Google DeepMind 宣布了新一代世界模型 Genie 4，以研究预览（research preview）的形式向有限的受信任测试者开放。按官方博客的定位，它为实时交互模拟带来更高的真实感和原生音频：模拟世界在运行的同时即时生成声音，包括环境音、音乐和交互对话。用户可以用自然语言实时引导场景，比如移动镜头、改变天气，或向世界中引入新角色。模型随后将通过 Project Genie 向 Google AI Ultra 订阅者开放，Gemini API 和 AI Studio 的早期合作伙伴也能获得访问权限。

这版模型值得注意的一点是架构。Genie 4 建立在 Gemini 系列的能力之上：Gemini Omni 负责把模拟锚定在真实世界的外观与行为上，其他 Gemini 模型则提供维持模拟连贯性所需的复杂推理。也就是说，DeepMind 没有把生成和规划放在一个模型里，而是让语言模型家族直接参与世界模拟的运行。官方在介绍中还引述了 Google 研究总监 Tejas Kulkarni 的说法：未来会越来越多地出现这类混合世界模型（hybrid world models），由 Gemini 负责写代码和文本，Genie 实时接收并模拟现实，覆盖不同抽象层级。

对用途的表述上，DeepMind 把世界模拟放在一个更大的框架里。官方称模拟世界是通向 AGI 的关键一步，可以为机器人和智能体提供安全的训练环境，同时放大影视、新闻、游戏、制造等行业的创作工具。受信任测试者已经在探索的具体用法包括电影原型制作：DeepMind 工程师 Diego Rivas 在发布会上说，实时能力最有价值的地方在于需要保持创作心流的环节，比如创意构思和分镜阶段。Rivas 还提到，用户最终可以借助 Gemini Omni 把这些原型转成创作资产，但他也说明这些能力还有一段距离。

对行业来说，这件事说明了两个方向。一是世界模型正从无声走向有声。此前的实时世界模型以画面为主，Genie 4 把环境音、音乐和对话纳入即时生成范围，意味着模拟的完整度不再只是视觉问题。二是模型分工的思路。生成模型负责呈现世界，语言模型负责规划和维持连贯，DeepMind 把这称为混合世界模型的早期形态；这与 Gemini Robotics 的方向是连在一起的，机器人与智能体先在模拟环境里学习，是 DeepMind 给这类模型的第一个明确落地场景。

也需要看清它现在的位置。Genie 4 只是一个研究预览，面向受信任测试者，尚未公开发布；官方博客没有披露访问规模、运行时长或成本数据。对从业者来说，目前能确认的是：谷歌把世界模拟与语言模型深度绑定，把它作为 AGI 路线的一部分来投入，并且已经给出了明确的开放路径，先测试者，再 Google AI Ultra 订阅者与 API 合作伙伴。对游戏、影视和机器人领域的团队，这个研究预览值得跟踪，但它的实际能力边界和产品形态，要以后续开放后的表现为准。