北京时间10月28日，谷歌发布新一代世界模型Genie 4，提到这是公司“迄今为止最逼真且最具交互性的世界模型”，用户可以实时探索动态环境，观察场景如何响应、声音如何呈现，以及其中人们如何移动、反应和说话。

“这种模型的发展速度简直难以置信。”有行业人士评价道，两年前，AI 甚至无法在静态图像中正确渲染手部。如今，Genie 4 正在即时生成可玩的 3D 世界，带有实时物理效果、现场音频。

这次Genie 4最直观的变化，是世界看起来更真实了，且开始拥有声音。

谷歌介绍，Genie 4是旗下首个能够原生生成音频的实时世界模型，可以在生成场景的同时，同步生成音乐、环境音和互动对话。人物能根据用户输入或场景中发生的事件实时交谈、作出回应。

用户可以用自然语言实时修改模拟场景，例如改变天气、移动镜头，或加入新的人物和物体，Gemini 会结合场景上下文调整提示词，持续观察并引导场景，让世界连贯地向前发展。

Genie 4 对物理世界的理解更深入了。谷歌称，新模型提升了对空气动力学、碰撞等物理现象的模拟效果。其中，人物模拟的进步尤为明显：角色的动作更加自然，能够对环境变化作出反应，也可以接受用户的实时引导。

支撑这些变化的，是Genie与Gemini系列模型的协作。

具体来看，在Genie 4实时生成世界的过程中，Gemini 3.8 Flash扮演着类似“导演”的角色：持续观察画面，将目标拆解为多个步骤，检查任务进展，随着世界发生变化或用户介入，模型 还会即时调整计划。这让模拟世界能够呈现更可靠的因果关系、程序化行为和多步骤推理。

谷歌还展示了Gemini 4 Argon与Genie 4共同模拟人形机器人下跳棋的案例。Argon负责将任务拆解为步骤，再通过文字指令引导Genie 4生成相应过程。

谷歌表示，这些功能是朝着开发安全虚拟环境迈出的一步，用于观察智能体和机器人如何在周围环境中导航。

不过，目前Genie 4仍处于研究预览阶段，仅向受信任的测试者开放。谷歌计划随后向Project Genie中的Google AI Ultra订阅者，以及Gemini API和Google AI Studio的早期合作伙伴开放。

行业认为，世界模型的进步会对游戏开发产生较大影响，创意验证的门槛又降低了。有网友调侃，“游戏工作室今天正在开一场长会。”

按照谷歌披露的测试反馈，游戏开发者已经在尝试用Genie 4将初步想法快速转化为可探索的原型，在编写游戏引擎代码之前，通过自然语言测试视觉风格、材质效果和互动机制。电影制作人则可以进入模拟场景，反复调整镜头、灯光、对话和动作，尝试不同版本。

当模型可生成交互世界，一个游戏行业绕不开的问题是：未来还需要游戏引擎吗？传统游戏开发工具的角色会如何变化？

此前Unity中国CEO张俊波在接受第一财经记者采访时表示，他不太相信“一句话生成游戏”。在他看来，过去依赖几十个工种协作的游戏生产线确实会被AI改造，但游戏引擎会成为用户连接模型、资产、代码和发行流程的总调度台。

这一判断源于，模型生成的更多是资产，是可体验的虚拟世界。而游戏是一项系统工程，不仅需要画面和场景，还需要玩法规则、数值系统、交互逻辑，并能够持续迭代和长期运营。

谷歌披露的局限，也说明这种差距仍然存在。

Genie 4 仍是一项处于早期阶段的研究。博客提到，在较短的交互过程中，模型能够维持环境连贯，但随着模拟时间延长、经过多轮复杂提示词修改，或用户在场景中持续移动，视觉细节和物体的持续存在状态仍可能发生变化或偏移。复杂物理互动、空间准确性、实时音频准确性和长期一致性，也仍是待解决的问题。

但世界模型和游戏引擎两者并不完全隔离。行业认为，世界模型的产出物可以导入到游戏引擎里成为游戏开发的素材，引擎则负责把这些资产协同组织成产品。这种融合为两类技术提供了协作空间。