谷歌Genie 4发布：一句话生成可探索的虚拟世界，音视频同步、模拟时长翻倍到2分钟

美东时间10月27日，谷歌DeepMind在官网挂出了新一代世界模型Genie 4。和根据提示词生成一段视频的传统视频模型不同，Genie 4做的事是「生成一个可以待进去的世界」：用户用一句话创建虚拟环境，用键盘在里面游历，还能在场景展开的过程中输入指令，实时把晴天改成暴雨、切换摄像机视角、往场景里加角色和物体——系统在模拟继续运行的状态下执行这些改动，而不是每次从头再生成一段独立视频。

升级点：时长翻倍，声音第一次跟上了画面

这一代有几个实打实的升级点。首先是时长：模拟环境最长可运行约2分钟，差不多是上一代Genie 3的两倍。其次是多模态：Genie 4是该系列首款能同步生成声音和画面的产品，包括环境声、音乐，甚至能对用户的行为作出语音反应。谷歌也坦承局限依旧——随着模拟推进，画面细节和物体仍会发生漂移，复杂物理互动、可读文字以及长时间维持环境一致性都还有待解决。换句话说，两分钟的世界已经能跑起来，但还谈不上稳定。

世界不散架的秘诀：Gemini在旁边拆步骤、做核查

让这个世界「不散架」的是Gemini。谷歌在博客里解释了分工：当Genie 4生成场景时，Gemini会观察不断传入的画面，理解用户目标并把它拆解成一系列步骤，然后核查每一步是否完成，以此维持虚拟世界的连贯性。实际的实时体验由Gemini 3.8 Flash驱动——谷歌日常任务的轻量级主力模型，团队曾尝试用最新的Argon，最后还是选了响应更快的Flash。这个「生成模型+调度模型」的双层结构，可能就是世界模型从炫技演示走向可交互产品的工程答案。

游戏股的旧阴影与务实的新姿态

资本市场对这条产品线是有记忆的。今年1月，谷歌推出由Genie 3驱动的原型Project Genie时，游戏股曾大幅下跌，投资者开始评估AI是否会颠覆游戏制作方式。这一次，谷歌把姿态放得更务实：Genie 4以研究预览形式向一小批受信测试者开放，包括游戏开发者和电影制作人，他们正尝试用它把创意快速变成可供探索的原型、勾勒场景；未来几周将向Google AI Ultra订阅用户开放，部分使用Google AI Studio和Gemini API的开发者也会拿到访问权限。谷歌同时在研究它能否用于机器人训练，不过这类用途能否大规模落地还是未知数。

当用户不再访问网页，而是进入AI生成的世界

对做内容和做优化的人来说，世界模型指向的其实是一个更彻底的GEO命题：当用户不再「访问」网页，而是「进入」AI生成的世界时，内容的可调用性会比可引用性更进一步——你的素材、数据和事实，能不能被世界模型拆成可交互的环境组件，决定了品牌在这个入口里的存在感。眼下还早，但方向已经清晰：AI从回答问题，走到了替用户生成现场。（文 / AI30媒体部 ｜ 最后更新：2026年10月28日）

延伸阅读：Odyssey世界模型官网收录页 ｜ World Labs官网收录页