谷歌 DeepMind 在 10 月 27 日正式发布了新的世界模型 Genie 4，主打「实时交互式模拟」。这次的升级点有两个：一是真实感前所未有，二是模拟世界里直接内置了原生音频——环境音效、背景音乐、互动对话，都是即时生成的，不用后期配。
技术底座是 Gemini 系列：用 Gemini Omni 把模拟世界「锚」在现实世界的外观和行为上，让画面和动态贴近真实；再用其他 Gemini 模型负责推理，保证整个模拟世界前后连贯、不会演着演着就崩。玩法上，用户可以实时操控场景——移动镜头、改变天气、往世界里塞一个全新角色，模型都能即时响应。目前 Genie 4 已向部分受信任的测试人员开放，接下来会陆续开放给 Google AI Ultra 订阅用户（通过 Project Genie），以及 Gemini API 和 AI Studio 的早期合作伙伴。
boxiyunAI的看法
- 世界模型和视频生成是两回事：视频生成是「放一段片子」，世界模型是「一个能进去玩的世界」。Genie 4 支持实时改镜头、改天气、加角色，说明它是在动态推演一个世界的规则，而不只是补帧。
- 原生音频这个细节别小看。以前模拟世界都得另配音效，环境声、对话、音乐全靠后期，现在即时生成，意味着「所见即所闻」，离真正的沉浸式体验又近了一步。
- 最大的想象空间在机器人训练。让机器人在真实世界里试错，摔一次坏一台；在虚拟世界里练一万次，成本几乎为零。Genie 4 给机器人和智能体提供了一个安全的虚拟训练场，这条路线会越走越宽。
- 影视、游戏、新闻等行业也会被波及：游戏里的 NPC 世界、电影里的预演场景、新闻里的现场重建，都可能用这种可交互模拟来做。对内容行业来说，产能的天花板又被抬高了一截。
Genie 4 把实时交互模拟的真实感和声音都补齐了，世界模型从「技术演示」开始走向「能用的工具」。谷歌这步棋既是冲着通用智能去的，也是冲着机器人训练和内容生产这两块大市场去的，值得持续盯着它的商业化进度。
