两年前，AI 连静态图片里的手都画不对；今天，Google 发布了 Genie 4，一句话就能造出一个能走、能聊、能出声的世界。北京时间 10 月 28 日，Google DeepMind 正式推出新一代世界模型 Genie 4。世界模型这条赛道，正式从演示走向可用。
一、这次新在哪：世界开始出声了
Genie 4 最直观的变化，是世界有了声音。它是该系列首个原生生成音频的实时世界模型：生成画面的同时，同步生成音乐、环境音和互动对话。场景里的人物不再是默片演员，会根据你的输入或者场景里发生的事件实时交谈、作出回应。
此前世界模型最大的短板就是“只有画面没有声音”，做出来的世界像个精致的默片。Genie 4 把视频、音频、对话压进同一条实时管线，这一步不亚于电影从无声到有声。
二、能玩什么：实时改世界
Genie 4 的另一个卖点是“能改”。你可以在模拟运行的过程中随时输入提示词，实时改变天气、移动镜头、加入新的人物和物体，世界会接着往下演。Gemini 在这里充当“导演”：结合场景上下文调整提示词，持续观察并引导场景，让世界保持连贯。
单次连贯世界维持时间翻了一倍，达到约 2 分钟；空气动力学、碰撞等物理模拟效果提升，人物动作更自然。两年前还在纠结手指数的 AI，如今已经在即时生成可玩的 3D 世界了。
三、普通人什么时候能用上
先泼一盆冷水：Genie 4 目前只面向可信测试者开放研究预览，完整产品形态还没确定。谷歌表示，未来几周内会逐步开放给 Google AI Ultra 订阅用户（在 Project Genie 工具内使用），以及 Gemini API 和 Google AI Studio 的早期合作开发者。
团队也坦言短板：仿真越长，画面细节和物体越容易畸变；音频够不够准、场景里的文字清不清晰，仍是难题。现在的 Genie 4 更像“未来预告片”，而不是马上能用的工具。
四、世界模型赛道为什么突然热了
Genie 4 不是孤例。几个月前，Runway 推出了第二款世界模型 GWM Worlds 2；李飞飞的 World Labs 正被 AMD 收购，亚马逊在洽谈收购 Decart，Rivian 刚收购 Third Dimension。巨头们同时下注，原因很现实：世界模型是 AI 从“聊天”走向“做事”的关键一步。
最直接的应用是机器人训练：Gemini Robotics 的实验里，Gemini 4 Argon 把任务分解成步骤，由 Genie 4 实时模拟，等于在真实世界发生之前先在模拟里跑一遍。往远了看，影视、游戏、新闻、制造业的创作工具都会被它改写——做AI视频创作的人应该最先感受到这股变化。
一句话总结：Genie 4 证明了“一句话造世界”已经不是科幻，而是排期表上的事。普通人现在能做的，是先关注 Project Genie 和 Google AI Ultra 的开放节奏；做内容、做AI智能体与自动化的朋友，则可以提前想一想：当世界可以被实时生成，你的下一个产品该长什么样。
