快科技10月28日消息，谷歌正式发布新一代世界模型Genie4，官方称其为迄今真实度与交互能力最强的一代产品。
与普通文生视频模型不同，世界模型能够持续模拟环境变化，并根据用户指令实时生成后续画面。使用者可进入虚拟场景进行操作和互动，而不只是观看一段固定生成的视频。
此次升级将最长连续模拟时长提高到约2分钟，是前代Genie3的两倍；同时首次实现音视频同步生成，环境音效、背景音乐和动态交互对话可一并输出。
用户可通过自然语言即时调整场景，例如切换天气、改变镜头视角、添加角色或物体。相关指令会在模拟运行过程中立即生效，无需从头重新生成内容。
Genie4由Gemini系列模型承担推理与规划任务，负责理解用户目标、拆分执行动作，并持续跟踪场景变化。
谷歌团队曾测试旗舰模型Gemini 4 Argon，但为保障低延迟实时交互，实际运行中采用了更轻量的Gemini 3.8 Flash。所有生成的音视频内容均嵌入SynthID水印，用于识别系统生成内容，降低虚假信息传播风险。
目前，Genie4以研究预览形式向少量经过筛选的测试者开放。未来数周，它将逐步向Google Ultra订阅用户推送，并通过Gemini API和Google的Studio开发平台向部分开发者提供早期访问权限。
谷歌正与合作伙伴探索多个领域的落地应用，包括影视特效预演、游戏原型开发、历史场景教育内容以及机器人模拟训练。
官方同时强调，当前仍处于将技术融入现有工作流程的探索阶段，目标是拓展创作边界，而非直接取代行业现有生产流程。
谷歌也承认，长时间模拟仍会出现画面细节与物体漂移，复杂物理互动、可读文字生成以及场景长期一致性等问题尚未解决，距离成熟商用的通用模拟环境仍有差距。