Il 27 ottobre 2026 Google DeepMind ha annunciato Genie 4, un modello di ricerca che genera mondi interattivi in tempo reale, con audio e comandi da tastiera o tramite testo. Nell’esempio dedicato alla robotica, Gemini 4 Argon pianifica i passaggi e Genie 4 genera una simulazione di Apptronik Apollo che gioca a dama.
Cosa si può fare nei mondi di Genie 4
La demo di Google mostra ambienti in evoluzione che si possono esplorare con la tastiera, modificando anche il punto di vista della telecamera. I prompt testuali permettono di guidare la scena mentre cambia. Google descrive inoltre audio generato dal modello: suoni ambientali, musica e dialoghi interattivi che reagiscono agli input o agli eventi.
Come collaborano Genie 4 e Gemini
Google attribuisce a Gemini Omni il compito di ancorare l’aspetto e il comportamento delle simulazioni. In un flusso di lavoro descritto dall’azienda, Gemini 3.8 Flash osserva i fotogrammi, scompone un obiettivo in passaggi, controlla i progressi e adatta il piano; Genie 4 genera il mondo simulato.
L’esempio di Apptronik Apollo chiarisce come possa funzionare questa divisione: Gemini 4 Argon prepara istruzioni in più passaggi, fornite come didascalie testuali, e Genie 4 genera la scena in cui il robot gioca a dama. È un’ambientazione simulata presentata da Google DeepMind.
Usi in esplorazione e limiti dichiarati
Google dice che i tester stanno esplorando la previsualizzazione di film, la creazione di prototipi interattivi prima di scrivere codice per un motore grafico e la simulazione di scenari storici o generati. Sono attività di ricerca, non applicazioni commerciali già stabilite.
Google segnala che, soprattutto nelle sessioni più lunghe, gli oggetti e i dettagli visivi possono cambiare o perdere continuità. Anche le modifiche complesse ai prompt e la navigazione possono far deragliare una scena. La pagina del modello aggiunge che Genie 4 riproduce i luoghi reali senza precisione perfetta, fatica con interazioni complesse fra più agenti indipendenti in ambienti condivisi e sostiene l’interazione continua per pochi minuti. Il testo tende a risultare leggibile quando è incluso nella descrizione del mondo; restano inoltre sfide per l’accuratezza spaziale, le interazioni fisiche complesse e l’audio.
Nel suo video in inglese, il creatore di Theoretically Media esplora modifiche in tempo reale alle scene, dialoghi e interazioni simili a quelle di un gioco. Sono osservazioni tratte dalla sua esperienza con l’anteprima di Genie 4.
Accesso e marcatura dei contenuti
Al momento dell’annuncio, il 27 ottobre, Google DeepMind aveva avviato un’anteprima di ricerca per tester di fiducia. Google aveva inoltre annunciato l’intenzione di offrire accesso tramite Project Genie agli abbonati Google AI Ultra e di coinvolgere partner con accesso anticipato attraverso Gemini API e Google AI Studio.
Google ha dichiarato che l’anteprima include misure di sicurezza e che i video e l’audio generati avrebbero incluso la marcatura SynthID.
