30秒生成一个世界，谷歌Genie 4把游戏帧率做到24帧

拿到权限的开发者Justine Moore在视频里展示了一个完全实时生成的游戏世界：一个穿潜水服的角色在洞穴里探索，脚下散落着金币，旁边一只木桶。屏幕上方写着"Describe changes to your world..."，右侧帧率面板显示当前24.6 FPS，最低17，平均23.8。

她表示，创建这样一个世界的速度通常不到30秒，实时交互窗口大约2分钟。用户可以用键盘鼠标移动，也可以用自然语言改天气、移镜头、加人物。

这是Google DeepMind在10月27日推出的新一代世界模型Genie 4，官方称其为"迄今为止最逼真、交互性最强的世界模型"。相比Genie 3，它引入了原生音频生成、自然语言实时操控、复杂物理与人物行为模拟，并借助Gemini系列模型实现多步骤事件推演。

四个方向的能力升级

谷歌此次展示的升级集中在四块：实时改变世界、物理与人物行为模拟、原生声音生成，以及结合Gemini进行复杂事件推演。

第一块是生成过程中随时改世界。一组演示里，一名穿棕色西装的萨克斯演奏者站在湖面中央的漂浮平台上，周围是雾气弥漫的森林、缓缓流动的湖水和一个散发暖光的球体。人物持续演奏，手指、呼吸和身体摆动自然衔接，摄像机可以独立移动，从不同位置观察环境。用户还能用键盘控制移动与视角，用文字指令实时改天气、引入新人物或物体。

第二块是物理与人物行为。演示案例包括完整的西瓜置于石台上、枫树种子旋转着落入草地，还有一座挤满乘客的日本乡村火车站，人们在站台上行走、候车。谷歌强调Genie 4提升了对空气动力学、碰撞等物理现象的模拟能力，人物动作方面进展明显。不过这里的物理模拟仍是模型根据学习到的世界规律生成结果，并不意味着所有物理过程都经过精确计算。

第三块是原生声音。演示中你骑在龙背上穿过山脉，以提示词设定的时速140公里穿越群山，伴随飞行的是巨龙振翅的轰鸣、高空呼啸的气流和远处火山活动的声音。这些声音由Genie 4直接生成，不是后期添加。模型还能实时生成人物对话，角色根据用户输入或世界中的事件作出语言回应，而不是重复预先准备好的台词。

第四块是Gemini接管推演。在Apollo人形机器人下跳棋的演示中，Gemini 4 Argon把用户目标拆成步骤，再将文字指令交给Genie 4，驱动模拟过程逐步呈现，并随模拟推进调整后续步骤。

两个大脑：Gemini思考，Genie生成

要理解这套机制，先要区分世界模型和普通视频模型。传统视频生成模型根据文本、图像等条件生成一段影像；世界模型则要回答：用户向左走视野会怎么变？有人推倒桌上物体接下来会怎样？角色离开房间又回来，之前的环境还在不在？

这涉及两个概念：动作条件生成和世界状态一致性。前者要求下一帧不能只根据上一帧预测，还必须考虑用户刚做了什么；后者要求模型记住已生成的环境，避免人物、物体或空间关系随时间无故变化。

Genie 3在2025年发布时已实现每秒24帧、720p分辨率的实时交互生成，支持持续数分钟的环境模拟，采用逐帧自回归方式，不依赖预先建立完整的三维场景。代价是生成时间越长，需要参考的历史信息越多，误差可能不断积累——用户一分钟前经过的某栋建筑，走回来时模型得尽量保持外观和位置不变。

Genie 4延续实时世界生成方向，最突出的变化是把Gemini系列模型引入模拟过程。系统至少涉及三层能力：

• Genie 4负责实时生成视觉、声音和动态环境，根据当前世界状态及输入持续生成新画面与声音；
• Gemini Omni为模拟提供现实世界的外观和行为基础，强化模拟世界与现实规律之间的联系；
• Gemini 3.8 Flash担任实时指导智能体，持续观察场景，把复杂目标拆成多个步骤，再检查新生成的画面判断当前步骤是否完成，用户介入时重新调整计划。

这套机制的关键，是把大模型的语言推理能力引入动态环境生成过程。过去一个世界模型即使能生成逼真的机器人动作，也不一定保证多个动作之间具有正确的任务逻辑；如今Gemini持续提供规划、检查和调整，让复杂事件的连贯性更有机会维持。

谷歌把这一路线称为"混合世界模型"：结合代码与语言模型擅长的结构化逻辑推理，以及像素级生成模型擅长的丰富感官模拟能力。

能拿来干什么

Genie 4的落地价值主要体现在两个层面。一是内容创作：作为低成本的试错游戏引擎，游戏开发者无需提前编写物理与渲染代码，30秒即可测试玩法原型与美术材质；影视导演可实时进入动态场景，快速比选运镜与灯光调度。

二是具身智能训练场。现实中训练机器人既昂贵又易损硬件，传统物理仿真又被繁琐的人工环境搭建锁死了上限，世界模型自动化生成长尾工况的能力，正是机器人低成本试错的核心依托。

参数上，Genie 4单次生成的交互体验最长可达2分钟，上一代Genie 3的时长上限为1分钟。这个数字看着不起眼，对游戏开发者验证单段玩法、影视主创预览单组镜头来说，已经足够覆盖最基础的测试需求。

目前Genie 4已面向少量受信任的测试者开放研究预览，后续将逐步提供给Google AI Ultra订阅用户，以及Gemini API、Google AI Studio的早期合作伙伴。