事件经过：从"能看"到"能进去改"
2026 年 10 月 27 日，谷歌 DeepMind 以研究预览形式发布新一代通用世界模型 Genie 4，官方称其为"迄今最逼真、最具互动性的 AI 世界模型"。与 2025 年以研究预览发布的 Genie 3 相比，Genie 4 有三个可核验的硬变化：单次连贯场景时长延长到约 2 分钟，是前代的两倍；首次具备原生音频生成能力，可同步输出背景音乐、环境音与能对用户行为作出反应的对话；支持在模拟运行过程中用自然语言实时改天气、调镜头角度、添加人物和物体。
分工上，Gemini 扮演"导演"，负责理解用户目标、拆解步骤并逐帧检查画面是否完成；Genie 4 负责生成视觉内容。谷歌在发布中提到的 Gemini Robotics 关联实验，由 Gemini 4 Argon 模型把任务拆成步骤，Genie 4 实时生成美国机器人公司 Apptronik 旗下 Apollo 人形机器人下跳棋的模拟画面。谷歌研究总监 Tejas Kulkarni 在媒体简报会上表示，未来会越来越多地出现混合世界模型：Gemini 写代码和文本，Genie 实时接收并在不同抽象层级上模拟现实。需要注意的是，财联社报道提到团队曾尝试用 Argon，而实际的实时体验由更轻量的 Gemini 3.8 Flash 驱动。
开放节奏：目前只向一小批受信任测试者开放，未来几周计划向最高档 Google AI Ultra 订阅用户开放，同时向部分使用 Google AI Studio 和 Gemini API 的开发者提供访问权限。今年 1 月谷歌推出由 Genie 3 驱动的原型 Project Genie 时，曾引发游戏股大幅下跌。
和 AI 视频生成到底差在哪
| 对比项 | AI 视频生成（如 Veo 一类） | 世界模型（Genie 4） |
|---|---|---|
| 输出形态 | 一段固定视频文件 | 可实时操控的动态环境 |
| 交互时机 | 生成前写提示词，成片后无法改 | 运行中可随时改天气、加人物、换机位 |
| 时长约束 | 通常数秒到数十秒片段 | 官方称单次连贯约 2 分钟，为 Genie 3 两倍 |
| 音频 | 多为后期叠加 | 原生生成，含环境音、音乐与交互对话 |
| 主要用途 | 成片、素材 | 原型验证、仿真、可探索场景 |
对从业者的影响
游戏与影视前期是最近的一块。DeepMind 工程师 Diego Rivas 的说法是，实时性最有价值的地方在于需要保持创作心流的环节——构思阶段、分镜头脚本阶段。测试者指出的新用途是影视原型制作。谷歌同时提到摄影记者正在尝试把二维历史照片转成可探索的动态场景，或用模拟展示洪水、野火的发展过程。
这里必须划一条线：由历史照片推断出的画面，不能直接当作对历史事实的准确重建。涉及新闻与史料用途时，模拟结果只能作为示意，不能作为证据。
机器人方向的价值在于"先模拟后执行"——真实世界动作之前先在虚拟环境里跑一遍，减少真实试验的时间与成本。不过谷歌自己也表示，这些用途能否被广泛采用目前尚不清楚。
站长观点
编辑部认为，Genie 4 最值得关注的不是画面变好，而是它把世界模型从"演示品"往"工具"推了一步：2 分钟连贯时间加上运行中的自由编辑，才勉强够做一次分镜推演；1 分钟以内只能算技术展示。原生音频则是被低估的一项，环境音和交互对话让虚拟场景第一次有了"临场"的基础。
但我们不建议内容创作者现在就押注。它目前是研究预览，开放范围极小，没有公开的定价和商用条款，也没有稳定的 API。真正理性的动作是：把它放进观察清单，等 Google AI Studio 与 Gemini API 的访问权限落地后再评估。至于"游戏行业会不会被颠覆"——2026 年 1 月已经恐慌过一轮，现在看，世界模型更像是在抢前期原型的活，而不是抢成品的活。
来源清单
- 科学网《谷歌发布新一代世界模型 Genie 4，加强物理 AI 技术布局》(2026-10-28，来源：中国科学报)
- 澎湃新闻《谷歌发布新一代通用世界模型 Genie 4：逼真度提高，加入音频生成和实时操控》(2026-10-28)
- 新浪财经《谷歌发布 Genie 4，单次连贯 120 秒，AI 世界更鲜活》(2026-10-28)
- 财联社《谷歌 Genie 4 亮相：一句话创造虚拟世界、敲键盘自由探索》(2026-10-28)
- 今日头条 CNMO 科技《谷歌发布 Genie 4 世界模型 支持实时音频与中途操控场景》(2026-10-28)
核查日期：2026 年 10 月 28 日。Genie 4 为研究预览版本，开放范围与访问方式以 DeepMind 官方公告为准。