---
title:"一句话,走进一个世界:谷歌第四代世界模型来了|听懂AI #075"date:2026.10.28category:[科技, AI]tags:[genie-4, world-model, deepmind, gemini, hacker-news, aipcast]status:published
---

一句话,走进一个世界:谷歌第四代世界模型来了|听懂AI #075

谷歌昨天发布了第四代世界模型:一句话生成一个会动的世界,打字改天气、换镜头、加一个人,世界当场跟着变。风声、海浪、人物对话都是当场生成的,两个模型一个管画面、一个管计划,连机器人下棋都能一步步执行。但它还不完美,跑久了细节会漂移,所有画面都带隐形水印。

2026.10.28·3 min read·6.5KB
// tl;dr: generating summary...

一句话,走进一个世界:星球头小人小界站在深空蓝世界工坊

谷歌昨天发布了第四代世界模型。

Google DeepMind 在 2026 年 10 月 27 日发布 Genie 4:你给它一句话,它生成一个实时、可交互、可走进去的世界。不是一段录好的视频,而是一个你能一边看一边改、一边玩的世界。

实时改写:晴天一句话变成下雨,不用等渲染

实时可改是它和以前最大的区别。你可以用自然语言实时改写模拟:换天气、移镜头、加一个人或一件东西,模型会结合上下文把你的指令融进当前场景;两次输入之间,它自己还会盯着场景往前推,让世界连贯地演下去,而不是每次改完都从头渲染。

这次进步最大的两块,一是物理,二是人。空气动力、碰撞这些真实物理场景能模拟出来;人物走路、躲障碍、回应环境变化,动作自然了很多,不再是木偶式地平移。

Genie 4 还是第一个原生生成音频的实时世界模型。每个世界自带它那个环境的声音:林子里的风、海边的浪。更进一步的是人物对话——角色会说话,还会根据你的输入和世界里的事件实时接话、起反应。

双模型协作:一个管画面,一个管计划,机器人下棋一步不错

幕后是两个模型在配合:Genie 负责一帧一帧生成眼前的现实,Gemini 负责结构和计划——把目标拆成步骤、盯着每一帧验证上一步有没有完成、世界变了就当场改计划。官方演示里,两个模型配合,让一台人形机器人一步步下完一盘棋。它在模拟因果,而不只是画面。

但它还不完美,现阶段只开放给受信测试者,接下来会先给订阅用户,再到开发者接口。DeepMind 自己也列了短板:跑久了细节会漂移、物体会变样,复杂物理、实时音频准确度、画面里的文字、长期一致性都还在攻关。而且所有生成内容都会带 SynthID 隐形水印,标明这是 AI 生成的。

记住这一句:它把世界从“看的东西”变成了“进的地方”。以前你对 AI 说一句话,得到一段视频;现在你说一句话,得到一个能走进去、能改、能玩的世界。视频是结果,世界是起点。

本文由每日自动管线生成:选题与素材来自 Hacker News 相关讨论与 Google DeepMind 官方博客,访谈内容由 AI 基于公开资料整理,嘉宾为角色设定,观点不代表任何真实人物。

小听: 今天这期聊一个昨天刚发布的东西:谷歌的第四代世界模型。先一句话说清,它到底是什么?

沈知远: 它叫 Genie 4,是 Google DeepMind 在 2026 年 10 月 27 日发布的世界模型。你给它一句话,它生成一个实时、可交互、可走进去的世界——不是一段录好的视频,而是一个你能一边看一边改、一边玩的世界。

小听: “实时可改”具体是什么意思?我打字说一句“下雨”,世界真的就下雨?

沈知远: 对,这就是它和以前最大的区别。你可以用自然语言实时改写模拟:换天气、移镜头、加一个人或一件东西,模型会结合上下文把你的指令融进当前场景;两次输入之间,它自己还会盯着场景往前推,让世界连贯地演下去,而不是每次改完都从头渲染。

小听: 画面真实感呢?以前的世界模型一动起来就穿帮。

沈知远: 这次进步最大的两块,一是物理,二是人。空气动力、碰撞这些真实物理场景能模拟出来;人物走路、躲障碍、回应环境变化,动作自然了很多,不再是木偶式地平移。当然这都是演示水平,复杂交互一多还是会露馅。

小听: 还有个“首次”:声音也是模型自己生成的?

沈知远: 对,Genie 4 是第一个原生生成音频的实时世界模型。每个世界自带它那个环境的声音:林子里的风、海边的浪。更进一步的是人物对话——角色会说话,还会根据你的输入和世界里的事件实时接话、起反应。这在以前的世界模型里是没有的。

小听: 听起来像两个模型在配合:一个画世界,一个想事情?

沈知远: 正是。Genie 负责一帧一帧生成眼前的现实,Gemini 在幕后做结构和计划:把目标拆成步骤、盯着每一帧验证上一步有没有完成、世界变了就当场改计划。官方演示里,两个模型配合,让一台人形机器人一步步下完一盘棋。这也是它敢叫“世界模型”而不是“视频模型”的原因:它在模拟因果,而不只是画面。

小听: 那它现在普通人能用吗?

沈知远: 还不能。现阶段只开放给受信测试者,接下来会先给订阅用户,再到开发者接口。DeepMind 自己也列了短板:跑久了细节会漂移、物体会变样,复杂物理、实时音频准确度、画面里的文字、长期一致性都还在攻关。而且所有生成内容都会带 SynthID 隐形水印,标明这是 AI 生成的。

小听: 最后一句总结:这东西到底改变了什么?

沈知远: 它把世界从“看的东西”变成了“进的地方”。以前你对 AI 说一句话,得到一段视频;现在你说一句话,得到一个能走进去、能改、能玩的世界。视频是结果,世界是起点——这就是 Genie 4 想讲的故事。

小听: 谢谢沈知远。本期选题来源是 Hacker News 相关讨论与 Google DeepMind 官方博客,访谈内容由 AI 基于公开资料整理,嘉宾为角色设定,观点不代表任何真实人物。

// related: searching nearest posts...
# comments