晚上十點半，巷口的滷味攤還亮著。一鍋醬色的滷汁咕嘟咕嘟冒著小泡，豆幹在裡面翻了個身，八角混著醬油膏的香氣隨蒸氣撲上你的臉。你夾好一盤，開口：「小辣、不要香菜、醬多一點。」老闆頭也沒抬，回一句「好，小辣不要香菜」，刀在砧板上篤篤兩聲，三十秒後，一個專屬於你的世界被裝進紅白塑膠袋裡。
這一週科技圈的大新聞，講的是同一件事。10 月 27 日，谷歌 DeepMind 發表了世界模型 Genie 4，定位是「重大研究裏程碑」，主打原生音訊、即時的自然語言改寫，還有更真實的物理表現。隔天，執行長皮查伊在個人帳號上說，這是谷歌迄今最逼真、最具互動性的世界模型。最亮眼的功能叫即時「導演」世界：模擬畫面正在跑，你打一句字，天氣就變、鏡頭就移、新的角色和物件說加就加。它讀著現場的上下文把改動接進世界裡，像一座能把手伸進去的沙盒。
看示範影片的時候，我滿腦子都是那攤滷味，還有每一間聽得懂「不要香菜」的廚房。
師傅的腦中，天天在跑一個世界
所謂世界模型，說白了，就是在腦子裡推演一個世界，預測它接下來會怎麼變。這件事，下廚的人做了幾千年。
一個像樣的廚師，開火之前心裡已經跑完一遍模擬：這塊肉下鍋幾秒會轉色、這鍋高湯再滾十分鐘會收成什麼濃度、今天濕度高，麵糰恐怕比昨天早半小時發起來。他的模型是用幾萬份食材、幾千個失誤訓練出來的。谷歌說 Genie 4 在空氣動力學、碰撞這些物理場景上表現更強了，而廚房的物理引擎向來老實到近乎無情：油溫差個五度，脆皮就差一個檔次；水將滾未滾，麵的芯就差一截；蛋從流理臺邊滾下去，重力從來不配合劇本。
更妙的是聲音。Genie 4 是 DeepMind 第一個在即時模擬裡原生生成音訊的模型，聲音跟畫面在同一個過程裡一起長出來。這件事爐竈邊早就辦到了：油落進熱鍋那一聲嗤啦，是在告訴你鍋溫夠不夠；滷汁咕嘟的頻率轉疏，是在提醒你火該轉小；烤吐司從膨脹的悶響轉成細細的脆裂，那就是時間到的前奏。對站在爐邊的人來說，聲音本身就是情報。之前寫過一鍋海鮮鍋的下鍋順序，孔雀蛤的開殼聲就是最準的計時器，道理相通。
一句話，世界跟著改：你早就當過導演
點餐，大概是最日常的即時指令。
在臺灣長大的人，誰沒有導演過一碗麵：牛肉麵要湯麵分開、陽春麵麵體 hard 一點的說法沒人用，大家說「麵硬一點」；乾麵的醬油膏另外放；胡椒鹽多撒一些。手搖飲更是把這套玩成全民運動，去冰半糖、微糖少冰、茶感重一點。你一句話出口，那杯的世界就變了，而且是有上下文的變：老闆不會把整杯打掉重做，他在你這杯的現在進行式裡即時修正。這正是 Genie 4 跟一般生成影片的差別，一般模型整段重生成，Genie 4 讀著眼前的場景動態接上，世界不用重來。
谷歌還說，Genie 4 裡的人物動作更自然，能根據環境做出有機反應。這一點，麵攤老闆娘比我們都熟：看你牽著小孩，湯碗自動放遠兩步，麵先剪短再上；聽你聲音啞了，蔥花默默換成薑絲。人對人的即時反應，永遠是最好看的那段模擬。
谷歌研究總監 Tejas Kulkarni 受訪時描繪了未來的分工：Gemini 負責文字、程式與任務規劃，Genie 4 即時把規劃變成可互動的世界，兩者合成一套「混合世界模型」。這個分工怎麼聽都像一間運作順暢的餐廳，外場接單、翻譯需求、排好隊伍，內場把抽象的話變成盤子上具體的熱與鹹。好的外場與好的內場之間，永遠隔著一句複誦：「小辣，不要香菜，醬多。」
不過，當導演固然過癮，把導演椅交出去是另一種修養。日式無菜單料理就是這麼回事：你坐下，說聲麻煩師傅，劇本、選角、分鏡全交給吧檯後面那雙手，師傅還會看你的節奏調整出菜速度，像一場你也在戲裡的演出。辦桌的總鋪師則是更大場面的導演，三百人同一晚的戲，冷盤開場、熱炒推進、湯品收尾，出菜順序就是分鏡表，時間掐在鞭炮聲與賓客酒量的空檔之間。
模型會漂移，記憶漂移得更兇
谷歌這次最難得的是老實。DeepMind 的工程師 Diego Rivas 承認，Genie 4 還在早期階段：模擬跑久了，細節會漂移；聲音的準確度、畫面裡文字的可讀性，都還沒完全解決。
這個坦白聽起來很有人味，因為人腦這個世界模型，漂移得更厲害。你想復刻阿嬤那碗瓜仔肉，照著記憶一步一步做，喫一口，總覺得差一點。有時候手藝沒問題，問題出在記憶本身。每回想一次，細節就被偷偷改寫一次：醬油是兩匙還是三匙、那股甜來自冰糖還是煸過的紅蔥頭、她到底有沒有加那一小瓢豆瓣。記憶這卷帶子，每次播放都被重錄一遍，播得越多遍，原版就離你越遠。
所以家傳味的存檔動作要趁早。追問長輩那句「啊就鹹淡自己抓」背後真正的分量；找個週末站在竈邊，把下手的順序從頭到尾看一次；用手機拍成影片，連那雙翻動鍋鏟的手一起拍進去。這讓我想起家傳滷肉被改了三代的故事，菜在換手的鍋鏟之間被改味，改了未必是壞事，但原版值得先留下來。
今晚，正式開一次機
第一個練習很簡單，開火前把指令說出聲。「中火五分鐘」「湯收到剩一半」「起鍋前才放鹽」。說出口的指令，比腦中霧茫茫的念頭容易被自己遵守，事後檢討時，你也找得到自己哪一步偷偷改了劇本。導演在喊 action 之前，劇本上每個字都是確定的。
第二個練習，用耳朵當攝影機。今天下廚，試著別一直盯著鍋。聽油泡聲由密轉疏，聽大滾轉小滾的那個瞬間，靠聲音判斷什麼時候該動作。練久了你會發現，廚房的聲道往往比畫面誠實。
最後，找機會把導演椅交出去一次。點一輪無菜單，或者讓家裡另一位掌勺，你只負責在對的時候說一句「好喫，下一道」。當過導演的人，更知道怎麼當一個好觀眾。
Genie 4 目前只以研究預覽的形式，開放給受信任的測試者，未來幾週才會擴及 Google AI Ultra 訂閱用戶的 Project Genie 等服務。谷歌的沙盒還在蓋，蓋得再快，也還在跟漂移、失真這些老問題纏鬥。
而可互動、聽得懂人話、會即時回應的世界，你家巷口那鍋滷汁已經穩定營運許多年了。下次你說「不要香菜」，看老闆手腕一偏、香菜落進隔壁那碗的瞬間，記得在心裡給自己一點掌聲。你剛剛完成了一次乾淨俐落的即時導演，零延遲，免月費。