模型与接入
Genie 4：世界模型有了声音，也能边走边改
Google DeepMind 把世界模型更新到 Genie 4：它是该系列第一个原生生成声音的实时世界模型，键盘行走、文字随时改景，Gemini 3.8 Flash 在旁边当导演规划多步事件。场景连贯约两分钟，是 Genie 3 的两倍。研究预览先给信任测试者，几周后进入 AI Ultra 的 Project Genie。三张独立榜单都没有它的分数——世界模型不在这些评测范围内，缺口如实保留。
本文依据 DeepMind 官方博客、TechCrunch 报道与本站 10 月 28 日对 Physics-IQ 物理续视频榜的回读整理；除注明外，能力描述均为官方口径，本站未运行模型。正文两图为官方演示视频截帧，非本站生成或实测。
四项能力：第一个会出声的实时世界模型
10 月 27 日，Google DeepMind 发布 Genie 4，官方称之为新一代实时、可交互的世界模拟：在生成照片级画面之外，这是该系列第一个原生生成声音的实时世界模型——环境声（风、海浪）、音乐、音效，以及会随输入和事件变化的实时对话，都由模型在模拟过程中直接产生。TechCrunch 报道称，这一代能把场景保持连贯约两分钟，是 Genie 3 的两倍；Genie 3 发布于 2025 年 8 月，距今一年多。官方归纳的四项核心能力是：实时用自然语言改写世界、更真实的物理与人物动作（空气动力学、碰撞、自然的角色运动）、原生音频与对话，以及借助 Gemini 推理模拟多步事件。
操作方式从演示看很直接：键盘方向键行走，文字提示随时改景——改天气、换视角、加人物都行；两次输入之间，Gemini 会持续观察世界，把场景维持在一致状态。官方演示里既有第一人称乘热气球飞越南极冰原、140 公里时速的龙竞速、香港 35 毫米胶片质感的摩托街景，也有微观的枫叶种子飘落。下面的截帧里，左下是 W A S D 移动控制，右上角的 REASONING STEPS 面板实时列出规划步骤——这是理解这一代的关键：画面与世界由 Genie 生成，“接下来发生什么”由旁边的 Gemini 决定。
来源与延伸阅读
- Google DeepMind：Genie 4: A new generation of world simulation官方发布 · 10 月 27 日核对四项核心能力、原生音频范围、键盘与文字转向、Gemini Omni 锚定与 Gemini 3.8 Flash 引导分工、Gemini 4 Argon＋Gemini Robotics＋Appptonik Apollo 下棋实验、研究预览与 Project Genie／AI Studio 开放路径、信任测试者四类用途、官方局限清单与 SynthID 水印。本文封面取自官方发布主图（1200×630），两帧正文图取自官方演示视频。
- TechCrunch：Genie 4 世界模型加入音频与实时转向媒体报道 · 10 月 27 日核对约两分钟场景连贯（Genie 3 两倍）、研究总监 Tejas Kulkarni 的混合世界模型方向、工程师 Diego Rivas 的电影预可视化引语与“仍有一段距离”的边界、Runway GWM Worlds 2 与 AMD 收购 World Labs（82 亿美元）等行业背景。
Gemini 当导演：从改景到机器人实验
官方把分工说得很清楚：Gemini Omni 负责把模拟“锚定”在真实世界的外观和行为上；Gemini 3.8 Flash 是引导代理——观察画面帧、把目标拆成步骤、核对进度、必要时当场重规划。用户输入的文字先由 Gemini 适配到当前场景语境再交给 Genie 执行。研究总监 Tejas Kulkarni 对 TechCrunch 描述的方向是“混合世界模型”：Gemini 负责代码与文字层面的推理，Genie 负责不同抽象层上的像素级模拟，两层合在一起工作。
一个值得注意的实验把这条线接到了机器人：Gemini 4 Argon 与 Genie 4、Gemini Robotics 组合，模拟 Appptonik 的 Apollo 人形机器人下棋，规划步骤以文字字幕的形式与画面交错出现。也就是说，世界模型不只是创作工具——先在模拟里测试机器人场景、再落到实机，是官方明确展示的用途之一。本站此前记录过 Gemini 4 Argon 从受邀测试到付费 API 的开放过程，模型目录里可以对照它的条目。站内另一条参照线是 Odyssey-3：同样以“动作之后环境怎样变化”为核心的世界模型，本站记录过它两套配置在物理续视频榜上的分数——Genie 4 目前没有进入那张榜（见下节）。
来源与延伸阅读
- Google DeepMind：Genie 4: A new generation of world simulation官方发布 · 10 月 27 日核对四项核心能力、原生音频范围、键盘与文字转向、Gemini Omni 锚定与 Gemini 3.8 Flash 引导分工、Gemini 4 Argon＋Gemini Robotics＋Appptonik Apollo 下棋实验、研究预览与 Project Genie／AI Studio 开放路径、信任测试者四类用途、官方局限清单与 SynthID 水印。本文封面取自官方发布主图（1200×630），两帧正文图取自官方演示视频。
- TechCrunch：Genie 4 世界模型加入音频与实时转向媒体报道 · 10 月 27 日核对约两分钟场景连贯（Genie 3 两倍）、研究总监 Tejas Kulkarni 的混合世界模型方向、工程师 Diego Rivas 的电影预可视化引语与“仍有一段距离”的边界、Runway GWM Worlds 2 与 AMD 收购 World Labs（82 亿美元）等行业背景。
谁能用，拿来做什么
Genie 4 以研究预览的形式先开放给信任测试者，官方等待列表已开放；随后几周内，Google AI Ultra 订阅者会通过 Project Genie 用到它，Gemini API 与 Google AI Studio 的早期访问合作伙伴也在计划内。所有生成的视频和音频都带 SynthID 水印；官方强调内部安全评测、严格护栏与信任测试者优先的部署节奏。对普通读者来说，现在能做的是看演示、进等待列表——距离随手打开还有一个订阅档位和几周时间。
信任测试者的四类真实用法值得记住：电影人用它做实时“预演 takes”；摄影记者把档案里的 2D 照片变成动态模拟（洪水、山火）；游戏开发者几秒内做原型，再决定要不要写引擎代码；企业合作伙伴测试“从零到一”的场景生成。工程师 Diego Rivas 对 TechCrunch 说，实时流程的价值“在构思阶段、在故事板阶段”；至于用 Gemini Omni 把这些原型直接变成创意资产，他说“还有一段距离”。行业背景同样值得记录：Runway 的 GWM Worlds 2 已可玩、带音频；AMD 正以 82 亿美元收购李飞飞的 World Labs，Amazon 洽购 Decart，Rivian 收购了 Third Dimension 做自动驾驶模拟——世界模型正在成为多家公司同时下注的赛道，Genie 4 是 Google 的这一手。
| 入口 | 当前状态 | 适合谁 |
|---|---|---|
| 信任测试者 · 研究预览 | 已开放；等待列表可申请 | 电影、新闻、游戏、企业合作伙伴 |
| Project Genie · Google AI Ultra | 未来几周内推出 | 最高档订阅用户 |
| Gemini API / AI Studio 早期访问 | 面向早期访问合作伙伴 | 开发者与平台方 |
| 独立榜单（AA／Pi／Physics-IQ） | 均无 Genie 条目 | 评测范围缺口，非排名依据 |
来源与延伸阅读
- Google DeepMind：Genie 4: A new generation of world simulation官方发布 · 10 月 27 日核对四项核心能力、原生音频范围、键盘与文字转向、Gemini Omni 锚定与 Gemini 3.8 Flash 引导分工、Gemini 4 Argon＋Gemini Robotics＋Appptonik Apollo 下棋实验、研究预览与 Project Genie／AI Studio 开放路径、信任测试者四类用途、官方局限清单与 SynthID 水印。本文封面取自官方发布主图（1200×630），两帧正文图取自官方演示视频。
- TechCrunch：Genie 4 世界模型加入音频与实时转向媒体报道 · 10 月 27 日核对约两分钟场景连贯（Genie 3 两倍）、研究总监 Tejas Kulkarni 的混合世界模型方向、工程师 Diego Rivas 的电影预可视化引语与“仍有一段距离”的边界、Runway GWM Worlds 2 与 AMD 收购 World Labs（82 亿美元）等行业背景。
边界、安全与榜单缺口
官方自己列出的局限值得整段保留：更长的会话里视觉细节会漂移、物体恒存性变弱；复杂物理交互、音频准确性、画面内文字的可读性、空间精度和长期一致性都是已知弱点。官方博客同时把它表述为“向 AGI 迈进”的一步——这属于官方叙事；按研究预览理解更稳妥：能做什么看演示，不能做什么看上面这份清单。所有生成内容带 SynthID 水印，安全评测与护栏由官方执行，本站未实测任何能力。
独立榜单的缺口如实写：本站 10 月 28 日完整回读了 Physics-IQ 物理续视频榜的 v2v 全部 26 个条目，没有任何 Genie 条目——Google 在那张榜上的是 Veo 3.1 Lite、Veo 3.1 Fast 和两个 Gemini Omni Flash 配置。AA 综合能力榜与 Pi 编程榜针对语言模型，Genie 4 是交互世界模型，不在评测范围。世界模型目前没有现成的同口径独立评测；站内 Odyssey-3 两套配置的物理分数及“怎样读这些分数”的解释，是眼下最接近的参照。等有适用的独立评测出现，本站会按原榜规则补入，不提前编排名。
来源与延伸阅读
- Google DeepMind：Genie 4: A new generation of world simulation官方发布 · 10 月 27 日核对四项核心能力、原生音频范围、键盘与文字转向、Gemini Omni 锚定与 Gemini 3.8 Flash 引导分工、Gemini 4 Argon＋Gemini Robotics＋Appptonik Apollo 下棋实验、研究预览与 Project Genie／AI Studio 开放路径、信任测试者四类用途、官方局限清单与 SynthID 水印。本文封面取自官方发布主图（1200×630），两帧正文图取自官方演示视频。
- Physics-IQ 物理续视频榜（v2v 全列）独立榜单 · 10 月 28 日完整回读本轮回读全部 26 个条目，无任何 Genie 条目；Google 在榜的是 Veo 3.1 Lite、Veo 3.1 Fast 与两个 Gemini Omni Flash 配置。这是评测范围缺口，不据此推算排名。