谷歌 DeepMind 昨天放出世界模型 Genie 4，还在研究预览阶段，先只给一小批受邀测试的人用，之后才轮到 AI Ultra 订阅用户和部分开发者。世界模型不是生成一段视频，是实时跑出一个能走进去、也能当场被改的环境：按键盘走，一句话就改天气、换镜头、加一个人。

能在跑的过程中改，靠的不止一个模型。谷歌的 Gemini Omni 负责让画面像真实世界的样子和动作；循环里真正当引导的是轻量的 Gemini 3.8 Flash——它一边看画面，一边把目标拆成几步，逐帧核对每一步有没有成。没人输入的时候，它还在往下推情节。

官方自己也写清楚了短板：只能支撑几分钟的连续交互，不是长会话；跑得越久、改得越频繁，细节和物件的位置就越容易变；清楚的字，也只有在提示词里写过的时候才生成得出来。

门槛已经不是画得像，是撑得住——几分钟这条线，就是世界模型现在的位置。你手上要是有支片子要拍，省下的是先跑一遍的成本：分镜和场景先进去跑几个来回，再决定要不要开机。