一句话，一个能走进去的世界

Ethan Mollick 在 X（原 Twitter）上发了一段演示。他是沃顿商学院教授，长期关注 AI 的实际应用。他用 Genie 4 生成了一个维多利亚下午茶场景，提示词只有一句：

Scene: A Victorian high tea. Character: A mouse in appropriate garb.

画面亮起来。一只穿绿色西装、白衬衫、红领结的小老鼠站在桌边，桌上摆着白瓷盘和蓝花茶杯，壁炉里的火烧着。按一句描述，场景长出来了。

他继续追加指令：

A porcupine walks by — 一只豪猪走过。

The mouse grows wings — 老鼠长出翅膀。

The mouse flies to the teacup — 老鼠飞到茶杯上。

全程实时。而且他说，可以在场景里自由走动。

Genie 4 是一个世界生成模型。这段演示的冲击力不在画质，而在两个词：实时、可走。以前的文生视频输出的是固定镜头，屏幕外不存在任何东西。这个场景有持续性：物体保持形状，物理大致成立，提示词随时可以追加，世界实时更新。有网友评价：实时提示一个能走进去的世界，这个跨越比那些小故障看起来大得多。

细节也值得看。豪猪全程目不斜视，走自己的路，完全无视那只长翅膀的老鼠。有网友在回复里写下两个字：尊重。

放在时间轴上，这个进步幅度更清楚。一条回复说：两年前老鼠会融化成茶杯的一部分，现在的抱怨只是它有点小瑕疵。

更值得玩味的是游戏行业的反应。有网友说，游戏工作室应该更怕 Genie，而不是任何聊天机器人：从一个句子到一个可以行走的世界，正好切中他们花几百个美术师手工搭建的场景。还有网友补了一句：AAA 工作室还在做玩家打不开的门，到底哪个才是真的有瑕疵？

它当然还不完美。评论区有人在问：走开再回来，老鼠还在原位吗？豪猪还在屋子里吗？一次会话能撑多久，世界才会崩掉？这些问题的核心是一个能力：记忆。一个允许你离开、再返回仍然一致的世界，才算真正的交互环境，而不是一段不断重播的录像。

Genie 4 目前还在 waitlist 阶段。对开发者来说，它的意义是把 3D 场景原型的成本压到接近零；对普通用户来说，它把描述变成了构建世界的方式——你的句子，就是世界的图纸。

世界生成的单位正在从帧变成场景。一个能走进去、能被改写、能反复返回的世界，和一段视频是完全不同的物种。豪猪知道这一点。它只是路过。