10 月 27 日深夜，谷歌 DeepMind 发布新一代世界模型 Genie 4，自称"迄今最逼真、交互性最强"。旧局在于：文生视频是焊死时间线的录像带，生成后镜头与人物都改不了。Genie 4 造出实时响应按键的物理世界，单次连贯交互从上代 Genie 3 的 1 分钟翻倍到 2 分钟。
更显"活"的是空间一致性与永久记忆——推开一扇门，门后长出符合逻辑的房间；踢倒椅子转身再回来，它仍躺原地，不会一转头背景就变样。运行中还能打字改天气、换机位。
Gemini 当导演，首次同步发声
Genie 4 是首个原生支持音视频同步生成的世界模型：骑马踩过浅滩，马蹄溅水声随距离变化；走近篝火，木柴噼啪声放大。走到虚拟角色（NPC）面前能开口或打字对话，对方据场景实时回应。
背后是双模型协同：Gemini Omni 锁死角色道具外观，运行中的 Gemini 3.8 Flash 当"幕后导演"，实时盯画面、拆目标、逐帧审查；Gemini 4 Argon 被塞进虚拟房间，仿真训练 Apollo 人形机器人下棋做家务。
短板仍明显。谷歌坦承，长时运行后细节会漂移，画面文字仍易乱码；物理交互、空间与长期一致性仍是难题，真实性未证明可替代引擎。目前它仅向受信任测试者开放，面向公众还需绑定约 100 美元 / 月的 Google AI Ultra 会员排队。
