探索 Google Project Genie：用 Genie 3 生成互动世界

我是 Alex，今天代班 Matthew Berman，来试用 Google DeepMind 的 Project Genie。这款实验性网页应用使用 Genie 3 世界模型，在用户探索时生成互动环境。Genie 3 曾于 2025 年 8 月预览；这期 2026 年 1 月的视频测试的是更新的 Project Genie 原型。

首页提供示例世界，也可以自行创建。我先试了一条后院赛道，用键盘移动和镜头按键控制一辆蓝色小车。场景看起来很出色，但控制有延迟，转向也比较困难。计时器在大约一分钟后结束了模拟。

结束后，我可以下载不带界面的视频，不过视频上有 Genie 3 水印。应用还允许我重新使用原始提示词。这个例子的描述很简单：一条后院赛道和一辆蓝色玩具车。

为了创建新世界，我用 ChatGPT 帮忙写环境和角色提示词：太空中一座巨大的有机外星建筑，里面有不断移动的走廊，以及一名身穿未来宇航服的人类探险者。创建界面支持输入起始图像、随机生成提示词，并选择第一人称或第三人称视角。

Project Genie 会先生成一张草图，用户可以在进入世界前编辑。我把外星环境从紫色改成橙色和红色。修改后的预览保留了原有的大部分布局，同时改变了颜色，因此适合在生成前调整场景。

进入外星世界后，结果并没有按我对第一人称视角的预期运行：我似乎在控制一个独立的宇航员，后面还跟着另一个角色。镜头和跳跃控制不太可靠，随着移动，场景也从橙色变成蓝色。我不确定是自己选错了视角，还是生成结果没有遵循选择。

我再次尝试，创建一个受《塞尔达传说：天空之剑》启发的世界：浮空云平台和城市位于无尽天空之上。这次初始草图显示了第一人称视角的双手，生成场景也是如此。场景看起来更像雪而非云，但我能跳跃和四处移动。

我从边缘跳下，坠落了一段时间，落到下面的另一个区域。这是个有趣的意外，但延迟让移动很难控制：我得提前按下跳跃键。这些生成场景令人兴奋，但这次体验不能证明该世界拥有持久且符合物理规律的地图。

Google 将 Project Genie 描述为由 Genie 3、Nano Banana Pro 和 Gemini 驱动的原型，提供世界草图、探索和重新混合三项功能。Nano Banana Pro 用于生成可编辑预览；我对其他组件如何分工有所猜测，但演示并未验证其内部实现。

世界草图将文本与生成或上传的图片、角色和所选视角结合起来。Google 表示，在探索过程中，模型会根据用户的操作实时生成前方路径。重新混合则允许用户改编现有提示词或作品库示例，并下载探索过程的视频。

Google 列出了若干限制：场景可能无法严格遵循提示词、图片或现实物理规律；控制可能不准确或有延迟；这个原型的单次生成限时 60 秒。早期 Genie 3 预览中展示的可通过提示词触发的事件并未包含在这个版本中。2026 年 1 月发布时，产品首先向符合条件的美国 18 岁及以上 Google AI Ultra 订阅用户开放；使用范围可能变化。参见 [Google 的发布介绍](https://blog.google/innovation-and-ai/models-and-research/google-deepmind/project-genie/)。

我重新混合赛车示例，要求将汽车改成红色、草地改成紫色。修改后的草图符合要求，但部分树叶也变成了秋天的颜色。在可玩的场景中，汽车和草地确实变色，但一些树仍是绿色，汽车还穿过了一面墙。结果既显示出对提示词的响应，也暴露了细节不一致。

接下来，我上传一张将 Matt 转成类似 LEGO 人偶的图片，并要求创建一个有 LEGO 角色的第三人称 LEGO 城市。角色的腿看起来有些奇怪，但我可以沿街移动，看到汽车行驶。上传图像提供了起点，却不能保证角色的身体结构始终一致。

最后我试了骰子图标的随机功能。在这次体验中，它似乎是从已有的示例环境和角色中选择，而不是创造全新的随机组合。这只是几次尝试中的观察，并非对所有可能结果的全面测试。