Genie 4 与 Genie 3：两分钟、一项新感官，以及同一扇紧锁的门

Genie 4于 2026 年 10 月 27 日发布，比Genie 3晚了 448 天。这个间隔说起来简单，评估起来却很难，因为这两款模型的发售方式并不相同——严格来说，两者都根本没有在售。Genie 3 自 2025 年 8 月 5 日起就一直是有准入限制的研究预览版，2026 年 1 月起，Google AI Ultra 订阅用户可通过 Project Genie 访问。Genie 4 同样再度是有准入限制的研究预览版，这次仅面向一小批受信任的测试者，并设有公开候补名单。其间真正改变的东西是实打实的：声音、实时操控、更长的连贯性窗口，以及第二个 Gemini 模型对输出进行监督。而没有改变的，恰恰是决定你究竟能否用上它的那一部分。

大多数关于 Genie 4 的报道读起来像一份新功能清单，这准确，但也不完整。更有用的比较，是在同一构想的两代产品、两个不同成熟阶段之间进行：Genie 3 是已知量，有已公布的 resolution 和帧率，也有产品路线；Genie 4 则是一个演示，描述更好，却没有规格表。这并不意味着 Genie 4 是空话——博客、演示和机器人实验都是真实的——但这确实意味着，诚实的比较会呈现两栏不同种类的证据。

四项新增内容，按其改变工作方式的幅度排序

并非每项新能力都同等重要。以下按它们对流水线的影响排序：

• 原生音频。 这是改变产品类别的变革。静默模拟可以驱动摄像机的决策，却无法替代一次实拍镜头，因为音效设计师仍需依照模型并未生成的时间节奏来构建雨声与脚步声。Genie 4 在同一轮次中生成环境声、音乐与交互式对话，这意味着音频与画面共享同一个时钟。Google 的提醒很重要：音频准确性尚未解决，而生成的对话是该发布中最不可预测的部分。

• 实时操控。Genie 3 可以接受可提示的世界事件——改变天气、添加物体——但交互方式较为粗糙。Genie 4 可在模拟进行中接受键入指令，由 Gemini 模型将其适配到当前帧，因此摄像机可以移动、场景可以变化，而无需重置。对于预可视化而言，这正是"生成一个镜头"与"执导一个镜头"之间的差别。

• 更长的窗口期。 人人引用的那个数字大约是两分钟的场景一致性，是 Genie 3 的两倍。这是发布简报中给出的数字；博客只说会话“很短”。实际效果是，一个镜头可以持续足够长，足以用来编排一段短序列，而不是说可以探索一个关卡。

• 闭环中的智能体。 Gemini Omni 为外观与行为提供依据，而 Gemini 3.8 Flash 负责观察画面帧、分解目标、验证进展并重新规划。这是架构层面的变革，而非渲染层面的改变，也正是这个机器人演示能够成功的原因：Gemini 4 Argon 负责规划，Genie 4 负责模拟，一台 Apptronik Apollo 人形机器人在生成的世界中下起了跳棋。

Genie 4 未发布的内容

这正是比较不再对称的地方。Genie 3 有公开规格：720p 分辨率、每秒 24 帧、实时交互、可回溯约一分钟的视觉记忆，以及持续数分钟的会话。Genie 4 则没有任何书面数字：没有分辨率，没有帧率，没有延迟，没有模型规模，没有基准测试，也没有价格。

这种缺失对任何想写下"Genie 4 的保真度高于 Genie 3"的人来说，都有一个具体的后果。这话或许是真的。演示样片看起来更好，谷歌也声称其物理效果有所改进、人体动作更自然、场景更逼真。但没有公布的分辨率或帧率，就无从判断这种提升究竟来自模型本身，还是来自采集方式。以高于产品实际出货分辨率渲染的演示，看起来会与一个更好的模型一模一样。本次对比中的每一项保真度声明都由厂商自行报告且未经复现，而规格上的这一空白，正是应当大声说出来、而不是塞进脚注里的理由。

这次承认的局限性也更具体。Google承认，在较长的会话中以及经过反复复杂编辑之后，细节和客体永久性会发生漂移；空间精度并不完美；场景内文字渲染效果很差；音频准确性仍是一个研究难题。这些与Genie 3所列出的类别相同——受限的动作空间、多智能体交互薄弱、真实世界地理表现不佳、可读性——只是增加了音频。清单并没有缩短，反而多了一个类别。

门没有动。

Genie 3 的准入故事，本质上是一个产品故事。Project Genie 是 Google Labs 于 2026 年 1 月 29 日推出的产品界面，它为 AI Ultra 订阅用户打开了进入 Genie 3 世界的大门；据报道，它将单次世界探索的时长上限设为 60 秒——这是一个出于算力考量的决定，因为自回归生成会随着会话时长增加而变得愈发昂贵。在解读 Genie 4 那个"两分钟"的数字时，这个上限值得记在心里：模型的连贯性窗口与产品的会话上限是两个不同的数字，而从历史上看，产品那个数字一直是更紧的那一个。

Genie 4 的访问安排属于预览性质。目前是受信任的测试者；AI Ultra 订阅用户可通过 Project Genie 使用，"即将推出"；早期访问合作伙伴可通过 Gemini API 和 AI Studio 使用，"即将推出"；在此期间还设有等候名单。这两个"即将推出"都没有附带具体日期。对开发者而言，这意味着此次升级目前还不足以成为购买决策的依据。对 AI Ultra 订阅用户而言，这意味着你今天能够使用的模型仍然是 Genie 3。

因此，读者能够据此采取行动的对比范围很窄。如果你已经拥有 Project Genie 的访问权限，那么在 Genie 4 登陆该平台之前，它不会给你的日常带来任何改变。如果你正在选择要以什么作为原型开发对象，那么真正已经存在的是推理层：Gemini 3.8 Flash——Google 将其称为 Genie 4 的闭环智能体——现在可以通过 OrcaRouter，使用与 Gemini Robotics ER 1.6 preview相同的密钥进行调用，供应商目录价格按 0% 加价传递，并支持跨供应商的自动故障转移。这让团队能够在世界模型可用之前，先构建模拟流水线中的规划器部分。它不能替代 Genie 4，而且我们不托管任何一款 Genie 模型。

什么能解决这件事

三份公开资料会把这件事从功能比较变成模型比较。第一份是规格表：分辨率、帧率、延迟和会话上限，以书面形式由 Google 提供。第二份是来自可信测试者池之外的独立测量——任何报告负载下帧率或反复编辑下一致性时长的内容，而不是重复简报里的数字。第三份是 Project Genie 对 Genie 4 的会话上限，这会告诉你“两分钟”的说法在人们实际能买到的产品里值多少。

在此之前，Genie 4 与 Genie 3 的对比，是一个已发布、存在已知局限的预览版与一个已宣布、演示更好却没有任何规格参数的继任者之间的比较。继任者很可能是更好的模型。而前任是谷歌以外的人唯一实际使用过的那个。

现在谁该关注，谁该等待

已经参与测试项目的研究人员现在就该关注：音频加引导加智能体循环，构成一个实质不同的实验面，而机器人演示则暗示了 Google 希望把模型引向何方。做预可视化的工作室应等待两件事——Genie 4 落地 Project Genie，以及生成音频的授权答复，而发布材料并未提供后者。游戏团队应等待会话时长限制明确，因为两分钟连贯窗口只是一个镜头，而不是一个关卡，且 Google 自己列出的故障模式——反复编辑后物体恒常性发生漂移——正是会破坏试玩流程的那一种。

这一切都不会让 Genie 4 令人失望。它让 Genie 4 成为一则公告，而它本来就是公告。两代之间的差距是真实存在的，而且根据现有证据，比 Genie 2 和 Genie 3 之间的差距更大。拥有其中任意一款，差距都是零。