Google DeepMind 於 10 月 27 日發表最新一代世界模型 Genie 4，以研究預覽版形式率先開放予「可信測試者」。這個被外界視為「AI 世界模擬器」的模型，今次帶來三大突破：畫面逼真度大幅提升、首度加入即時音效生成，以及最矚目的即時語音與文字操控——用戶可以在模擬進行途中，直接輸入自然語言指令改變場景，例如切換天氣、調整鏡頭角度，甚至加入新人物與物件，世界會即時回應。

兩分鐘連貫世界 + 即時音效：Genie 4 的核心升級

相比一年多前發佈的 Genie 3，Genie 4 的場景一致性維持時間由一分鐘倍增至兩分鐘，物理效果更準確，人物動作也更接近真人。音效方面，模型會根據模擬世界自動生成配樂、環境聲與互動對話，令整個互動體驗第一次「有聲有畫」。

Gemini 當導演：混合世界模型的新架構

Genie 4 的另一關鍵，是與 Google 旗艦 AI 模型 Gemini 的深度整合。在新架構中，Gemini 3.8 Flash 擔任「導演」，負責規劃步驟與檢查每一格畫面，而 Genie 4 則專責生成視覺世界。Google 研究總監 Tejas Kulkarni 在發佈會上描述了「混合世界模型」的願景：Gemini 負責撰寫程式碼與文字，Genie 即時讀取並以不同抽象層次模擬現實。

在與 Gemini Robotics 相關的實驗中，一個 Gemini 4 Argon 模型將任務拆解成步驟，再由 Genie 4 即時模擬出來——這展示了機械人場景可以先在模擬世界中測試、再於現實執行的可能性，對機械人訓練成本與安全性都有深遠意義。

世界模型大戰開打：行業整併與 Google 的護城河

Genie 4 的登場，正值世界模型賽道進入整併期。AI 影片新創 Runway 兩個月前發佈了第二款世界模型 GWM Worlds 2；李飛飛創辦的 World Labs 被 AMD 收購；Amazon 傳正洽購 Decart；電動車廠 Rivian 則收購 Third Dimension，把模擬能力收入自駕測試體系。各大巨頭都意識到：能即時生成、即時互動的模擬世界，是下一代 AI 應用的基礎設施。

Google 的優勢在於一手握住 Genie 的生成能力，一手握住 Gemini 的推理與規劃能力，兩者結合形成的「生成＋導演」組合，目前市面上暫無對手能同時提供。

從遊戲到電影前期製作：最先落地的新用法

官方列出的應用場景包括遊戲開發、互動式學習（例如「走進」一幅歷史畫作並與畫中人物對話）與機械人訓練。但有趣的是，最先獲得內部測試者青睞的，竟是電影前期製作。Google DeepMind 工程師 Diego Rivas 指出，即時性在「保持創作心流」的環節最有價值——構思階段與分鏡階段的快速迭代，正正需要這種即時反饋。

Rivas 補充，未來用戶或可透過多模態模型 Gemini Omni，把這些模擬原型直接轉化成創作素材，不過相關能力仍在早期階段。Google 同時提醒，Genie 4 仍有明顯限制：模擬時間一長，細節與物件會「漂移」，音效準確度與世界內文字的可讀性也尚未完全解決。

開放時程與觀察重點

Genie 4 現階段僅供可信測試者使用；未來數週將向 Google AI Ultra 訂閱者的 Project Genie 開放，並陸續提供予 Gemini API 與 Google AI Studio 的早期合作夥伴。Google 已開放候補名單供公眾申請。

值得留意的是，世界模型與機械人、自動駕駛、遊戲引擎的結合速度正在加快。當模擬世界的成本足夠低、真實度足夠高，「在虛擬世界先試一萬次、再在現實做一次」將成為工程標準流程——這正是 Google、AMD、Amazon 同場競逐的終極獎品。

結論

Genie 4 的意義不止於「畫面更靚」：即時操控＋即時音效＋Gemini 導演的組合，第一次把世界模型從「播放器」變成「樂器」。對創作者而言，這是構思階段的神器；對工程師而言，這是機械人與自駕測試的廉價沙盒。世界模型的戰爭才剛開始，但主導權爭奪已進入白熱化。

資料來源：TechCrunch、The Verge、Ars Technica（2026 年 10 月 27 日報道）