Google DeepMind 在 2026 年 10 月 27 日發表了新一代「世界模型」Genie 4。它生成的不是一支拍好的影片，而是一個你可以用鍵盤走進去、打一句話就能改天氣、而且會發出聲音的 AI 世界。這篇文章會帶你看懂世界模型是什麼、Genie 4 跟 AI 生影片工具差在哪、這次升級的四大功能、目前的限制，以及台灣使用者什麼時候能用。
（圖片擷取自 Google DeepMind 官方部落格）
過去一年，你可能已經用 AI 生過圖、生過影片，甚至生過一首歌。但不管畫面多逼真，那些都是「做好之後給你看」的成品。
Genie 4 想做的事情不一樣：它要生成一個正在發生、會回應你的世界。你往前走，畫面就往前延伸；你說「下雨了」，天空就開始飄雨；你身邊的角色還會開口跟你說話。
先說清楚：Genie 4 目前是研究預覽版，只開放給 Google 挑選的測試者，一般人還用不到。但它代表的方向，很值得現在就先搞懂。
Genie 4 是什麼？「世界模型」用白話說
Genie 4 是 Google DeepMind 開發的世界模型（World Model）。
世界模型這個詞聽起來很抽象，我用一個比喻來說明：
- AI 生影片像是「看一部拍好的電影」：導演決定鏡頭往哪裡、角色做什麼，你只能從頭看到尾。
- 世界模型像是「走進一個會即時搭景的片場」：你決定往哪裡走、看哪裡，場景會根據你的動作，一格一格即時生成出來。
也就是說，世界模型不是在「播放」畫面，而是在「模擬」一個世界接下來會發生什麼事：物體怎麼掉落、人怎麼反應、聲音怎麼傳過來。
Google DeepMind 在官方部落格裡把它的定位說得很直接：理解並模擬世界，是打造 AGI（通用人工智慧，Artificial General Intelligence）的關鍵一步。因為一個 AI 如果要在真實世界裡做事（例如機器人），它得先懂「這個世界是怎麼運作的」。
Genie 系列不是第一次出現。上一代 Genie 3 在 2025 年 8 月發表，之後 Google 推出了讓一般用戶玩的「Project Genie」，2026 年初先開放給美國的 Google AI Ultra 訂閱者。Genie 4 則是在畫面寫實度、聲音和即時操控上，一次往前跨了一大步。
Genie 4 跟 Google Flow 這類 AI 生影片工具差在哪？
如果你用過 Google Flow 這類 AI 生影片工具（我之前寫過一篇 Google Flow 教學），可能會覺得：「AI 生影片也很逼真啊，差在哪？」
差別在於「你能不能在過程中插手」：
| AI 生影片（例如 Google Flow） | 世界模型（Genie 4） | |
|---|---|---|
| 產出 | 一支固定長度的影片檔 | 一個即時生成、持續進行的場景 |
| 你的角色 | 觀眾：下指令、等結果 | 參與者：一邊走、一邊改 |
| 操作方式 | 寫提示詞，生成後再修改 | 鍵盤控制移動與視角，隨時打字改場景 |
| 適合用途 | 宣傳片、社群短影音、產品動畫 | 互動原型、模擬訓練、前期視覺化 |
| 現在能不能用 | 可以 | 研究預覽，還不行 |
簡單說，要交一支影片出去，用 AI 生影片工具；要「試試看如果這樣會怎樣」，才是世界模型的強項。
Genie 4 新功能：這次升級了什麼？
官方部落格列出 Genie 4 在四個能力上的進展。以下的畫面都是官方示範影片的截圖，不是我的實測。
1. 邊玩邊改：打一句話就換天氣、加人物
這是我覺得最直覺的升級。在 Genie 4 的世界裡，你可以用一般的文字，即時修改正在進行中的場景，例如：
- 改變天氣（晴天變暴雨）
- 移動鏡頭
- 加入一個新的人物或物件
更聰明的是，Gemini 會根據當下的場景，自動調整你的指令，讓新加入的東西看起來合理；在你沒輸入的時候，Gemini 也會在背後持續「導戲」，讓這個世界自然地往下發展。
（圖片擷取自 Google DeepMind 官方部落格）
從官方示範影片可以看到，畫面左下角有 W、A、S、D 鍵的提示，代表使用者是用鍵盤在場景裡移動；影片下方則是生成這個世界用的文字描述。
2. 更真實的物理和人物動作
Genie 4 會模擬真實世界的物理現象，官方舉的例子是空氣動力和碰撞，例如楓樹種子旋轉飄落到草地上、物體從石台上掉下來。
官方說這次「最戲劇性的進步」在人物：角色的動作更自然，會對環境做出反應，而且你可以即時引導他們。其中一支示範是 1980 年代擠滿乘客的日本鄉下車站。
（圖片擷取自 Google DeepMind 官方部落格）
3. 原生音訊：世界終於有聲音了
這是 Genie 4 最大的賣點。官方說它是 DeepMind 第一個能即時生成聲音的世界模型。
- 環境音：每個世界都有符合場景的聲音，樹林裡有風聲，海邊有浪聲
- 配樂：音樂跟畫面一起生成
- 角色對話：角色會即時開口說話，而且會根據你的輸入或場景裡發生的事情回應
以前的世界模型像是一部默片，現在變成有聲電影，而且還是會跟你對話的那種。
（圖片擷取自 Google DeepMind 官方部落格）
4. 背後有 Gemini 當導演
Genie 4 不是單打獨鬥，它把好幾個 Gemini 模型接進來分工：
- Gemini Omni：讓畫面的外觀和行為貼近真實世界
- Gemini 3.8 Flash：在模擬進行時當「現場導演」，觀察畫面、把目標拆成步驟、檢查每一步有沒有完成，世界一變化就調整計畫
- Gemini 4 Argon：Google 最新的旗艦模型，在官方的機器人示範裡負責拆解任務
官方最有代表性的示範，是模擬 Apptronik 公司的人形機器人 Apollo 下跳棋：Gemini 4 Argon 先把「下一步棋」拆成詳細的文字步驟，再一步步交給 Genie 4 即時演出來。
（圖片擷取自 Google DeepMind 官方部落格）
我認為這段是整篇發表裡最值得注意的地方：一個模型負責「想」，另一個模型負責「演」。官方也在文末提到，未來的方向是這種「混合式世界模型」，讓 Gemini 在幕後規劃結構和故事線，Genie 負責一格一格生成畫面和聲音。
另外，根據 TechCrunch 的報導，Genie 4 可以讓同一個場景維持一致約 2 分鐘，是 Genie 3 的兩倍。這個數字官方部落格沒有寫，僅供參考。
Genie 4 能拿來做什麼？
官方說的用途有兩大類：一是幫機器人和 AI 代理人打造訓練環境，二是創造新型態的互動體驗。
比較有意思的是官方分享的測試者心得，裡面有好幾個跟創作者、行銷人很接近的用法：
- 創意總監：把 Genie 4 當成「草稿模式」做前期視覺化，導演可以在模擬裡「多拍幾次」，即時調整鏡頭、光線、對白和動作
- 攝影記者：嘗試把一張歷史照片變成可以走進去的場景
- 遊戲開發者和創意技術人員：幾秒鐘就把點子變成可以探索的原型，用文字測試不同的視覺風格和互動方式
- 企業：評估用它快速生成各種情境模擬
如果用我自己的工作來想像，我覺得最有潛力的是提案階段。以前要跟客戶溝通「活動現場大概長這樣」「這個產品放在客廳的感覺」，只能靠參考圖和嘴巴描述；之後也許可以直接生成一個場景，請客戶自己走一圈。不過這是我的推測，等真的能用之後，我會再實測回報。
Genie 4 還有哪些限制？
官方很坦白地說，Genie 4 還是「早期、持續進化中的技術」，目前的限制包括：
- 時間一長就會跑掉：模擬拉得比較長、改了很多次提示，或在場景裡走動比較久之後，畫面細節和物件可能會漂移（例如東西的位置或樣子變了）
- 複雜物理還不夠準：多個物體之間的複雜互動，仍是持續研究的題目
- 畫面裡的文字容易出錯：招牌、標示這類可讀文字還渲染不好
- 聲音和空間準確度：即時生成的音訊、空間位置也還在改進
另外，所有 Genie 4 生成的影像和聲音，都會加上 Google 的 SynthID 浮水印，這是一種肉眼看不到、但可以用工具辨識的標記，用來證明這是 AI 生成的內容。
Genie 4 怎麼用？台灣什麼時候能用？
台灣目前還用不了，而且不只是台灣，全世界大部分人都還用不了。
目前的開放狀況：
- 現在：研究預覽，只開放給 Google 挑選的信任測試者
- 即將開放（官方沒有給日期）：
– Google AI Ultra 訂閱者，會在 Project Genie 裡用到
– Gemini API 和 Google AI Studio 的早期合作夥伴 - 之後：才會開放給更多一般用戶和開發者
如果你想搶先體驗，可以到官方部落格點「Join the Genie 4 waitlist」登記候補名單。
（圖片擷取自 Google DeepMind 官方部落格）
至於 Project Genie，它目前包含在 Google AI Ultra 方案裡，台灣的 Ultra 月費約為 NT$3,300 或 NT$6,500（依用量分兩級；費用隨時可能調整，實際價格以 Google 官方公告為準）。如果你還在考慮要不要升級，可以先看我整理的 ChatGPT、Claude、Gemini 付費版怎麼選。我的建議是：不要為了 Genie 4 現在就去訂 Ultra，等它真的開放、看到實際能做什麼之後再決定也不遲。
AI 正在從「生成內容」走向「模擬世界」
把 Genie 4 放進這兩年的 AI 發展來看，方向很清楚：AI 從寫文字、生圖片、做影片，一路走到能即時生成一個有聲音、有人物、會回應你的世界。
對大部分人來說，Genie 4 短期內還不會是日常工具。但我覺得現在值得做的事情是：先理解「世界模型」這個概念，想一想你的工作裡，有哪些環節是「如果能先模擬一次就好了」，例如提案、展場規劃、產品情境展示、教育訓練。等工具真的開放的那天，你就會比別人更快知道要拿它來做什麼。
我每週會寫一封電子報，把當週實測過的 AI 工具、實際用得上的指令，還有顧問現場看到的案例整理給你。Genie 4 一開放，我也會第一時間在電子報裡分享實測心得。想收到的話，可以在這裡訂閱：明淳說電子報。
如果有一天，你可以先走進客戶想要的那個場景再開始提案，你會先模擬什麼？
參考資料
- Google DeepMind 官方部落格：Genie 4: A new generation of world simulation（2026-10-27）
- Google DeepMind Genie 產品頁：Genie 4
- TechCrunch：Google’s Genie 4 world model adds audio, more realistic worlds, and real-time steering（2026-10-27）
你必須登入才能發表留言。