Genie 4世界模型：一句话改天气镜头人物

谷歌 DeepMind 这几天放出的演示，不像聊天窗口，更像一段能动手改的短片：海边起风了，镜头挪过去，新走进一个人，旁边还响起环境声和对话。官方给它起的名字叫 Genie 4，归在「世界模型」这一类。

大约 2026 年 10 月 27 日，谷歌宣布 Genie 4 进入研究预览。眼下只开放给受信任的测试者；接下来会先给高档订阅用户（Project Genie）以及开发接口的早期合作方试用。国内科技圈这几天热议，焦点集中在同一句：AI 不只会剪一段视频，还能让你进场景里改天气、改镜头、改人物。

世界模型到底在管什么

聊天模型主要回文字。视频模型常是「你给一句，它吐出一段不能改的片子」。世界模型要做的事更硬：根据你当前的动作和提示，下一秒画面、声音、人物反应往哪走。你往左看，它得补左边；你说下雨，雨得落在已经生成过的地上，而不是整段重来。

这条线并不突然。Genie 早期版本先做出可玩的小世界；后来几代把连贯互动从几十秒往「几分钟」推。Genie 4 又叠了两块：一是外观和人物动作更贴日常；二是原生带声音——环境音、音乐、对话可以跟着场景一起长出来。演示里常见操作是用自然语言中途改戏：换天气、挪镜头、加人或加物件。模型一边改，一边尽量让前后对得上。

它现在还卡在哪

官方自己写得很直：这仍是早期研究。连贯互动多半只撑几分钟；跑得越久、改得越花，细节越容易漂——桌上的杯子可能换位置，远处的建筑可能对不齐。复杂物理、空间精度、屏幕上的清晰文字、实时对白的准确度，都还在补。它也不能把某个真实街区做成可核对的导航地图。

所以别把宣传片当成「已经能替你排练真实行程」。它更像一台高配沙盘：适合试想法、练智能体、做创意草稿，离「可信副本地球」还远。机器人训练、游戏关卡草稿、影视分镜试拍，都可能先用这类沙盘省成本；把沙盘结果直接当证据，还早。

和「会点鼠标」的 AI 不是一路

最近还有一类能力叫电脑操控：模型盯着屏幕，替你点菜单、填表格。那是在真实软件界面里办事。Genie 4 是在生成出来的场景里推演。一个碰的是你的网银窗口，一个碰的是虚拟海边。权限风险、适用场合都不一样。

普通人这几天刷到片段，记住三件事就够：Genie 4 是谷歌新一代可互动世界模拟；声音和中途改戏是亮点；时长和稳定性仍是短板。若有人拿「官方世界模型」推销收费课，或顺势要远程操控你的电脑，先核对是不是同一回事，别被标题带跑。