倍：单次可生成的稳定连贯世界时长，从上代的1分钟直接提升到了2分钟
  • 原生音画同步：这是谷歌首个支持音视频同步生成的实时世界模型，小到风声、爆炸声这类环境音，大到NPC对话，全部由AI根据画面实时计算生成
  • 实时编辑自由度暴涨：上代Genie3虽然已经支持文字触发事件，但只能简单添加热气球、动物这类基础元素，更像往固定视频里贴素材；Genie4支持切换天气、自由移动镜头，新增元素还会和现有场景自然互动，触发爆炸、外星触手入侵这类复杂剧情也能无缝衔接。有内测用户仅用一分钟就生成了机器人与马共存的哥特风城市，后续还能实时追加巨龙、友好浣熊NPC等内容。

早在Genie3时期，“可提示世界事件”功能就已经上线，但交互逻辑和效果都非常简单：

高自由度的背后是全新的技术架构，这次谷歌用上了**混合世界模型（Hybrid World Models）**方案，Genie4和Gemini大模型分工配合：

  • Genie4本身负责实时输出高拟真画面和匹配的音频
  • Gemini负责底层逻辑支撑：Gemini Omni保证场景样貌、物体运动符合现实规律；Gemini 3.8 Flash会把用户的复杂指令拆分为多步执行，同时实时监测生成结果，不符合预期就立刻动态调整 除此之外，Genie4的物理模拟能力也进步明显，空气动力学、物体碰撞效果都更贴近现实。官方Demo里大理石雕像砸烂西瓜的慢动作中，瓜瓤、汁水飞溅的效果几乎可以以假乱真。

游戏玩家最关心：能用它做游戏吗？

答案是，已经有内测玩家玩出花了。 拿到资格的用户直接用Genie4生成了一座可交互的城市开放世界，还给作品起名“GTA Waymo”——玩家可以实时操控车辆在街道行驶，周围场景、车辆全部动态生成，相当于在GTA6正式上线前，先玩上了AI生成的“同人GTA”。

除了游戏开发，它的应用场景比大众想象的更广：影视团队可以提前在生成的虚拟世界里调整镜头、测试人物走位，省去大量搭景、预拍的成本。 但最有想象力的方向其实是机器人训练。现在机器人学习叠衣服、端盘子这类简单动作成本极高，需要真人反复示范采集动作数据，还很难覆盖现实里的所有意外场景；而Genie4可以零成本无限生成虚拟训练场景，短时间内就能给机器人喂够海量训练数据。 谷歌已经和机器人公司Apptronik完成了测试：只给出“和对面的男孩下西洋跳棋，走一步红棋”的笼统指令，Gemini 4 Argon就自动把任务拆成了22个动作步骤，由Genie4渲染出机器人低头、伸手、拿棋、抬臂、移动、落子的完整模拟过程。

别吹太早，现在的它还有不少缺陷

虽然演示足够惊艳，但Genie4目前还处在非常早期的阶段，不少细节根本经不起推敲：

  • 人物对话AI感很重，面部表情僵硬不自然，甚至出现过日本乡村火车站的列车员全程说英语的低级问题
  • 物理模拟仍有漏洞，砸西瓜Demo里的大理石雕像砸中西瓜后，按物理规律应该翻倒，视频里却纹丝不动
  • 一旦生成时间过长、用户频繁转动视角或者修改指令，场景里的物体、细节就会出现“漂移”，无法长期保持一致性

官方也大大方方列出了产品现阶段的全部局限性：

【编辑观察】虽然现在的Genie4还撑不起“游戏引擎终结者”的称号，但世界模型赛道的升温速度已经肉眼可见：近两个月Runway发布了支持多人联机的世界模型GWM Worlds 2，AMD砸82亿美元收购李飞飞创办的World Labs，亚马逊也被曝准备斥资70亿美元收购世界模型初创公司Decart。 按照现在的迭代速度，说不定再过两三年，普通玩家真的能玩上自己输入两句话就生成的定制版开放世界，这一天大概率不会等太久。