10 月 27 日深夜，谷歌 DeepMind 發佈新一代世界模型 Genie 4，自稱"迄今最逼真、交互性最強"。舊局在於：文生視頻是焊死時間線的錄像帶，生成後鏡頭與人物都改不了。Genie 4 造出實時響應按鍵的物理世界，單次連貫交互從上代 Genie 3 的 1 分鐘翻倍到 2 分鐘。

image.png

更顯"活"的是空間一致性與永久記憶——推開一扇門，門後長出符合邏輯的房間；踢倒椅子轉身再回來，它仍躺原地，不會一轉頭背景就變樣。運行中還能打字改天氣、換機位。

Gemini 當導演，首次同步發聲

Genie 4 是首個原生支持音視頻同步生成的世界模型：騎馬踩過淺灘，馬蹄濺水聲隨距離變化；走近篝火，木柴噼啪聲放大。走到虛擬角色（NPC）面前能開口或打字對話，對方據場景實時迴應。

背後是雙模型協同：Gemini Omni 鎖死角色道具外觀，運行中的 Gemini 3.8 Flash 當"幕後導演"，實時盯畫面、拆目標、逐幀審查；Gemini 4 Argon 被塞進虛擬房間，仿真訓練 Apollo 人形機器人下棋做家務。

短板仍明顯。谷歌坦承，長時運行後細節會漂移，畫面文字仍易亂碼；物理交互、空間與長期一致性仍是難題，真實性未證明可替代引擎。目前它僅向受信任測試者開放，面向公衆還需綁定約 100 美元 / 月的 Google AI Ultra 會員排隊。