专题 · FULL STORY

Genie 4：从传闻到发布的实时世界模型

10 月 28 日，多位博主率先爆料 DeepMind 即将推出迄今最逼真的可交互世界模型 Genie 4，随后产品负责人 Logan Kilpatrick 预告其将首次开放 API。当天 Google DeepMind 正式发布 Genie 4，一句话即可生成可实时改造的互动世界，随即引发创作者实测热潮。

2026-10-28 ~ 2026-10-28 · 4 集 · 76 条

第 1 集 · Google DeepMind 发布世界模型 Genie 4(2026-10-28,54 条)

10 月 28 日，Google DeepMind 正式发布新一代世界模型 Genie 4，Sundar Pichai、Demis Hassabis 等高管同步官宣，官方称其为迄今最逼真、可交互性最强的世界模型，并放出介绍视频、开放等候名单。模型将面向 Google AI Ultra 订阅者在 Project Genie 中开放，但发布时 Ultra 会员尚无法直接体验，op7418 等作者也表达了希望早日开放的期待。

已确认

  • 用户可用键盘与自然语言实时操控模拟世界及其音景：改变天气、移动镜头、向环境中引入新元素，实时探索动态环境，观察场景响应以及人物的移动、反应与对话；op7418 指出这是首次实现在生成过程中通过提示词注入事件。
  • 架构基于 Gemini Omni 构建，Gemini 充当模拟的「大脑」，把用户请求翻译成模拟行为。Pichai 放出的演示展示了协同方式：提示「traffic light green」后，Gemini 推理出信号灯变绿的连锁反应——引擎轰鸣、摩托车沿海岸公路加速驶出；该帖还附带了完整的环境提示词，以第一人称视角呈现。
  • 能力亮点：照片级真实感（空间与人物细节逼真）、高级物理（空气动力学、碰撞、自然的人物动作）、原生多模态音频——音乐般音频、环境音与交互对话均由模型直接生成；philschmid 也总结其为逐帧渲染可玩环境、物理效果更锐利、角色可移动与说话。
  • ZeroCool86 转述的关键升级：场景一致性从 Genie 3 的 1 分钟提升到 2 分钟；只需一句提示词即可创建并探索完整可玩的游戏世界。
  • 围绕发布出现了大量示例整理：minchoi 整理了 10 个示例与提示词（第一人称骑龙飞行、巴洛克魔法师沙龙、1995 港式爱情片等）；CodeByPoonam 附上 8 个示例视频，涵盖拼图游戏、风格化 3D 马匹动画、Vespa 摩托车 3D 概念等。
  • 安全与获取：内置严格安全护栏，所有生成的音视频均以 SynthID 水印标记；已开放等候名单。
  • Google 称世界模拟是通往 AGI 的关键，正与可信测试者在影视、游戏设计、教育和机器人仿真领域探索用例；早期反馈积极，包括 VFX 前期可视化、用经核实的档案资料「复活」历史场景，测试者公认的进步集中在真实感、交互性与物理表现三方面。

尚未确认

  • markk 放出的「首个演示视频」为第三方转发，称游戏世界由模型实时生成且可用提示词即时修改，官方对应细节尚待确认；Polymarket 等账号的快讯转述亦需以官方披露为准。

为什么重要

  • Genie 4 将世界模型从「生成视频」推进到「可实时交互的完整模拟」，原生音频与高级物理使其更接近真实环境，对影视前期制作、游戏设计、教育与机器人仿真有直接应用价值。
  • 以 Gemini 作为模拟大脑、用自然语言直接驱动世界，代表多模态大模型与世界模型深度耦合的路线，是 DeepMind 通往 AGI 叙事的重要一步；SynthID 水印与订阅门槛也体现了其在开放与安全之间的取舍。

还有 34 条相关讨论 →

第 2 集 · 谷歌发布 Genie 4 实时世界模型，一句话生成可交互世界引实测热潮(2026-10-28,17 条)

Google 于 10 月 28 日正式发布 Genie 4 实时世界模型，允许用户用一句话生成可交互、可实时改造的模拟世界，音画同步生成。发布当天即引发多位创作者实测热潮。整体结论：Genie 4 能在约一分钟内生成可漫游环境，生成过程可被实时干预，多位创作者以「片场」「导演」「时间机器」形容其体验，普遍认为将冲击游戏开发与 3D 制作流程；Google 还演示了 Gemini 拆解任务、Genie 4 模拟人形机器人执行的组合玩法。

已确认

  • Ethan Mollick 实测：输入「住着机器人和马的哥特式粗野主义城市」，约一分钟即得到可漫游的游戏化环境，并可实时加入龙和一只友好的水獭 NPC，他称体验「相当疯狂」（m1、m8）。
  • Mollick 用 Genie 4 运行 DOOM：走进一间典型办公室，发现每台电脑、每面墙都在跑 DOOM，「一切都是 DOOM」，随后剧情荒诞展开。他对比两年前 diffusion 世界模型只能复刻 DOOM 的进展，感叹技术跃迁（m2、m8）。
  • Mollick 另演示实时迭代能力：输入「维多利亚下午茶、一只着装得体的老鼠」后，接连追加「一只豪猪走过」「老鼠长出翅膀」「老鼠飞向茶杯」，模型全部实时响应，且他可在场景中自由走动（m3）。
  • 博主 bilawal sidhu 演示「像身处片场」的用法：走进实时运行的模拟场景，录制多个「take」，即时调整机位、灯光、声音和动作，并搭建了一个含神秘「黑色三角」UAP 的场景；他还走进一张柏林墙开放几天后拍摄的柏林历史照片进行实时拍摄（m4、m7）。
  • minchoi 放出完整提示词，展示 Genie 4 生成超写实、35mm 电影级第一人称 POV 的巴洛克魔法师沙龙，连皮肤毛孔、木纹、铜镶嵌等细节都可被要求真实呈现，并严格避免游戏感（m6）。
  • CodeByPoonam 整理多组示例与升级要点：Genie 4 核心能力是实时生成视频与音频，用户可用键盘指令和 prompt 实时修改正在生成的画面，音频同步生成；其引用的 DotCSV 推文称这版比上代更接近电影感。该作者还分享了拼图游戏、风格化 3D 马匹动画、Vespa 摩托车 3D 概念图等直接生成示例，并转引其他用户实测称几分钟内生成的游戏「好到离谱」、真正可玩（m10–m13）。
  • chrisfirst 分享演示并感叹用户可以「跳到摄影机后面」像导演一样实时执导生成场景，其中物理表现令网友惊叹；他还发现可以在场景中提示事件发生（如巨型雕像砸到西瓜、丝绸在风中飘动），生成的世界中角色能开口说话，他形容 Genie 4 像一台可走进任何想象世界的时间机器（m15、m16）。
  • Google 官方演示组合玩法：Gemini 4 Argon 将「人形机器人下跳棋」任务拆解为步骤，再由 Genie 4 世界模型实时模拟 Apptronik Apollo 机器人执行；chrisfirst 补充介绍 Gemini 逐帧观察 Genie 渲染输出、逐步验证每一步是否成功（m9、m17）。
  • 中文博主 FuSheng0306 盘点 Genie 4 四个应用方向：游戏开发（一句话生成场景、进去试玩现场修改）、互动直播（观众提要求、虚拟世界实时变化）等，并称「建模师看完要感叹三年动画白学了」，认为 3D 制作流程将洗牌（m5）。

为什么重要

  • Genie 4 将世界模型从「复刻已有游戏」推进到「凭一句话即时创造可交互世界」，且生成过程本身可被实时干预，模糊了游戏引擎、视频生成与电影制作工具的边界。
  • 多位创作者不约而同以「片场」「导演」「时间机器」类比，提示其在影视预演、虚拟拍摄等领域的直接应用潜力；3D 概念设计示例也显示其在创意设计流程中的可用性，FuSheng0306 进一步点名互动直播等场景。
  • Gemini 拆步骤 + Genie 4 模拟机器人执行的组合演示，显示世界模型可作为任务规划的验证环境，暗示其在具身智能/机器人训练方向的潜在用途。
  • Mollick 的茶会演示与 chrisfirst 的事件提示、角色对话体验进一步表明，场景可在运行中持续追加指令演化，这种「对话式改造世界」的交互形态是其区别于以往生成工具的关键。

第 3 集 · 传闻：DeepMind将发布实时世界模型Genie 4(2026-10-28,3 条)

多方博主爆料（均未获官方证实），Google DeepMind 即将推出 Genie 4，称其为迄今最逼真、可交互的世界模型。传闻特性包括：实时生成可探索、可交互的照片级虚拟世界，逼真视觉与真实物理模拟；作为首个带原生音频的实时世界模型，可生成环境音、音乐和角色实时对话；并借助 Gemini 进行推理与规划，用户打字即可修改场景。

第 4 集 · 谷歌预告 Genie 4 前沿世界模型，将首次开放 API(2026-10-28,2 条)

Google DeepMind 产品负责人 Logan Kilpatrick 预览了新一代前沿世界模型 Genie 4，并称这将首次通过 API 对外提供。他同时与研发团队进行了对谈，并发布了预览视频，但官方尚未公布正式发布时间。