你走过一个鲜红色的洒水壶，转到墙后，再回来。同一个壶还在长椅旁边吗？这就是 Genie 4 环境一致性与物体恒存性测试背后的有用问题。截至 2026 年 10 月 28 日，Google DeepMind 已承认，在较长的会话中、经过复杂的提示编辑后，或在探索过程中，视觉细节和物体可能会发生漂移。其发布示例展示了实时操控，但并未建立可重复的一致性评分。本指南提供了一套在你获得访问权限后可以运行的控制测试，并将官方演示与仍需独立测量的结果区分开来。
关键要点
- Genie 4 是一个研究预览版，所审查的公开材料中不包含数值一致性基准。
- 在遮挡、摄像机移动、编辑和经过时间中，分别追踪物体身份、数量、位置、外观和场景布局。
- 一个精美的演示展示了一种能力；要衡量可靠性，需要重复的、有记录的试验。
- 视频模型可以帮助探究片段级连续性，但无法测试交互式世界的持久状态。
下方五片段玻璃温室案例的参考帧。蓝色蝴蝶、金色新月形挂件、铁艺拱门和大理石基座是在各片段中需要比较的特征。这个生成的起始图像不是 Genie 4 测试结果。
Genie 4 中的环境一致性意味着什么
“一致性”可以描述几种不同的情况。一个世界可能在一帧中看起来令人信服，却无法在转身后保留一个物体。它可能让一个红色壶保持可见，但改变其形状、复制它，或将其移到长椅的另一侧。有用的评估会分别记录这些维度，而不是给整个场景一个模糊的通过或失败。
对于简单的物体恒存性测试，在运行前定义目标。在下面的示例中，目标恰好是一个亮红色金属洒水壶，位于木制长椅旁边的地面上。这个壶足够独特，可以再次找到，而长椅为你提供了一个稳定的地标来测量相对位置。
| 维度 | 返回时检查什么 | 示例失败 |
|---|---|---|
| 身份 | 它是否可识别为同一个目标物体？ | 壶变成桶或设计改变 |
| 数量 | 目标物体的数量是否不变？ | 出现第二个红色壶 |
| 位置 | 它相对于长椅的位置是否保留？ | 它重新出现在庭院另一边 |
| 外观 | 颜色、形状和主要细节是否稳定？ | 红色变成蓝色或手柄消失 |
| 布局 | 长椅、墙和庭院是否保持相同排列？ | 摄像机转动后墙或路径移动 |
物体恒存性比整体场景质量更狭窄。它问的是当一个物体被隐藏或不在当前视野中时，它是否继续以稳定的身份和状态存在。环境一致性还涵盖周围的几何结构、视觉细节和编辑的后果。将两者分开报告：物体可以持续存在而背景漂移，或者庭院可以保持稳定而物体发生变化。
在评估用于游戏原型设计或智能体研究的世界模型时，这种区分很重要。开发者可能在早期概念探索期间接受背景变化，但玩家走到墙后后物体瞬移，可能会使谜题、路线或交互序列失效。测试应与该失败在预期工作流中的代价相匹配。
谷歌已披露的关于 Genie 4 漂移的信息
Google DeepMind 将 Genie 4 描述为一个实时交互式世界模型，可以响应键盘导航、摄像机控制和文本提示。在其发布文章中，该公司表示它可以在场景演变时进行操控，并展示了提示引导的变化和导航的示例（Google DeepMind 公告，2026 年 10 月）。这些示例确立了公开演示旨在展示的内容。它们没有提供重复试验、固定种子、测量到的物体坐标或返回场景测试的通过率。
同一公告直接指出了相关限制：视觉细节和物体恒存性可能会随时间发生偏移或漂移。它表示，当模拟运行时间更长、经过多次复杂的提示编辑后，或在场景中导航时，这一点会变得更加明显。产品页面补充说，Genie 4 支持几分钟的连续交互，而非长时间会话，并将长期一致性列为正在进行的工作领域（Genie 4 模型页面）。
这些措辞为测试者提供了一组有用的可变条件：经过的会话时间、编辑的数量和复杂性，以及导航的距离或范围。它没有告诉我们洒水壶多久会移动一次、多少视觉变化算作失败，或者 Genie 4 在相同条件下与另一个系统相比如何。这些问题需要操作测试和公开观察。
访问状态也影响可以声称的内容。官方页面描述了一个面向受信任测试者的研究预览版，并计划通过 Project Genie 和早期访问合作伙伴扩大访问范围。可用性可能会变化，因此在将此协议视为每个读者都能运行的内容之前，请确认当前的访问途径。文章日期记录了检查此状态的时间；这并不表示预览将无限期保持分阶段开放。
可重复的 Genie 4 物体恒存性测试
首先使用一个简单的场景和一个目标物体。复杂的场景会引入额外变量：人可能挡住物体，反射可能改变其表观颜色，几个相似的物品可能使身份难以判断。从庭院、一个长椅、一堵矮墙和一个红色洒水壶开始。在可比较的运行之间保持提示和控制序列不变。
在你能够访问 Genie 4 后，使用以下序列：
- 创建起始场景。 输入：“创建一个简单的户外庭院，有一堵低矮的石墙、一个木制长椅，并且恰好一个亮红色金属洒水壶放在长椅旁边的地面上。保持布局清晰稳定。除非我明确要求，否则不要添加、移除、移动或复制物体。”
- 记录参考视图。 在操作前捕获场景。记下壶的屏幕位置及其与长椅、墙和摄像机方向的关系。记录起始场景是否确实在请求的位置包含一个壶。
- 隐藏并返回。 将摄像机移到石墙后面，然后返回原始观看位置。在此次测试中避免文本编辑。检查壶是否仍然唯一、可识别，并且在同一个长椅旁边。
- 探索并返回。 每次使用相同的控制围绕长椅和穿过庭院移动。返回原始位置。注意地标和相对位置是否在路线后保留下来。
- 应用一次孤立的编辑。 要求：“将天空改为阴沉的灰色。不要改变庭院、长椅、洒水壶或其位置。”检查天空变化，然后单独对任何无关变化评分。
- 稍后再次检查。 在定义的间隔或有记录的动作次数后重复返回视图。记录经过的时间和其间所做的一切。除非产品提供可重现的重置或种子，否则不要将不同会话视为匹配试验。
测试矩阵使每个测试回答一个不同的问题。干净的遮挡返回测试目标是否在视野外仍被表示。路线测试空间关系是否在摄像机移动后保留。孤立编辑测试显式更改是否会溢出到无关状态。稍后检查探测随时间发生的漂移。这些检查共同构成比一张标为“一致”的截图更有用的报告。
| 测试 | 操作 | 保持固定 | 记录 |
|---|---|---|---|
| 参考 | 捕获初始庭院 | 提示和初始视图 | 物体数量、外观、地标位置 |
| 遮挡 | 移到墙后并返回 | 无文本编辑 | 身份、数量、位置 |
| 导航 | 绕长椅行走并返回 | 路线和控制 | 相对位置、布局 |
| 提示编辑 | 仅改变天空 | 所有物体指令 | 请求的更改以及意外更改 |
| 稍后检查 | 在有记录的间隔后重复返回 | 检查视点 | 经过的时间、中间动作、漂移 |
在第一次运行前记录设置
没有设置的结果很难解释。记录日期、访问途径、会话时长、完整场景提示、确切的后续提示、使用的控制和录制方法。包括测试顺序和任何暂停。如果界面公开了种子、重置或会话标识符，请记录；如果没有，请写“未观察到可重现的重置或种子”。
保留带时间戳的视频或帧捕获，尤其是起始视图、物体被遮挡的时刻和返回视图。这些捕获让他人可以检查表面变化是来自物体、摄像机角度、照明还是模糊的帧。它们还可以防止记忆偏差：在视觉丰富的会话之后，人们倾向于回忆预期的场景，而不是其确切的渲染状态。
对于重复，在界面允许的范围内尽可能紧密地重用相同的提示和操作。如果尝试之间的起始状态发生变化，请将尝试报告为单独的观察，而不是受控的 A/B 比较。运行次数很重要。一次成功的返回是关于一次运行的证据；它并不表明相同结果在不同会话中可靠。
在没有虚假精度的情况下对漂移评分
对五个维度中的每一个使用有序标签。这是一个实用的报告评分标准，不是经过验证的基准，也不是关于 DeepMind 内部评估的声明。评分应总结记录所显示的内容，而不是在没有进行像素级测量时暗示进行了此类测量。
| 评级 | 使用时机 | 报告示例 |
|---|---|---|
| 通过 | 目标和相关场景特征在测试条件下与参考匹配 | “数量：遮挡后通过” |
| 轻微漂移 | 出现可见差异，但目标或布局对于所述任务仍可用 | “外观：轻微漂移，手柄形状略有变化” |
| 严重漂移 | 身份、数量、位置或布局变化足以改变任务 | “位置：严重漂移，壶返回时出现在庭院另一边” |
| 不可观察 | 视图、捕获或访问限制妨碍公平判断 | “身份：在全屏过渡后不可观察” |
对每次测试独立评分身份、数量、位置、外观和布局。为每个轻微或严重漂移添加时间戳或帧参考以及简短的事实说明。如果某一点不可观察，请不评分，而不是将缺失的证据转换为通过。将证据保持在评分附近，以便读者区分测量到的观察和印象。
不要将这些标签平均为百分比。这些类别是有序的，简单的平均值会掩盖关键失败是轻微颜色偏移还是重复物体。如果应用需要单一决策，请先定义其失败条件。例如，依赖于壶留在长椅旁边的游戏机制可能会将任何严重位置漂移视为失败，而早期的情绪板探索可能容忍轻微外观漂移。
公开的 Genie 4 演示展示了什么，以及它们不能证明什么
谷歌表示，其发布录像展示了实时交互，人们使用标准控制进行导航，并用文本操控场景。它们有助于理解预期的交互循环：提示一个世界、移动摄像机，并在场景继续时改变它。然而，它们是选定的演示，官方页面并未将它们标识为重复的物体恒存性试验。
一个片段可以显示一个物体在两个时刻出现。如果没有记录的起始状态、明确的遮挡、返回到同一摄像机位置和重复运行，它无法显示物体持续存在的频率或它在视野外变化了多少。选定的录像还可能省略时刻之间的时间。将发布录像视为定性能力证据，而不是受控基准。
这个边界尤其重要，因为公告本身报告了漂移条件。公开材料为评估提供了一个诚实的起点，同时将关键的可靠性问题留待解决。一篇谨慎的文章或实验室笔记应将证据标记为“官方演示”、“单次上手运行”或“重复上手结果”。这些标签防止读者将一种类别误认为另一种。
当前证据何时足以支持工作流决策
对于概念探索，相关问题可能是团队能否快速迭代氛围、摄像机方向或可探索场景。即使道具发生移动，只要团队将结果视为草稿并且不承诺稳定状态，一个能产生引人入胜起点的预览版也可能有用。DeepMind 将创意方向和交互体验原型设计描述为受信任测试者正在探索的领域之一，同时将该模型定位为早期研究。
对于智能体评估、游戏逻辑或结果取决于持久物体状态的模拟，发布演示是不够的。团队应要求在确切重要的交互上进行重复测试，并写下场景、控制、会话长度和失败阈值。如果任务取决于精确的物体位置或几个智能体之间的复杂交互，那些是单独的测试；一次成功的单物体遮挡通过无法确立它们。
一个实用的决策规则是将证据标准与漂移的后果相匹配：
- 低后果： 使用生成的世界探索视觉方向或粗略的交互想法。保持人工参与，并预期手动修复。
- 中等后果： 仅在重复运行其核心物体和摄像机序列后，再对机制进行原型设计。记录重置、重试和失败案例。
- 高后果： 不要依赖公开发布片段或孤立的一次通过。在将世界视为可靠模拟之前，要求任务特定的验证、稳定的会话行为以及重现起始状态的方法。
这并不是判定 Genie 4 无法支持高要求的用途。这是基于当前可用公开证据的决策边界。随着预览访问的扩大和独立测试的出现，团队可以用自己任务的数据替换这一谨慎阈值。
五镜头连续性案例：玻璃温室中的蝴蝶灯笼
上面的简单庭院是控制测试。一个要求更高的创意案例问的是，一个穿着华丽的角色、移动的摄像机和拥挤的背景能否与稳定的目标物体共存。想象一个黄昏的玻璃温室，充满青绿色窗玻璃、珊瑚色三角梅、洋红色兰花、琥珀色灯，以及潮湿马赛克地板上的反射。一位编着铜色辫子、穿着翠绿色刺绣夹克的舞者沿着弯曲路径穿过房间。目标是恰好一个带有小金色新月形手柄的群青色玻璃蝴蝶灯笼，悬挂在白色大理石基座上方的黑色铁艺拱门左侧。它必须在整个序列中保持在那里，颜色、形状和手柄相同。
如果你有 Genie 4 访问权限，创建这个世界一次，并在其中导航时录制五个连续的十秒片段。保持同一会话；不要为每个片段重新生成一个新世界。片段 1 建立参考视图。片段 2 将灯笼隐藏在枝叶后并返回。片段 3 绕拱门一圈并从新方向返回。片段 4 仅改变天空和光线。片段 5 在进一步移动后返回。保存摄像机路径和时间戳，并对照片段 1 评分身份、数量、位置、外观和布局。这些是提议的操作，不是已完成的 Genie 4 运行的结果。
对于你可以在 Atlas Cloud 上自行制作的视觉连续性代理，使用 Wan 2.7 Image-to-Video，模型 alibaba/wan-2.7/image-to-video。其发布的模式支持十秒片段和首帧引导。创建一个精心构图的参考帧，然后将其用作片段 1 的第一帧；当该控制可用时，将每个片段的最后一帧用作下一个片段的第一帧。请求五个单独的十秒、无声、16:9 片段，并将每个完成的片段转换为其自己的 GIF。不要将一个源片段拆分为五个 GIF。完整的参考帧提示和五个定时的视频提示在随附的提示表中提供。这些片段可以揭示片段内或跨片段视觉漂移；它们无法衡量 Genie 4 是否记住一个交互式世界。
下面的五个片段展示了一个参考视图、一个遮挡、一个摄像机路线、一次尝试的仅光线编辑和一次稍后返回。每个 GIF 来自一个单独的十秒源片段。它们说明了要检查什么；它们并不建立 Genie 4 一致性评分。
1. 参考视图。 摄像机下降并呈弧形朝向舞者，她转身、微笑并朝蓝色蝴蝶做手势。拱门、大理石基座、新月形挂件和蝴蝶一起可见，为后续片段提供了比较点。
片段 1：保存开场视图和清晰的最终视图，作为物体身份、数量、位置和布局的参考。
2. 遮挡与返回。 摄像机穿过枝叶，舞者绕基座迈步。蝴蝶短暂离开视野，然后在同一个拱门和基座旁边重新出现。比较遮挡前后其蓝色翅膀图案和金色新月形挂件。
片段 2：重要的观察是蝴蝶返回时的外观和悬挂点，而不仅仅是舞者的动作。
3. 摄像机路线。 摄像机穿过玻璃温室，改变对拱门的角度，并跟随舞者伸手去够飘动的花瓣。在采样的视图中，蓝色蝴蝶仍然是一个可见的空间地标。
片段 3：在判断布局是否移动之前，从改变的视点比较蝴蝶、拱门和基座。
. 仅光线编辑。 请求的更改是通过天窗的较冷雨蓝色光线。录像显示在顶部移动期间有较冷的光线，而最终视图变暖，趋向于先前的黄昏色调。在评分一个所谓的仅光线编辑时，这种可见变化很重要；不应报告为完美保持的天气状态。
片段 4：将天气和照明与蝴蝶的数量、形状和位置分开检查。
5. 延迟返回。 舞者沿着另一条弯曲路径，转回朝向拱门，并在摄像机拉远时伸出手。最终视图再次显示一只蓝色蝴蝶在新月形挂件下方、大理石基座上方。
片段 5：将此最终视图与片段 1 比较。提交的录像是视觉连续性示例，不是 Genie 4 中记录的交互式返回。
饱和的色调和富有表现力的动作使示例更容易理解，但反射、花朵、织物和变化的光线也为错误印象创造了机会。在采样的帧中，蝴蝶在拱门处仍然可识别；为片段 4 请求的冷雨蓝色光线没有在最终返回中持续。一份严谨的报告会逐帧检查完整片段，并将任何物体漂移与照明变化分开记录。这五个独立生成的片段无法表明 Genie 4 在用户导航离开时是否保持状态。
关于 Genie 4 一致性仍未知的内容
所审查的发布材料没有公布定量一致性基准、物体漂移的数值容差、从固定起始状态重复运行，或此协议的独立上手结果。在所审查的材料中，它们也没有提供公开的 Genie 4 API 价格。这些来源中缺失并不证明不存在内部评估或测试者数据；这意味着读者无法在此处检查那些结果。
几个有用的问题仍然悬而未决：一致性在不同场景类型之间如何变化？简短、简单的提示编辑是否比一连串编辑造成更少的漂移？起始图像或场景复杂性有多大影响？测试者能否重置到同一个世界并比较运行？一个物体在离开视野后多久会改变身份、数量或位置？
下一个有用的证据将是一份测试报告，公布提示、访问途径、会话长度、尝试次数、控制路径、重置条件、录像和每个维度的评分。在此之前，从 Genie 4 环境一致性和物体恒存性测试中得出的最准确结论是一种方法，而不是一个评分：该模型已承认长时间会话和导航相关的漂移，而公开演示尚未量化其发生频率。
当获得访问权限时，在承诺依赖持久状态的工作流之前，先运行小庭院测试。保存每个录像，并分别对五个维度评分。这为你提供了一个可重现的基线，并将引人注目的演示放在适当的位置：测试的理由，而不是测试的替代品。
常见问题
Genie 4 是否公开可用？
2026 年 10 月 28 日检查的官方页面将其描述为面向受信任测试者的研究预览版，并计划通过 Project Genie 和早期访问合作伙伴扩大访问范围。在计划运行之前，请检查当前的 Genie 4 页面，因为预览访问可能会变化。
谷歌是否发布了 Genie 4 一致性基准？
为本文审查的官方发布材料没有提供数值一致性评分或重复的物体恒存性结果。它们确实披露了视觉细节和物体恒存性可能随时间漂移，尤其是在较长的会话中、复杂编辑后或导航时。
摄像机移动算作物体恒存性测试吗？
它是一个有用的条件，但记录物体是否被完全隐藏，以及摄像机是否返回到可比较的视图。一个从未遮挡物体的摄像机环绕更多地测试视点一致性，而不是在视野外时的持久性。
视频生成模型能否测试交互式世界中的物体恒存性？
不能。它可以测试物体在生成的片段中看起来是否稳定。它无法确立交互式世界在用户改变位置、对环境采取行动或在会话稍后返回后保留状态。
