Google DeepMind ogłosiło Genie 4 27 października 2026 r. To eksperymentalny model, który tworzy interaktywne światy w czasie rzeczywistym: można sterować sceną tekstem i klawiaturą, a Google opisuje też generowanie dźwięku. Tego dnia ruszył badawczy podgląd dla zaufanych testerów.
Jak steruje się światem Genie 4
W demonstracji Google klawiatura służy do poruszania się po środowisku i sterowania kamerą. Wpisywane instrukcje zmieniają rozwijającą się scenę. Według Google Genie 4 generuje również dźwięki otoczenia, muzykę i dialogi reagujące na działania użytkownika lub wydarzenia w symulacji.
Gemini planuje, Genie 4 tworzy scenę
Google przypisuje Gemini Omni rolę nadawania symulacjom wyglądu i zachowań inspirowanych rzeczywistością. W opisanym przepływie pracy Gemini 3.8 Flash obserwuje kolejne klatki, dzieli cel na kroki, sprawdza postęp i dostosowuje plan. Genie 4 generuje obraz symulowanego świata.
Przykład Apptronik Apollo grającego w warcaby także jest symulacją. Gemini 4 Argon układa w niej wieloetapowe instrukcje, które trafiają do Genie 4 jako tekst; model generuje scenę z humanoidem Apollo.
Zastosowania i ograniczenia modelu
Testerzy sprawdzają Genie 4 przy wstępnym planowaniu scen filmowych, tworzeniu interaktywnych prototypów przed napisaniem kodu silnika gry oraz budowaniu scenariuszy historycznych i symulacyjnych. To kierunki eksperymentów, a nie opis wdrożonych produktów.
Google wymienia problemy z trwałością obiektów i stabilnością szczegółów, które mogą zmieniać się podczas dłuższych sesji, po złożonych zmianach tekstowych lub w trakcie poruszania się po świecie. Wyzwania obejmują też złożone interakcje, dokładność przestrzenną, odtwarzanie rzeczywistych miejsc, czytelny tekst i zgodność dźwięku z zamierzeniem. Google opisuje ciągłą interakcję jako trwającą kilka minut.
Twórca kanału Theoretically Media w anglojęzycznym nagraniu pokazuje własne próby zmieniania scen tekstem, dialogów i interakcji przypominających grę. Są to obserwacje z ograniczonego podglądu, nie kontrolowany pomiar niezawodności modelu.
Dostęp zapowiedziany przez Google
W ogłoszeniu z 27 października Google zapowiedziało dostęp dla subskrybentów Google AI Ultra przez Project Genie oraz dla partnerów wczesnego dostępu przez Gemini API i Google AI Studio. Google informowało też o zabezpieczeniach podglądu i zapowiedziało oznaczanie wygenerowanego dźwięku oraz wideo za pomocą SynthID.
