Google DeepMind 端出第四代世界模型 Genie 4。它能在運行途中聽你一句話就改天氣、改鏡頭，也是第一個自己生成聲音的同類模型。
Genie 4 是什麼：會即時回應你的世界模型
先講它和影片模型的差別。影片模型給你一段算好的畫面，你只能播放、暫停、倒轉。Genie 4 不是這樣。你在場景裡移動的時候，它一格一格重算整個環境，並對你的每個操作給出反應。
用鍵盤操作，你能帶著角色在場景裡走動。打字輸入，整個世界跟著改變。Google DeepMind 把這套做法叫互動式模擬。兩者的差距，大概像電影和球場：電影裡發生的事早就拍好，球場上往哪跑由你決定，場地會回應你。
Genie 4 是這套技術的第四代。上一代 Genie 3 在 2025 年 8 月登場，畫面能維持大約一分鐘的一致。據 Google 的說法，新版本把這個時間拉長到最多兩分鐘。聽起來只是翻了一倍，但對需要探索場景的應用來說，差別不小。
一句話就能改天氣、換鏡頭、加進新角色
Genie 4 最明顯的進步，發生在模擬進行的當下。你能中途切換天氣、換個鏡頭角度，或把一個新角色放進場景，模擬會立刻跟上。不用重開，也不用等下一次生成。
操作靠文字完成。一句話就夠，原本晴朗的院子可以變成下著雨、地面濕答答的午後。DeepMind 把這種邊跑邊改的能力叫「即時引導（real-time steering）」。對想快速試點子的人來說，價值就在這裡。
工程師 Diego Rivas 說，即時性最有用的地方是創作時的「流」狀態，像是在構思和分鏡的階段。一個場景要開發、要拆成好幾個鏡頭，如果能邊想邊改，試出各種版本的速度，會比「一個念頭就得重新算一段影片」的工具快得多。據 Google 說，部分早期測試者已經拿 Genie 4 來幫電影做原型。
聲音和對話，這回由模型自己生成
以往的世界模型是啞的。Genie 4 自己生成環境聲、音樂和人聲，而且和畫面同步。每個世界都有自己的音場：樹梢的風聲、碎石上的腳步聲、一間聽起來像辦公室的房間。
對話也在生成範圍內。角色會彼此交談，對場景裡的事件做出回應，甚至回應你插進去的一句話。DeepMind 把 Genie 4 描述成第一個原生生成聲音的即時世界模型。這個定位出自 Google 自己，目前還沒有獨立單位驗證。
對做影片和遊戲的人來說，聲音不是配角。沒有音效的場景看起來是死的，而配音和對話往往是後製裡最花錢的一段。如果聲音和畫面出自同一個模型，一整塊製作流程的分配就會跟著變。
Gemini 當導演，Genie 4 負責畫面和聲音
模擬背後還有一個模型在運作。Gemini 持續觀察場景，把一個目標拆成好幾個步驟，再靠新生成的畫面檢查每一步有沒有做到。場景一變，或你中途插手，Gemini 就跟著調整計畫。
這樣的分工，解釋了為什麼模擬能撐過兩分鐘還大致合理。Genie 4 不必同時把所有事情盯在眼裡。它專心算下一格，方向和檢查交給 Gemini。
DeepMind 也把這套原理接到機器人研究上。在一項實驗裡，一個 Gemini 4 Argon 模型把任務拆成小步驟，Genie 4 則即時模擬執行過程。這個實驗沒有真的機器人參與。它想展示的路徑很清楚：先在模型裡試，試順了再搬進真實世界。
研究總監 Tejas Kulkarni 用「混合世界模型」來形容這種搭配。Gemini 會寫程式碼和文字，也會推理；Genie 則即時接收現實，並在不同抽象層次上把它模擬出來。不是單一模型，而是一組搭檔。
Genie 4 跑了兩分鐘，畫面為什麼開始飄？
那它能撐多久？DeepMind 對限制講得很直白：模擬跑得越久，細節越容易偏移。物件不見得會乖乖待在原位，用文字改過幾次之後，場景也可能散掉。聲音的準確度，還有畫面裡文字的清晰度，同樣還沒解決。
Rivas 強調 Genie 4 仍在早期，離定型成產品還有一段落差。如果你現在就需要一個整整一小時都不出錯的世界，短期內還是得回頭用傳統的 3D 工具。
不過這條曲線走得很快。Genie 3 到 Genie 4 相隔大約一年，穩定的運行時間翻倍，聲音從無到有，人物的動作也更自然。據 Google 的評估，物理表現也比以前更常符合預期。
遊戲、互動學習、機器人：Genie 4 想落地的三個方向
Google 點名三個領域：遊戲、互動學習、機器人。最直接的是遊戲。一個能聽指令隨時改規則的世界，既適合做原型，也能拿來做沒人預先設計過的場景。
在學習上，DeepMind 想像的畫面是走進一幅歷史畫作，和在場的人物對話。這目前只是個想法，還不是產品。不過它點出世界模型和文字聊天機器人的根本差別：它給你一個地方，而不只是一個答案。
機器人這一塊的價值更務實，也更大。來自真實世界的訓練資料又貴又少，有時還帶風險。一個物理反應說得過去的模擬，可以反覆重跑，想跑幾次就跑幾次。DeepMind 認為長期價值就在這裡。
世界模型這條賽道，正在被高價整併
Genie 4 登場的時間點，正好碰上世界模型市場的大搬風。競爭對手 Runway 兩個月前推出 GWM Worlds 2。由李飛飛團隊創辦的 World Labs，據媒體報導被 AMD 以 82 億美元收購。Amazon 據報導正洽談以約 70 億美元買下 Decart。Rivian 則買下做自駕模擬的 Third Dimension。
這些金額說明大家在搶什麼。世界模型被視為機器人、自動駕駛和遊戲的底層。誰掌握這項技術，賣的不只是軟體，而是別人拿來訓練的環境。
對 Google 來說，Genie 4 也是一種卡位。它手上已經有 Veo，能生成高畫質、聲音同步的影片；還有 Gemini Omni，負責把原型轉成成品。後者據 Google 說「還要再等一段時間」。
誰能先用到 Genie 4
一開始只有經過挑選的測試者拿得到。接下來幾週內，Genie 4 會開放給 Google AI Ultra 訂閱者，在 Project Genie 應用裡使用。透過 Gemini API 與 Google AI Studio 取得早期接取權的開發者，也會被納入。
這個節奏很 Google：先內部測試與合作夥伴，再付費訂戶，最後才是所有人。想自己試 Genie 4 的人，可以留意 Project Genie 對 AI Ultra 開放的時間點。其他說法目前都還只是猜測。
比起時間表，更值得想的是另一個問題：世界模型最後會變成一件工具，還是等影片模型學會對輸入做出反應之後，就從此消失。Genie 4 讓兩種走向都說得通。
