两分钟的可玩世界：谷歌 Genie 4 上线，边玩还能改天气加角色

谷歌 DeepMind 本周二在官网放出新一代世界模型 Genie 4。用户敲一句描述，就能得到一个可以走进去、可以操作的虚拟环境，官方称这是目前最逼真、交互性最强的一版。

世界模型跟普通视频生成不是一回事。视频是一次性输出，看过就结束；世界模型要即时响应操作，还要在运行中维持场景的逻辑。Project Genie 这个原型在今年 1 月亮相，底层还是 Genie 3，当时一度让资本市场紧张，游戏板块股价随之下行，讨论的焦点是这项技术会不会改写游戏的生产流程。

Genie 4 支持用键盘在场景内移动，运行过程中还能实时下发指令，改天气、往场景里添角色都可以。单次模拟最长两分钟，是上一代的两倍。它也是该系列第一个做到音画同步的版本：环境音效、背景音乐，以及响应用户操作的对话音频都能一并生成。

场景连贯性由 Gemini 系列兜底。生成时由 Gemini 持续解析画面、理解意图并拆解执行步骤，还会校验任务是否完成；实时交互由 Gemini 3.8 Flash 这个轻量版本负责驱动。所有输出都嵌入 SynthID 隐形水印，用来标记合成内容。

现阶段的使用者是游戏开发者与影视创作者，方向是可交互的创意原型与场景草图。谷歌也在试探机器人训练的可能性，能否规模化落地还没有答案。产品经理 Diego Rivas 的说法是，目标是拓展现有的创作能力，而不是直接替代现有工作流。

官方并不掩饰短板。模拟时间拉长后，画面细节与物体形态会出现漂移，两分钟全程一致无法保证。长时段的场景一致性、可读的文字、复杂的物理交互，这三道坎都还没跨过去。Tejas Kulkarni 是这个项目的研究负责人，他的说法是，想撑满两分钟不露破绽，模型得先真正吃透现实世界的物理规则。项目仍处在研究探索阶段，距离成熟产品还有距离。

开放节奏上，眼下以研究预览形式对小范围可信测试者开放，未来数周会向最高档付费订阅用户，以及部分开发者开放调用权限。

文章与图片内容转载网络，如有侵权请联系平台删除