正文

Google DeepMind在10月27日发布了Genie 4：不是聊天机器人，而是一个能实时生成可交互虚拟世界的世界模型。你用一句话设定一个场景并推动它发展，还能实时指挥镜头、改天气、加角色，世界会即时跟着变，并且全程自动生成环境音、音乐和对话声。

这是什么：世界模型，不是视频生成器

所谓世界模型，不是背诵知识问答，而是内在模拟世界怎么运转的模型，能预测你推一把门、换个天气后世界会怎样。Genie 4的画面不是预先渲染好的视频，而是你每动一下，它马上算出下一帧并播出来，像玩游戏而非看电影。所谓原生音频，是声音与画面由同一模型同步生成，脚步、风声、对话口型能对上，而不是后期贴音轨。

具体变了什么：实时可改、原生有声、人物更自然

前代Genie主要生成无声短视频片段；Genie 4的跃升有三点：一是实时可操控，自然语言指令能即时改变正在运行的场景，Gemini会把指令改写成贴合当前场景的形式，并在两次输入之间持续引导场景连贯发展；二是原生音频，首次在实时世界模型里直接生成环境音、音乐和人物对话；三是人物与物理更真实，DeepMind称人物运动是最 dramatic 的进步，物理上更好地处理空气动力学与碰撞。技术构成上，Gemini Omni负责让世界看起来、行为上像真实世界，其他Gemini模型负责长程推理，保证世界玩久了不穿帮；Gemini 3.8 Flash在循环内做引导，把目标拆成步骤、逐帧检查进度。场景连贯时长约2分钟，是前代约1分钟的两倍，但仍会随时间与多次复杂编辑出现漂移。

对实际使用者的影响

短期内对普通用户影响为零：目前只向一小批受信任测试者开放，随后将面向Google AI Ultra订阅者（Project Genie内）以及Gemini API与AI Studio的早期合作伙伴，没有公布价格和公开时间，普通用户目前用不上，只能看演示。但对游戏、影视、机器人方向的人值得关注：它意味着先让AI造一个世界陪练，正从研究走向产品。等Ultra上线后再看实际延迟和可玩时长，现在只看演示即可。所有Genie 4生成的视频与音频都会带SynthID数字水印，帮助识别AI生成内容。

来源

Google DeepMind官方博客，2026-10-27