Genie 4：一个实时生成的世界，以及它两分钟的记忆

Google DeepMind 发布了 Genie 4。它不是一个游戏，而是一个“世界模型”：你看到的画面内容，包括任何场景，都是 AI 实时生成的。

演示视频里，你骑在龙背上，穿过山脉，周围是其他骑手。画面不是预渲染的，而是模型根据你的操作即时计算。左下角的 WASD 提示告诉你，你确实在“玩”这个生成的场景。

Genie 4 能生成的东西比画面更多。图形、物理、环境音、音乐、角色对话，全都在同一套模型里实时产出。更重要的是帧之间的状态：你在场景里做的操作，模型会记住一段时间。DeepMind 官方说，视觉记忆大约能保持两分钟。这意味着你推开一个箱子，它不会在你转身后自动复位。

目前是封闭 beta，可以用键盘鼠标移动，也可以用自然语言改变世界。比如修改天气、移动镜头、加一个人物。Gemini 系列模型会处理这些指令，保证场景的连贯性。

DeepMind 的博客把核心能力分成四块。实时用自然语言塑造世界；更真实的物理和人物动作——包括气流、碰撞、人群；原生音频，角色能对话；以及用 Gemini 带路的多步事件模拟。

其中第三个很有趣：角色不是预先配音，而是根据你的输入现场说话。这已经接近“进入一个电影片场”的体验。

有网友说，最令人惊讶的是帧间状态。两年前的 AI 视频连手指都保持不住，现在世界能维持几分钟。有网友说，这意味着以后玩游戏可能不用下载，在线实时生成就行。还有人说，两分钟记忆是目前的边界——这对游戏引擎来说可能不够，但足够用来做原型。

官方还展示了 Genie 4 和 Gemini 4 Argon 配合，模拟人形机器人下棋。这指向机器人训练场景。

Genie 4 仍然在早期。长时间运行时，视觉细节和物体存在性会漂移，复杂物理和文字渲染不可靠。它先对可信测试者开放，之后会扩展到 Google AI Ultra 订阅用户和 Gemini API 合作伙伴。所有生成内容都带 SynthID 水印。

它还不是游戏引擎，但已经让“从一句话到一个可探索的世界”变成了现实。下一步的问题可能是：当世界可以随时生成，游戏本身还剩下什么。