空氣動力學、碰撞都能模擬：谷歌Genie 4來了，把物理寫進世界模型！

編譯 | 楊京麗 編輯 | 李水青 10月28日消息，今日，谷歌發佈新一代世界模型Genie 4。該模型具備更強的真實感和實時交互能力，能夠在生成世界的同時，原生生成音樂、環境音和交互式對話。▲谷歌發佈最新世界模型Genie 4（圖源：X） 谷歌稱，Genie 4融合了Gemini系列模型的能力：Gemini Omni負責讓模擬環境在外觀和行為上貼近現實世界，其他Gemini模型則提供複雜推理能力，幫助模擬世界保持連貫性和連續性。用戶可以在Genie 4中啟動事件，模型會模擬事件發生後的過程，包括世界如何響應、環境如何發聲，以及其中的人物如何移動、反應和說話。

谷歌CEO桑達爾·皮查伊（Sundar Pichai）在社交平臺X上發文稱，Genie 4是谷歌目前“最逼真、交互性最強的世界模型”。他提到，Genie 4可以實時操控動態環境，生成與場景匹配的原生音頻，還能借助Gemini的推理能力生成更連貫的多步驟事件。▲皮查伊發文介紹Genie 4（圖源：X） 2025年8月，谷歌發佈上一代世界模型Genie 3。相比之下，Genie 4加入了原生音頻、實時人物對話，以及由Gemini模型提供的多步驟推理和場景控制能力。同樣提示詞下，Genie 4生成的場景更具真實感，人物的動作也更為自然。

部分開發者認為，Genie 4讓實時世界模型有了“置身片場”的感覺。用戶可以進入一個實時運行的模擬場景，連續錄製多次“拍攝”，並即時調整攝像機角度、燈光、聲音和人物動作。▲海外開發者對Genie 4的評價（圖源：X） 還有人認為，Genie 4可以讓外界看到世界模型接近AGI的潛力。通過將Genie與Gemini結合，Gemini可以觀察模擬過程，把目標拆解為更簡單的步驟，並隨著世界變化調整計劃。未來，語言模型的推理能力如果與世界模型學習到的物理規律結合，Agent或許可以先在模擬環境中測試行動、比較結果，再將方案應用到現實世界，從而提升空間和物理推理能力。

▲海外開發者對Genie 4的評價（圖源：X） 谷歌認為，理解和模擬現實世界是構建AGI（通用人工智能）的重要環節。Genie 4希望生成安全且可無限變化的模擬環境，為機器人和Agent提供訓練場景，同時支持創作新的交互式體驗。目前，Genie 4已經以研究預覽的形式，向受信任的測試者逐步開放，在面向消費者和開發者發佈之前收集反饋。後續，Genie 4將首先面向Project Genie中的Google AI Ultra訂閱用戶，以及Gemini API和Google AI Studio的早期接入合作伙伴開放。

一、支持自然語言實時操控，場景可同步生成環境音 使用Genie 4時，用戶可以通過自然語言實時修改模擬環境，例如改變天氣、移動攝像機，或者加入新的角色和物體。Gemini會結合周圍場景理解用戶指令，使修改內容與原有環境保持一致。在用戶兩次輸入之間，Gemini還會持續觀察並引導場景發展，讓世界保持連貫推進。官方案例中，模型根據提示詞生成出電影感場景。湖面平臺上，一名中年男子身穿西裝演奏薩克斯，結合畫面中較為蕭瑟的場景，音樂也較為悲傷。根據用戶提示，場景中還可以加入鯨魚，天氣也可以較為自然地改為雪天。谷歌稱，Genie 4在實時交互式模擬中引入了更高水平的真實感。

該模型可以模擬空氣動力學、碰撞等現實物理過程，生成的人物能夠自然移動，對周圍環境作出反應，用戶還可以操控世界中的角色。Genie 4還可以原生生成音頻。每個模擬世界都帶有與環境相匹配的聲音，例如樹葉間的風聲和海灘上的海浪聲。模型支持交互式對話，人物可以根據用戶輸入或世界中的事件即時交談和作出反應。在一段演示中，模型生成了一個完全由彩色玻璃構成的三維景觀：半透明的河流穿過綠色田野，花朵、樹木、山脈、雲朵和太陽均呈現彩色玻璃或水晶質感。當小鹿涉水過河時，場景同步出現了流水聲，展示出Genie 4根據畫面事件實時生成環境音的能力。二、Gemini 3.

8 Flash拆解任務，Argon探索機器人模擬 谷歌將Gemini與Genie 4結合，生成世界前加入了推理層，因而能夠模擬複雜的多步驟事件，並測試AI系統如何在不同環境中完成任務。在實時運行過程中，Gemini 3.8 Flash充當循環中的引導Agent。Genie 4生成世界時，Gemini會持續觀察場景，把目標拆分為一系列步驟，分析輸入畫面，跟蹤任務進展，並確認每一步是否完成。當世界發生變化，或者用戶在過程中進行干預時，Gemini會即時調整計劃。模型可以根據用戶提示，在畫面背景中生成流星，並引導畫面中的鶴走向雪地中的鋼琴。

谷歌稱，通過這種協同，Genie 4可以構建具備可靠因果關係、程序化行為和多步驟推理能力的模擬世界。谷歌還在探索Gemini 4 Argon、Genie 4與Gemini Robotics的結合。在演示中，Argon把用戶提出的任務拆解為多個步驟，以文字提示的形式逐步傳遞給Genie 4。通過上述合作，模型可以模擬Apptronik的Apollo人形機器人下跳棋，將任務拆解為實時執行步驟。三、從電影預演到歷史復原，測試者探索Genie 4的應用場景 谷歌稱，Genie 4目前仍處於早期實驗階段。

為了解交互式世界模型如何支持現實工作流程，以及模型還需要在哪些方面提升，谷歌已經與創意產業、新聞、教育、遊戲和工程領域的受信任測試者展開合作。在創意方向上，電影製作人可以把Genie 4當作快速預演和構思工具，進入一個實時模擬場景，連續運行多次“拍攝”，並即時調整攝像機角度、燈光、對白和動作。在歷史場景和沉浸式照片方面，新聞攝影師正在測試如何將一張二維檔案照片快速轉化為對應環境的模擬世界。相關團隊還在探索，通過具有人物和動態變化的世界，幫助用戶體驗歷史空間，或觀察山洪、野火等短期環境事件的發展。

在交互體驗設計方面，遊戲開發者和創意技術人員可以通過自然語言提示詞，在幾秒內把最初的創意轉化為可探索原型，並在編寫引擎代碼之前測試視覺風格、材質效果和交互機制。企業合作伙伴則在評估Genie 4能否快速生成不同產業的場景，並據此找出模型需要改進的部分。谷歌還將Genie 4視為混合世界模型的一部分。未來的世界模型有望結合代碼和語言模型的邏輯、結構化推理能力，以及像素級模擬的感官表達能力。Gemini負責理解世界結構並規劃敘事時間線，Genie則負責生成即時的物理現實，呈現世界的外觀、聲音和反應。

結語：世界模型開始從生成畫面走向持續運行 Genie 4生成逼真畫面的同時，讓模擬世界能夠持續運行，處理物理變化、人物行為、環境聲音、互動對白和多步驟任務。目前，Genie 4仍處於研究預覽階段，長期運行中的細節漂移、複雜物理交互和空間準確性仍待改善。隨著模型向Project Genie、Gemini API和Google AI Studio逐步開放，世界模型能否從演示場景走向穩定、可控的實際工作流，仍有待進一步驗證。