一个可在探索中改变的世界
谷歌的 Project Genie 让人们用日常语言描述一个交互式世界,然后探索和编辑系统生成的内容。2026年11月18日,谷歌开始向符合条件、年满18岁的 Google AI Ultra 订阅用户推出更新版本。次日,开发者通过 Gemini API 和 Google AI Studio 获得了 Genie 4 模型的使用权限。
此次发布将文本提示、图像、动态画面和声音汇集到同一项实验中。用户可以描述一个场景,在其中移动,然后输入指令改变天气、添加角色或调整事件。谷歌表示,Genie 4 可生成每秒24帧的720p画面,并配有同步音频,包括背景音效和角色语音。
这款产品名为 Project Genie,而非 Playground。谷歌将其描述为由 Google DeepMind 的 Genie 4 驱动的实验性研究原型。AI Pro 会员可以加入候补名单,符合条件的 Ultra 订阅用户则正陆续获得使用权限。谷歌尚未公布更广泛开放的日期,也未说明订阅用户体验中的 Genie 4 单次使用时长上限。
谷歌的Project Genie 页面展示了一些示例,包括以蚂蚁的视角探索世界,以及在闹鬼的别墅中寻找线索。用户还可以把照片变成可探索的场所,并对社区图库中分享的世界进行改编。这些示例让人更容易理解这款产品:它可以用来创建和探索不断变化的场景,而不只是观看一段已经完成的视频。
Google DeepMind 于2025年8月推出了早期世界模型 Genie 3。其Genie 3 公告介绍了由文本生成、可供用户探索的环境,并称其连贯性可持续数分钟。Genie 4 是 Project Genie 中较新的模型,谷歌也更新了 Genie 3,增加了更长的使用时长和其他功能。
11月18日和19日有哪些变化?
11月18日的更新为 Project Genie 加入了 Genie 4、对话式创作代理,以及用于分享和改编世界的图库。该代理可以通过对话,帮助用户将描述拓展成更完善的场景。图库则让用户能够探索他人创作的内容,并改编其中的环境、角色或音频。
谷歌表示,早期测试者希望能更好地控制生成世界中发生的事情,也希望有更简单的方式来创建和分享这些世界。Google DeepMind 集团产品经理 Diego Rivas 和 Google Labs 集团产品经理 Pavan Kumar 在公司的11月18日公告中写道:
早期测试者告诉我们,他们希望能更深入地控制这些世界中发生的事情,并更轻松地创建和分享这些世界。
11月19日,谷歌通过 Gemini API 和 Google AI Studio 向开发者开放了 Genie 4。开发者可以从文字描述、参考图像或两者入手,然后通过键盘操作和实时提示改变场景。谷歌列举的潜在用途包括制作交互体验原型、呈现空间设计,以及训练机器人和 AI 代理。谷歌在其开发者公告中表示,每项输出都包含人眼无法察觉的 SynthID 水印。
据报道,这项开发者服务的技术细节显示,流式输出费用约为每秒0.1美元,单次使用时长上限为120秒。按此价格计算,完整使用两分钟的费用约为12美元。这一时长上限和价格针对开发者 API;谷歌没有公布 Project Genie 中 Genie 4 的相应单次使用时长上限。
世界模型与视频有何不同
视频生成器通常会生成一段供人观看的视频。世界模型则会随着用户移动或改变场景,生成接下来发生的内容。如果用户转向一扇门,或要求下雨,系统就必须生成新的画面,对这一操作作出回应,并与场景保持一致。
因此,保持连贯性是一项核心挑战。令人信服的世界应当能够追踪物体和角色的位置,以及环境发生了哪些变化。谷歌表示,Genie 4 支持实时编辑和自适应音频。该公司还列出了一些仍在努力解决的问题,包括镜头延迟、复杂的物理互动、精准的实时音频,以及让场景长时间保持稳定。
Genie 3 有助于了解这项技术的发展进展。Google DeepMind 于2025年宣布推出该模型时表示,它可以生成最高每秒24帧、分辨率为720p的世界,并保持数分钟的连贯性。其公布的局限包括地理准确性不够完善、难以清晰呈现文字、可直接执行的动作范围有限,以及交互时间较短。谷歌最初仅向一小群学者和创作者提供 Genie 3 的有限研究预览版。
谷歌目前将 Genie 3 的单次生成时长从60秒延长至最多三分钟,并允许用户连接不同世界,或从360度全景图开始创作。这些细节适用于 Genie 3,不应被误认为是谷歌已公布的消费者版 Genie 4 单次使用时长。
这项技术在游戏制作中有何用处?
对游戏开发者而言,在团队使用传统游戏引擎搭建完整环境之前,生成式世界或许可以帮助他们测试想法。设计师可以探索不同的光线、背景或角色外观,也可以向同事展示粗略构想。开发者 API 还为团队提供了一种尝试交互场景的方式,无须先手动制作每一个视觉元素。
这与制作一款完整的商业游戏不同。游戏引擎是用于制作和运行游戏的软件,游戏包含明确设定的素材、规则和操作方式。世界模型则根据提示和操作生成不断变化的场景。这两种技术可能相辅相成,但生成式模拟本身并不会自动具备完整游戏所需的经过测试的系统、稳定性能或完备制作工具。
谷歌早前发布的10月预告将 Genie 4 描述为一种用于交互式环境的模型,支持移动、声音和不断变化的事件。之后的发布则向订阅用户和开发者开放了使用权限,并加入了创建和分享世界的工具。这些公告共同显示,产品正从有限的研究预览走向实际试用,但并不意味着谷歌已发布一套完整的游戏开发系统。
这对 Mahjong Ways 意味着什么
PG Soft 推出的 Mahjong Ways,与玩家可以在其中探索并改变环境的开放世界结构不同。它采用转轴玩法,包含麻将主题符号、动画,以及 Wild Transformation 和 Free Spins 等固定功能。其玩法取决于专为这款游戏设计的规则和结果。
从原理上说,生成式 AI 可以帮助游戏工作室探索视觉创意、制作粗略的动画测试,或查看设计在不同屏幕尺寸上的呈现效果。这些只是 AI 在游戏制作中的潜在用途,并非 PG Soft 已确认采用的做法。没有证据表明该公司使用 Project Genie 或 Genie 4 开发 Mahjong Ways。
任何规则明确的游戏也都需要经过严格的技术检查。设计师和工程师必须确保各项功能按预期运行、界面清晰易读,且游戏性能稳定。涉及随机结果时,还需要单独测试系统规则和数学特性。模型能够生成逼真的场景,并不代表它本身就能验证游戏的这些方面。
区别很简单:Genie 可以根据指令生成交互式环境,而固定玩法的游戏则是按照既定设计制作的。工作室可以利用 AI 加快早期视觉试验,再依靠自身的制作和测试流程完成游戏。
这项技术仍有哪些不足
生成的场景随着时间推移可能会失去连贯性。镜头移动后,物体可能发生位移或外观改变,复杂的物理互动仍难以可靠复现。语音和文字也可能不准确。这些问题对游戏很重要,因为玩家希望物体、角色或规则在前后不同时间保持一致。
谷歌表示,Genie 3 支持的交互时长为数分钟,而非数小时。对于 Genie 4,谷歌将场景长期保持稳定和精准音频列为仍在解决的挑战,但尚未公布消费者版本的单次使用时长上限。开发者还需要注意,画面质量高、声音连贯,并不等同于具备完整游戏的逻辑或质量控制。
谷歌表示,Project Genie 会对模型输入和输出进行安全筛查,并为生成的视频和音频添加 SynthID 水印。该水印旨在标识由谷歌 AI 工具生成的内容。这些措施与产品的技术局限同时存在,并不能免除用户和开发者检查生成场景内容的必要性。
关键日期
2025年8月5日:Google DeepMind 宣布推出交互式世界模型 Genie 3,并启动有限范围的研究预览。
2026年10月27日:Google DeepMind 向一小群可信测试者推出 Genie 4。
2026年11月18日:Genie 4 开始向符合条件的 Google AI Ultra 订阅用户开放使用;AI Pro 会员可以加入候补名单。
2026年11月19日:谷歌通过 Gemini API 和 Google AI Studio 向开发者开放 Genie 4。
要点速览
Project Genie 使用 Google DeepMind 的 Genie 4,根据文本提示、图像和用户操作创建交互式世界。
Genie 4 于2026年11月18日向符合条件的 Google AI Ultra 订阅用户开放;开发者次日获得 API 使用权限。
谷歌表示,该模型可生成每秒24帧的720p画面,并配有同步音频。
Genie 3 单次生成时长最长可达三分钟;谷歌尚未公布消费者版 Genie 4 的单次使用时长上限。
AI 可能有助于游戏团队测试创意,但没有证据表明 PG Soft 使用 Genie 4 开发 Mahjong Ways。
场景稳定性、复杂互动、音频精准度和更长的使用时长仍是技术挑战。






