Genie 是什么？交互世界模型与普通生成视频的区别
Genie 是 Google DeepMind 的世界模型研究系列，可根据描述生成能响应操作的环境。以 Genie 3 和 Project Genie 说明交互式生成、世界一致性，以及研究原型与通用 API 的差别。
先认识这个模型
Genie 是 Google DeepMind 的世界模型研究系列，Genie 3 可以根据文字描述生成能够实时探索的环境。用户操作后，模型继续生成对应的后续画面，而不是只播放一段提前完成的视频。Project Genie 是相关实验原型；模型演示、可体验应用和通用开发 API 属于不同的开放方式。
用户操作会影响接下来生成的画面
描述一座林间木屋后，使用者可以改变观察方向或向前移动，环境随操作继续生成。这与先生成十秒镜头再播放的方式不同，时间中的新画面需要响应输入。因此评估 Genie 时，连续操作中的变化比单张截图更有说明力。
例如绕过木屋后再次返回，可以观察门窗位置是否保留。这里提出的是检查世界一致性的方法，并没有执行该实验。画面看起来像三维场景，也不能直接证明系统已经生成可以在游戏引擎中编辑的网格和碰撞数据。
环境干预与角色动作有不同范围
Genie 3 的可提示世界事件，可以改变天气或引入新对象。这样的环境干预与角色能够直接执行的动作并不相同；让天空下雨，不等于角色已经学会使用道具。判断交互能力时，应说明改变的是环境还是角色行为。
研究示例还把 SIMA 智能体放进生成环境，通过导航动作追求目标。Genie 模拟动作之后的世界，不负责知道智能体的目标。由此可以区分环境模型与执行任务的 Agent，不能把生成世界本身写成已经完成了用户任务。
视觉连贯不等于地理或物理准确
Genie 3 的已披露限制包括真实地点无法完全准确还原，多智能体之间的复杂交互仍有困难。它可以生成可探索环境，但不宜作为建筑尺寸测量或现实道路导航的依据。需要精确空间数据时，仍应使用经过测量的地图或工程模型。
连续交互时长也有限，公开说明以几分钟为范围，并非可以稳定持续数小时。返回旧场景后出现物件变化，应该作为实际限制记录。长时间一致性不能由一段挑选过的展示视频推断，更不能从截图推算交互稳定率。
研究原型开放与开发接口必须区分
当前模型页提供 Project Genie 体验入口，并明确称它为实验性研究原型。这个入口可以帮助了解交互形式，但不能被写成任何账号均可接入的通用公开 API，也不能推断已经提供完整模型权重和本地部署许可。
准备做游戏或训练环境时，应先确认实际开放方式是否支持项目需要的控制与输出。如果目标只是制作固定镜头，普通视频生成模型可能更直接。本文只核对官方模型页和研究说明，没有体验原型，也未申请研究访问或测试交互延迟。
核对来源
以下资料用于核对概念和方法。文中的示例与测试范围分别注明，实际使用时请核对所用工具的版本。