谷歌DeepMind 10月27日以研究预览形式发布世界模型Genie 4，官方称之为迄今最逼真、交互性最强的一代

升级集中在三件事：原生音频、实时改写、更长的连贯时长。

Genie 4是DeepMind首个在实时模拟里同步生成声音的模型——环境音、音乐、交互对话都随画面即时产生，角色回应会跟着对话和场景变化走。

模拟运行中输入自然语言就能改天气、移镜头、加角色，指令即时生效，无需重生成。

单次场景一致性约两分钟，是前代的两倍。但官方把丑话说在前面：研究工程师Diego Rivas明确表示，“两分钟能做到的事情终究有限”，长时间运行画面细节会漂移，复杂物理交互和画面文字仍未解决。

架构上值得留意：Genie 4靠Gemini当家brain，观察画面、拆解用户目标、核对每步是否完成。

团队试过旗舰Gemini 4 Argon，但实际跑的是轻量的Gemini 3.8 Flash，实时世界模拟拼的不是参数，是低延迟下的持续理解。

这个分工被谷歌称作“混合世界模型”：Gemini规划结构，Genie逐像素渲染物理现实。

机器人方向已有实验：Argon把任务拆成步骤，Genie 4实时仿真Apptronik的Apollo人形机器人下棋，为真实测试前的仿真验证探路。

今年1月Genie 3驱动的Project Genie原型刚亮相，游戏股就大跌过一轮。受信任测试者已把玩法跑出来：电影人在模拟里跑多条take调机位灯光，摄影记者把单张历史照片变成可走进去的场景。

竞争也在白热化，Runway刚出了第二款世界模型，李飞飞的World Labs上月以82亿美元卖身AMD。

Genie 4目前只对受信任测试者开放，未来几周扩到Google AI Ultra最高档订阅和部分开发者，生成内容均带SynthID水印。

谷歌真正的标的不只是游戏和影视预演，而是给机器人训练造一个无限的合成环境，那才是巨头的算盘。