谷歌推出最强世界模型Genie 4，快科技10月28日报道称，谷歌正式发布这一新一代模型，并称其真实度与交互能力为迄今最强。Genie 4最长可连续模拟约2分钟，是前代Genie 3时长的两倍；它还首次支持原生音视频同步生成。受到关注的不只是画面变长，而是生成内容开始从一段可观看的视频，转向能够持续响应指令的虚拟环境。
普通视频生成通常围绕一次提示产出一段片段，用户想改动场景，往往需要重新生成。Genie 4则允许人在模拟进行时用自然语言调整天气、视角，或增添角色和物体，指令可以即时生效。对创作者而言，这种变化把“生成结果”变成了可以边看边改的过程；时长增加，也为连续动作和场景变化留出更多空间，但并不等于模型已经能长期稳定地复现一个完整世界。
这类交互能否跟得上用户操作，还取决于模型理解指令、规划动作与更新画面的速度。报道中提到，Genie 4由Gemini系列模型提供推理和规划能力，谷歌团队测试过旗舰模型Gemini 4 Argon，最终为保障低延迟实时交互，实际运行选择更轻量的Gemini 3.8 Flash。这个取舍显示，世界模型不仅要生成内容，也要在用户不断改变要求时及时响应；单看模型规模或画面效果，无法完整衡量使用体验。
音频同步同样改变了模拟场景的呈现方式。Genie 4能够同步输出环境音效、背景音乐和动态交互对话，因此影视预演或游戏（881275）原型不再只是静态布景与无声画面，而可以在同一段模拟中呈现声音和场景变化。报道列出的探索方向还包括历史场景教育内容与机器人模拟训练。这些用途目前都属于合作探索，相关内容能否进入实际流程，仍取决于模拟是否足够连贯、可控，而非只看一次生成是否逼真。
Genie 4的研究预览目前只向少量筛选后的测试者开放，之后数周将逐步向Google AI Ultra订阅用户推送，并通过Gemini API与Google AI Studio向部分开发者提供早期访问。它也为理解产品所处阶段提供了一个尺度：开发者可以先在有限范围内试用、检验工作流程，再判断模型适合承担哪一类环节。谷歌同时强调，现阶段是在探索技术如何融入现有生产流程，并非直接取代行业已有流程。
能力边界也相当明确。报道指出，长时间模拟仍可能出现细节和物体漂移，复杂物理互动、可读文字生成以及场景长期一致性尚未解决；生成的音视频内容则嵌入SynthID水印，用于识别AI生成内容、降低虚假传播风险。前者关系到模拟能否可靠持续，后者回应内容来源识别。Genie 4的进展因此既在于把交互和音视频带入同一模拟过程，也在于其稳定性仍需要接受实际检验。
