Genie 4 與 Genie 3：兩分鐘、一種新感官，以及同一扇上鎖的門

Genie 4於 2026 年 10 月 27 日發布，時間點落在Genie 3之後 448 天。這個間隔說起來容易，評估起來卻很難，因為這兩款模型的銷售方式並不相同，而且嚴格說來，兩者根本都沒有在販售。Genie 3 自 2025 年 8 月 5 日起一直是需經審核的研究預覽版，自 2026 年 1 月起，Google AI Ultra 訂閱者可透過 Project Genie 使用。Genie 4 同樣是需經審核的研究預覽版，這回僅開放給少數受信任的測試者，並設有公開候補名單。這段期間的改變是真實的：音效、即時操控、更長的一致性視窗，以及由第二個 Gemini 模型監看輸出。沒變的，則是決定你能否使用它的那一部分。

大多數關於 Genie 4 的報導讀起來就像一份新功能清單，這既準確，卻也不完整。更有用的比較方式，是把同一個構想的兩個世代、放在兩個不同的成熟階段來對照：Genie 3 是已知的定數，有公開的解析度與影格率，也有產品化的路徑；而 Genie 4 則是一個展示，描述更漂亮，卻沒有規格表。這並不代表 Genie 4 是空談——那篇部落格、那些展示，以及機器人實驗都是真實的——但這確實意味著，誠實的比較會有兩欄不同性質的證據。

這四項新增內容，依其對這份工作的改變程度排序

並非每一項新能力都同等重要。若依它們對管線的影響程度來排序：

• 原生音訊。這是改變產品類別的關鍵變革。無聲模擬可以協助做出運鏡決策，卻無法替代實際鏡頭，因為音效設計師仍必須依照模型並未產生的時間節奏來製作雨聲與腳步聲。Genie 4 在生成畫面的同一批次中產生環境音、音樂與互動對話，這意味著音訊與畫面共享同一個時間基準。Google 的但書很重要：音訊準確度尚未解決，而生成的對話是本次發布中最難以預測的一環。

• 即時操控。Genie 3 能夠接受可提示的世界事件——改變天氣、新增物件——但互動方式相當粗略。Genie 4 可在模擬過程中接受文字指令，並由 Gemini 模型將其調適至當前影格，因此鏡頭能夠移動、場景能夠改變，而無需重置。對預視覺化而言，這正是「生成一個鏡頭」與「導演一個鏡頭」之間的差別。

• 更長的時間窗口。 大家引用的數字大約是兩分鐘的場景一致性，是 Genie 3 的兩倍。這是發表簡報會上報導的數字；部落格只說工作階段「很短」。實際效果是，一個鏡頭能持續夠久，足以安排一小段連續鏡頭，而不是說可以探索一個關卡。

• 迴路中的代理。 Gemini Omni 錨定外觀與行為，而 Gemini 3.8 Flash 觀察影格、拆解目標、驗證進度並重新規劃。這是架構上的變革，而非渲染上的變革，這也是該機器人演示得以運作的原因：Gemini 4 Argon 負責規劃、Genie 4 負責模擬，而 Apptronik Apollo 人形機器人在生成的世界中玩了西洋跳棋。

Genie 4 未發布的內容

這就是比較不再對稱的地方。Genie 3 有公開規格：720p 解析度、每秒 24 幀、即時互動、可回溯約一分鐘的視覺記憶，以及持續數分鐘的工作階段。Genie 4 則完全沒有把這些數字寫下來。沒有解析度、沒有幀率、沒有延遲、沒有模型大小、沒有基準測試、沒有價格。

那段空白對任何想寫下「Genie 4 的保真度高於 Genie 3」的人來說，有具體的後果。這可能為真。展示影片看起來更好，Google 也宣稱物理表現更進步、人體動作更自然、場景更逼真。但由於沒有公布解析度或幀率，就無法判斷這種進步究竟來自模型本身，還是來自拍攝方式。以高於產品實際出貨解析度所渲染的展示影片，看起來會和更優秀的模型一模一樣。這份比較中的每一項保真度說法都是廠商自述、且未經重現，而規格資訊的落差，正是應該明講而非只放在腳註裡的理由。

這次承認的局限也更具體。Google 坦承，在較長的工作階段中以及反覆進行複雜編輯之後，細節與物件恆常性會漂移；空間準確度並不完美；世界內文字的渲染效果很差；音訊準確性仍是研究問題。這些類別與 Genie 3 所列的相同——受限的動作空間、薄弱的多智能體互動、真實世界地理表現不佳、可讀性——只是再加上音訊。這份清單並沒有縮短，反而多了一類。

門沒有動

Genie 3 的開放歷程，本質上是一個產品歷程。Project Genie 是 Google Labs 於 2026 年 1 月 29 日推出的平台，讓 AI Ultra 訂閱用戶得以進入 Genie 3 的世界；據報導，它將單一世界的探索時間上限設為 60 秒——這是基於運算成本的決定，因為工作階段持續越久，自迴歸生成的成本就越高。在解讀 Genie 4 的兩分鐘這個數字時，這項上限值得牢記在心：模型的連貫性視窗與產品的工作階段上限是兩個不同的數字，而歷來產品的那個數字總是較緊的那一個。

Genie 4 的存取安排目前仍是預覽性質的消息。現在由可信測試人員使用；AI Ultra 訂閱者可透過 Project Genie 使用，但「即將推出」；早期存取合作夥伴可透過 Gemini API 與 AI Studio 使用，同樣「即將推出」；在此期間則有候補名單。這兩個「即將推出」都沒有附上具體日期。對開發者而言，這表示這項升級目前還不是採購決策。對 AI Ultra 訂閱者而言，這表示你今天能使用的模型仍是 Genie 3。

因此，讀者能實際據以行動的比較範圍很窄。如果你已經擁有 Project Genie 的使用權限，在 Genie 4 於該處推出之前，它對你這週不會帶來任何改變。如果你正在挑選要以什麼作為原型開發的依據，推理層才是目前真正存在的部分：Gemini 3.8 Flash——Google 指名為 Genie 4 迴圈內代理的模型——現在已可透過 OrcaRouter 呼叫，使用與 Gemini Robotics ER 1.6 preview 相同的 API 金鑰，供應商定價以 0% 加成原樣傳遞，並可跨供應商自動容錯移轉。這讓團隊能在世界模型可用之前，先建構模擬管線中規劃器的那一半。它無法取代 Genie 4，而我們並未託管任何一款 Genie 模型。

什麼能讓它塵埃落定

三份公開資料會讓這件事從功能比較變成模型比較。第一份是規格表：解析度、影格率、延遲與工作階段上限，由 Google 以書面形式提供。第二份是來自受信任測試者池之外的獨立量測——任何會回報負載下的影格率、或反覆編輯下的一致性維持時間的資料，而不是照抄簡報上的數字。第三份是 Project Genie 對 Genie 4 的工作階段上限，這會告訴你「兩分鐘」這個說法，在人們實際買得到的產品裡究竟值多少。

在那之前，Genie 4 與 Genie 3 的比較，是在一個已有已知限制的已推出預覽版，與一個已發表、示範更佳但沒有規格的後繼版本之間進行。後繼版本很可能是更好的模型。前代則是 Google 以外的人唯一實際用過的版本。

現在誰該關注，誰又該等待

已加入測試計畫的研究人員現在就該關注：音訊加上操控，再加上代理迴圈，是實質上截然不同的實驗介面；而機器人演示則顯示出 Google 想讓模型朝哪個方向發展。進行預視覺化的工作室則應等待兩件事——Genie 4 在 Project Genie 上線，以及生成音訊的授權答案，而後者並未在發表資料中提供。遊戲團隊應等待工作階段上限，因為兩分鐘的連貫性視窗只是一個鏡頭，不是一個關卡；而 Google 自己列出的失敗模式——反覆編輯後物件恆存性漂移——正是會破壞試玩流程的那一種。

這些都不會讓 Genie 4 令人失望。這讓它成為一則公告，而它本來就是如此。這兩代之間的差距真實存在，而且根據現有證據，比 Genie 2 與 Genie 3 之間的差距更大。擁有其中任何一款的差距為零。