2026 年 10 月 27 日，Google DeepMind 發佈了新一代世界模型 Genie 4。這次變化最大的地方，是生成出來的世界會自己發出聲音，裏面的人會開口說話，你還能一邊看一邊打字改場景。官方 X 首發帖到 10 月 28 日上午約有 170 萬瀏覽、1.53 萬贊。不過它現在還進不去，官方只開放給了一小批受信任測試者。
核心價值：用 3 分鐘弄清 Genie 4 新在哪、現在能不能用，以及你下一步可以做什麼。
Genie 4 一變：世界自己會說話了
一句話結論：Genie 4 生成的不再是一個只能看的啞場景，而是一個會出聲、會回應、能隨手改的現場。
先解釋一下“世界模型”。視頻模型像給你一個門牌號，你拿到的是一段拍好的成片。世界模型更像一場現場演出，演員一直在臺上，你喊一句“下雨”，臺上就開始下雨，接下來的劇情也跟着變。官方博客把 Genie 4 的進步歸成四項能力，下面逐條說明。
圖注：官方發佈片裏，人物走進梵高《星夜》畫出來的世界。來源：Google DeepMind 官方發佈帖（2026-10-27），官方演示片段。
Genie 4 能力一：實時改變世界
官方博客說，你可以用自然語言實時修改正在運行的模擬，比如改天氣、移動機位、加入新的人或物體。官方演示裏，畫面正在播放時輸入一句指令，天氣就會變化，鏡頭就會挪動，場景裏也會多出一個人。
比較關鍵的細節是，官方稱 Gemini 會結合周圍場景，把你的提示詞改寫成更貼合當前畫面的指令。在你兩次輸入之間，Gemini 也會持續觀察並引導場景，讓世界不會因爲停止輸入就“卡住”。
圖注：畫面還在跑的時候輸入提示詞，雪地裏就多出一架鋼琴，鶴走過去落在琴鍵上。來源：同上。
Genie 4 能力二：物理和人物更真實
官方博客說，Genie 4 能模擬空氣動力學、碰撞這類真實物理。演示裏有西瓜落地、楓葉飄落和互相碰撞的片段，需要注意這些都是 Google 自己放出來的演示。
官方認爲最大的提升在“人”這一塊：角色動作更自然，能對環境做出反應，也能被你實時操控。上一代 Genie 3 的人物相對僵硬，這次官方把它列爲主要改進方向。
圖注：只寫一句“把大理石頭像砸到西瓜上”，場景裏就真的生成出頭像，西瓜被砸碎、果肉飛濺。來源：同上。
Genie 4 能力三：原生生成聲音
官方原話是，Genie 4 是他們“第一款原生生成音頻的實時世界模型”。每個世界都會帶上自己的環境音，從樹林裏的風聲到海浪聲，也可以有背景音樂。這些聲音和畫面同步生成，不是事後另外配上去的。
更進一步的是對話。官方博客說，角色會對你的輸入或世界裏發生的事情做出反應，並實時開口交談。早期體驗者 @venturetwins 在 X 上稱這是“一大步”，特別提到“還帶原生音頻”。這只是個人觀感，不代表效果已經得到驗證。
圖注：歌劇院世界裏鏡頭自己往上搖，看清穹頂。原片帶環境音和角色對話，GIF 保留不了聲音。來源：同上。
Genie 4 能力四：用 Gemini 模擬複雜事件
官方博客說，Genie 4 與 Gemini 結合後可以模擬多步驟事件。這樣一來，AI 系統在進入真實世界之前，可以先在模擬環境裏檢驗應對方式。這項能力主要面向機器人等研究場景，普通用戶短期內接觸不到。
Genie 4 二變：背後其實是三撥模型在配合
一句話結論：Genie 4 負責把像素畫出來，幾款 Gemini 模型分別負責外觀、調度和拆解任務。
官方博客寫明，Gemini Omni 負責把模擬錨定在真實世界的外觀和行爲上，也就是讓畫面裏的東西看起來像真的。想了解 Omni 此前的背景，可以看《Gemini Omni 視頻模型情報彙總：8 大信號鎖定 I/O 2026 發佈》。
被官方點名的第二個模型是 Gemini 3.8 Flash，官方稱它是“在循環中的引導代理”。它不負責畫畫，更像片場的導演兼場記：持續觀察畫面，把目標拆成一步步動作，再回看生成的畫面，判斷每一步有沒有完成。如果世界發生變化，或者用戶中途插話，它會當場調整計劃。
第三個是 Gemini 4 Argon，出現在 Gemini Robotics 相關實驗裏。官方舉的例子是：Argon 把“下跳棋”這個任務拆成步驟，以文字字幕的形式實時交給 Genie 4，Genie 4 渲染出 Apptronik 的 Apollo 人形機器人下棋的畫面。
TechCrunch 引述的簡報內容中，Google 研究總監 Tejas Kulkarni 提到未來會出現“混合世界模型”：由 Gemini 寫代碼和文本，Genie 實時接收這些內容並模擬現實。官方博客也提出了同樣的方向，即 Gemini 負責結構和敘事時間線，Genie 負責像素級的物理表現。
Genie 4 三變：它和 Veo 這類視頻模型不是一回事
一句話結論：視頻模型交付的是一段成片，世界模型交付的是一個持續運行、可以隨時介入的現場。
兩者解決的問題不同，不存在誰替代誰。Veo 這類視頻模型適合產出可直接剪進作品的固定片段。Genie 4 更適合構思、預演和交互原型，官方並沒有把它定位成成片工具，也沒有說它能取代遊戲引擎。
圖注：1980 年代日本鄉間車站，第一人稱視角一路走過站臺，人羣自己在動。這正是視頻模型給不了的部分。來源：同上。
[]（https://help.apiyi.com/veo-3-1-preview-deprecated-migration-guide.html）
| 對比項 | 視頻模型（如 Veo） | 世界模型（Genie 4） |
|---|---|---|
| 產出物 | 一段固定的視頻片段 | 一個持續運行、可交互的場景 |
| 能不能中途改 | 生成過程中不能改 | 可以隨時用文字或操作改 |
| 想改結果要不要重生成 | 需要重新生成 | 不需要，場景會接着往下演 |
| 適合做什麼 | 成片素材、廣告、短視頻 | 預演、分鏡構思、交互原型、仿真研究 |
Genie 4 什麼時候能用上
一句話結論：目前只有受信任測試者能用，普通用戶只能先加入 waitlist 排隊。
官方博客原話是：Genie 4 已作爲研究預覽開放給受信任測試者，收集反饋後，會先在 Google AI Ultra 訂閱的 Project Genie 中開放，同時開放給 Gemini API 與 Google AI Studio 的 early access partners。
這裏有兩個概念需要說明。Project Genie 是 Google Labs 的實驗網頁應用，相當於世界模型的“體驗展廳”，今年 1 月起掛在 Google AI Ultra 訂閱裏。early access partners 指提前拿到入場券的合作方，通常是企業或開發團隊，並不是公開註冊就能拿到的資格。
如果想排隊，官方頁面頂部有一個 Join the Genie 4 waitlist 入口，鏈接指向一張 Google 表單：forms.gle/WQnSNEM3omF7Uruu7，按表單要求填寫即可。還要提醒一點：截至 10 月 28 日，Gemini 訂閱頁上 Project Genie 那一行寫的仍然是 Genie 3，Genie 4 還沒有出現在訂閱權益裏。正式開放日期官方沒有公佈。
Genie 4 現在還做不到的六件事
一句話結論：官方自己承認 Genie 4 仍是早期研究，短時間內表現較好，時間一長就容易出問題。
- 畫面會漂移（官方博客）：短時段內能保持連貫，但跑得久了、改詞改多了，或者在場景裏四處走動後，細節和物體的持續性會發生偏移，長期一致性仍在研究中。
- 複雜物理交互（官方博客）：仍被列爲研究中的方向。
- 實時音頻的準確性（官方博客）：聲音能生成出來，但準確度還在改進。
- 清晰可讀的文字（官方博客）：畫面裏的招牌、文字可能渲染不清楚。
- 空間精度（官方博客）：位置和距離關係還不夠精確。
- 單次能跑多久：官方博客沒有寫。TechCrunch 根據簡報報道稱，Genie 4 最長可維持約兩分鐘的一致場景，是上一代的兩倍。官方對照數據是 Project Genie 裏 Genie 3 的單次生成上限爲 60 秒，兩者能對得上，但“兩分鐘”目前仍是媒體口徑。
此外，分辨率、幀率、價格、調用額度、參數規模、API 上線時間，官方都沒有公佈。
社區裏也有不同聲音。X 用戶 @dummerspast39 認爲 Genie 4“不算新模型”，本質是 Omni 實時版加上 3.8 Flash 當助手。這只是單個用戶的判斷，沒有給出證據，官方也沒有回應。官方博客的說法是 Genie 4 “整合並建立在 Gemini 家族能力之上”。
國內讀者現在能做什麼
一句話結論：世界模型還要排隊，但“做一段今天就能用的視頻”現在就能做。
如果只是好奇，可以先加入 waitlist，同時關注官方博客和 SynthID 相關說明。SynthID 是 Google 的隱形水印技術，人眼看不出來，但可以被檢測到。官方說 Genie 4 生成的視頻和音頻都會嵌入 SynthID，以後看到疑似 Genie 生成的內容，可以用這個思路去核實。
如果想馬上動手，可以從 Genie 4 體系裏能拿到的部分入手。官方點名擔任“導演”的 gemini-3.8-flash，目前在 API易 apiyi.com 上可以調用。你可以讓它把一段場景描述拆成鏡頭、動作和臺詞，先把分鏡想清楚。視頻方向，平臺上已經有 Seedance 2.5 這類可用型號，可以把分鏡直接做成片段。具體型號與價格以平臺型號列表爲準，可在 apiyi.com 查看。
這樣做還有一個好處：一個 Key 就能調用多個模型，不需要爲每個模型單獨註冊。接口兼容 OpenAI 格式，把 base_url 設爲 https://api.apiyi.com/v1 即可接入現有代碼。等 Genie 4 真正開放時，你手裏已經有了一套“導演模型加視頻模型”的工作流經驗。
Genie 4 常見問題 FAQ
Q1：Genie 4 是什麼？
Google DeepMind 在 2026 年 10 月 27 日發佈的世界模型。它能實時生成可交互的環境，並且原生帶聲音和角色對話。
Q2：Genie 4 和 Genie 3 差在哪？
官方博客列出的新增內容包括原生音頻、角色對話、更真實的人物動作，以及由 Gemini 實時引導。時長方面只有 TechCrunch 的“兩分鐘”口徑，對照 Genie 3 在 Project Genie 裏的 60 秒上限。
Q3：現在能用 Genie 4 嗎？
普通用戶暫時不能用。官方只處在研究預覽階段，只開放給受信任測試者，後續會面向 AI Ultra 的 Project Genie 用戶和 API 早期合作方開放，具體日期沒有公佈。
Q4：Genie 4 有公開 API 和價格嗎？
沒有。官方沒有公開 API、模型名和計費方式，它目前也不是可以購買的產品。想先體驗周邊能力，可以在 API易 apiyi.com 調用 Gemini 3.8 Flash 等已上線型號。
Q5：Genie 4 能替代視頻生成工具嗎？
不能這樣理解。兩者產出物不同，視頻模型交付成片，Genie 4 適合預演和原型。需要成片素材時，仍然要用視頻模型，可通過 API易 apiyi.com 一個 Key 調用多個視頻型號。
Q6：官方演示的效果可信嗎？
演示是 Google 自己放出的，早期體驗者的評價也只是個人觀感。官方承認畫面會漂移、文字和空間精度仍有不足，最好等更多公開測試結果再下結論。
總結
Genie 4 最大的變化，是世界模型第一次同時具備了聲音、對話和實時可控的能力，背後由 Gemini Omni、Gemini 3.8 Flash 等模型分工配合。不過它目前仍是研究預覽，開放日期、價格和時長都沒有官方數字，“兩分鐘”也只是媒體口徑。
一句話帶走：Genie 4 值得關注，但現在還用不上；想做內容，可以先用現有模型把分鏡和視頻做出來。 需要的話，可以在 API易 apiyi.com 用一個 Key 試試 Gemini 3.8 Flash 和視頻型號。
參考資料
- Google DeepMind 官方博客：Genie 4: A new generation of world simulation
- 鏈接：
deepmind.google/blog/genie-4-a-new-generation-of-world-simulation - Google 官方博客：Introducing Genie 4
- 鏈接：
blog.google/innovation-and-ai/models-and-research/google-deepmind/introducing-genie-4 - TechCrunch 報道：Google’s Genie 4 world model adds audio， more realistic worlds， and real-time steering
- 鏈接：
techcrunch.com
作者：APIYI 技術團隊
技術交流：歡迎在 API易 apiyi.com 首頁聯繫我們，更多資料可訪問 docs.apiyi.com 文檔中心
