GTA 6还没来，但老外已经用谷歌新模型开上车了

朋友们，视频生成模型现在已经不够刺激了。想象一下，你骑在一条黑龙背上，以140公里/小时的速度在山谷里冲刺，翅膀的拍打声还有呼呼的风声，你听得清清楚楚。但这不是一段没法儿更改的画面，你可以切换视角或者中途输入指令，让场景发生变化。觉得光看风景有点无聊，用键盘敲出“城堡发射火球和箭”，下一秒火球就真的从城堡上砸了下来——这不是电影特效，而是谷歌最新发布的Genie 4模型正在实时构造的世界。

骑上黑龙飙到140码，谷歌这个新模型把视频生成玩成了游戏

Genie 4是谷歌DeepMind推出的新一代实时世界模型，它最直观的升级是解决了此前视频生成模型“无声”的尴尬。按照DeepMind的说法，Genie 4是谷歌第一个原生支持音视频同步生成的实时世界模型——声音不是后期配的，而是模型根据画面内容实时算出来的。当你骑着黑龙俯冲时，翅膀拍打声、风声、远处山谷的回响，都会随着视角和速度实时变化，沉浸感直接拉满。

除了视觉和听觉上的同步，Genie 4还能让用户“开”上任何生成出来的交通工具。在官方演示中，测试者不仅能在草原上溜达，还能骑摩托、坐进AI生成的车里，以第一人称视角在动态场景中穿梭。这已经不再是简单的“文生视频”，而是一个可以随时改变视角、切换路线的可交互世界。对于苦等GTA 6的玩家来说，这种自由探索的体验，多少有点“代餐”的意思。

言出法随不是梦：敲一行字，爆炸和外星触手当场刷出来

上一代Genie 3其实已经支持“可提示的世界事件”，比如在大草原上输入文字，让画面里多出一个骑马的人或者热气球。但那样的效果比较简单，更像是往静态画面里塞一个动画贴片。而Genie 4的升级在于，它更加“言出法随”，并且刷出来的东西跟周围场景是有配合的。

官方展示了一个情侣骑摩托车的demo：测试者在输入框里连着敲下“背景发生爆炸”和“毁灭世界的巨型外星触手”，下一秒镜头一转，远处真的突然发生爆炸，外星人的触手在周围到处搞破坏。这种动态联动比在大草原上看几个热气球要复杂得多——爆炸会引发火光、浓烟、碎片飞溅，触手会摧毁建筑、卷起车辆，整个世界的反应都围绕玩家的指令实时演化。

更关键的是，Genie 4支持连续输入指令和镜头切换。你可以在飞行中改变天气，把晴空变成暴雨；也可以把视角从第三人称拉到第一人称，近距离观察你刚召唤出来的爆炸。这种“实时更改世界”的能力，让AI生成的内容从单向播放变成了互动体验，离“可玩的游戏”又近了一大步。

单干不够，Gemini来凑：DeepMind的“混合世界模型”是什么？

不过，想要处理更复杂的变化，光靠Genie 4自己其实不太够。这次多亏了Gemini打配合。按照DeepMind的说法，这叫Hybrid World Models（混合世界模型）。简单说，Genie 4负责实时渲染画面和物理规则，而Gemini负责理解用户的复杂意图，并决定世界该如何变化。

比如当用户输入“毁灭世界的巨型外星触手”，Gemini首先要拆解这个指令的含义：触手从哪里出现？攻击目标是什么？会造成多大范围的破坏？然后把这些语义转化成Genie 4可以执行的场景参数。如果没有这层“大脑”的调度，单靠Genie 4可能只会生成一个静止的触手模型，而不是一场动态的灾难。这种分工合作，让模型的“世界规则”变得更加灵活和可扩展，也为后续更复杂的AI生成游戏奠定了基础。

GTA 6还在打磨，老外已经开着AI生成的车跑起来了

GTA 6至今尚未正式发售，但谷歌新模型的突破，让不少老外提前尝到了“AI生成开放世界”的甜头。事实上，DeepMind的团队此前就曾公开表示，未来的AI将发展到能够直接即时生成《GTA 6》游戏的程度。如今Genie 4配合Gemini所展现出的实时交互、音画同步、动态事件响应，已经让这个愿景看起来不再遥不可及。

虽然目前Genie 4生成的内容在物理精度、长期一致性上还远不能和真正的3A大作相比，但它证明了另一条路：我们可以不依赖预渲染的贴图和脚本，而是让AI根据用户指令即时构建一个可探索、可改变、可驾驶的世界。一些海外玩家已经用这个模型生成“公路飙车”场景，再自己切换到车内视角，配上实时计算出的引擎声和胎噪，自嘲“GTA 6还没来，但已经开上了AI生成的车”。

当然，这还只是开始。随着混合世界模型的迭代，AI生成游戏与手工制作游戏之间的边界会越来越模糊。也许在GTA 6正式发售之前，我们就能看到一个完全由AI实时生成的“洛圣都”，里面每一辆车、每一条街道、每一次爆炸，都在键盘敲下的瞬间诞生。