刚刚，谷歌重磅发布Genie 4：这才是真正的「世界模型」
谷歌DeepMind于当晚发布新一代通用世界模型Genie 4，被称为迄今最逼真、最具互动性的AI世界模型。
一句提示词即可生成一个能实时互动、动态变化的“活体宇宙”。谷歌CEO劈柴宣布，从“生成一段视频”迈向“实时运行一个世界”，标志着“绿洲”时代的到来。
此次Genie 4将世界模型带入全新阶段：原生生成声音与即兴对话，同步产生环境音与配乐，角色可根据突发状况即兴交谈；单次连贯世界维持时间翻倍至约2分钟，实机画面稳定在约24帧/秒；借助Gemini Omni锚定现实常识，人物微表情、镜面反射与物理碰撞全面提升；三大Gemini模型联手组成“混合世界模型”，Gemini 3.8 Flash实时监控画面，Gemini 4 Argon拆解22步精细动作指挥机器人下跳棋。
用户每走一步，世界实时扩展；每改一句，物理法则和NPC台词当场重写。谷歌已开始内测Genie 4，Google AI Ultra用户可申请等待列表。
为展示Genie 4的能力，谷歌发布了一系列Demo。用户不再是观众，而是第一人称游戏玩家和世界的“上帝”。例如，一段王家卫风格的香港大桥飙车戏，后座女孩刚喊出台词，玩家输入“背景发生爆炸”“毁灭世界的巨型外星触手”，维港天际线立刻火光冲天，外星触手从天而降。路灯的橘色拖影、女主的皮肤质感和细微表情，均在长镜头中完美渲染。
相比Genie 3的致命短板——没有声音且生成真人漏洞百出，Genie 4在Gemini Omni的常识锚定下，能拍出化妆镜暖光、演员微表情及镜面实时倒影，细腻如实拍长镜头。
沃顿商学院教授Ethan Mollick的实测显示，输入“由马和机器人共同居住的新哥特式粗野主义城市”，不到1分钟城市出现，单帧延迟稳定在23.4至25.3 FPS。点击“巨龙掠空”按钮，巨龙几秒内呼啸而过。随后输入“一只友好的水獭NPC走过来问问题”，街角跑出一只穿马甲的水獭，用伦敦腔搭话。他还晒出在Genie 4中运行《毁灭战士（DOOM）》的实测：设定“走进一间每台电脑和墙壁都在跑DOOM的办公室”，连敲三道指令后，恶魔同事出现，双手转着重型加特林，当场发起奖金。
a16z合伙人Justine Moore晒出水下潜行实测，称其为巨大飞跃。在海底洞穴中点下“受诅咒的紫钻发光”与“电鳗群袭来”，洞穴深处紫光爆闪，出现巨大电鳗群；再点“幽灵海盗现身”，海盗船长亡灵出现。
前谷歌AR/3D产品经理Bilawal Sidhu将Genie 4用作科幻大片的实时虚拟片场：召唤UFO后输入“它把我吸了进去”，UFO瞬间轰开牵引光束。
谷歌官博介绍，Genie 4提升了四大关键功能。
实时塑造世界模拟：用户可通过自然语言实时修改模拟场景，如改变天气、移动镜头或引入新人物，Gemini根据场景调整指令，并监控引导场景流畅发展。例如，一个男人在岛上吹萨克斯，敲下“鲸尾出现”，身后水中立刻出现鲸鱼；随后让世界下雪，鹅毛大雪飘落。第一人称视角下，以140公里时速骑巨龙俯冲掠过古堡，下令“城堡发射火球”，塔楼喷出烈焰。Genie 4还生成了南极冰封大地和第一人称乘热气球场景。
拓展物理学和人类行为的现实边界：Genie 4为交互模拟引入全新真实感标准，基于对世界物理的超强理解，逼真模拟空气动力学、碰撞等。其最显著进步在于模拟人物，能创造自然移动、对环境反应、可实时交互的角色。例如，80年代日本乡村车站，给prompt乘务员喊出发车提示；再给提示，老妇人提行李箱出现。户外庭院中，大理石半身像砸向西瓜，瓜瓤与汁水飞溅；草甸上的粉色丝绸迎风翻涌；枫树种子掉落镜头逼真，翅果像直升机螺旋桨自旋滑落。
告别无声蜡像馆，模拟声音：Genie 4是谷歌首款原生生成音频的实时世界模型，每个世界拥有自身环境声音，如树叶沙沙作响、海浪拍打沙滩。它引入实时互动对话功能，角色根据输入或事件实时对话反应。半透明3D彩绘玻璃世界中，召唤出的鹿脚步声自动变成清脆琉璃碰撞声。
硬核架构拆解：三大Gemini轮番上阵，搭起“混合世界模型”回路：Genie 4并非简单画质提升，而是采用颠覆性“混合世界模型”架构，派出三款Gemini模型与Genie 4配合，为世界模拟增添全新推理层面，模拟复杂多步骤事件，并在将AI引入现实世界前测试其运行环境。
第一重配合是Gemini 3.8 Flash在循环回路中充当实时控场的“总导演”，当Genie 4逐帧生成画面时，Gemini 3.8 Flash在后台实时监控，拆解多步推理序列，验证步骤完成并下达下一步指令。用户干预时，Gemini立即调整，生成具有可靠因果、程序员行为和多步骤推理的世界。例如，近景魔术中，玩家关箱门挥动魔术棒，Gemini 3.8 Flash确认步骤完成，指挥Genie 4将孔雀变橘猫、橘猫变收音机；半途改戏，它也能当场重排剧本。
Gemini 4 Argon与Gemini Robotics的加入，捅破了具身智能与机器人训练的天花板。人类下达“跟对面男孩下跳棋，走一步红棋”，Gemini 4 Argon将任务拆解为22步毫米级动作剧本，实时注入Genie 4生成流，驱动Apollo机器人完成捏棋、走子与对弈。Genie 4还能进实验室做精密科研，工业级UR5六轴机械臂能精准夹持移液管，插入微孔板滴注液体，即便中途挪走目标，模型也能实时重算策略。
真正的“世界模型”是推开一扇门，离开30秒再回来，门依然开着——能记住物理规律、维持空间记忆，这是视频模型与世界模型的分水岭。Genie 4凭借“海量无标签视频预训练+少量动作轨迹微调”，加上Gemini的符号逻辑与长程记忆，将单次连贯世界维持时间推至约2分钟，构建交互环境无需繁琐手工3D建模。
Genie 4已向Google AI Ultra用户开放，并将作为首款进入Gemini API与Google AI Studio的世界模型向开发者开放。谷歌的野心在于，真正的AGI不可能只活在对话框里。当AI学会在自己创造的平行宇宙中穷尽万千种物理可能，它推开现实世界大门的那一天不再遥远。