O Google DeepMind apresentou o Genie 4 em 27 de outubro de 2026 como um modelo experimental que gera mundos interativos em tempo real, com áudio nativo e cenas que podem ser conduzidas por comandos de texto e controles de teclado. A demonstração também inclui uma simulação de um robô humanoide jogando damas, mas não relata um teste com um robô físico.
O modelo combina a geração de ambientes com planejamento assistido por modelos Gemini. Isso abre possibilidades para explorar ideias visuais e protótipos interativos, embora o Google descreva limites importantes para sessões longas e interações complexas.
Como o Genie 4 cria e modifica os mundos
Na demonstração do Google DeepMind, o usuário navega pelo ambiente com o teclado, controla a câmera e altera a cena com instruções de texto enquanto ela evolui. O Google também descreve geração nativa de sons ambientes, música e diálogos interativos.
O modelo participa de um fluxo de planejamento com diferentes funções para os modelos Gemini. Segundo o Google DeepMind, Gemini Omni ajuda a ancorar a aparência e o comportamento das cenas. Em outro fluxo, Gemini 3.8 Flash observa os quadros, divide um objetivo em etapas, acompanha o progresso e ajusta o plano.
A cena de Apollo é uma simulação
No exemplo de robótica apresentado pelo Google DeepMind, Gemini 4 Argon planeja as etapas de uma partida de damas, e Genie 4 renderiza a cena simulada com o humanoide Apollo, da Apptronik. O exemplo não relata uma partida disputada por um Apollo físico nem um resultado de transferência da simulação para o mundo real.
A distinção importa para quem acompanha o uso de simulações em robótica: uma cena convincente mostra o que o modelo consegue gerar, mas, por si só, não demonstra que um robô real aprendeu ou executou aquela tarefa.
Usos em exploração e limites do modelo
O Google diz que avaliadores estão explorando o Genie 4 para pré-visualização de filmes, protótipos de experiências interativas e cenários históricos ou de simulação. São experiências de pesquisa, não aplicações comerciais estabelecidas.
O criador do canal Theoretically Media também explorou comandos de cena, diálogos e interações semelhantes às de jogos em uma prévia limitada. O vídeo, em inglês, mostra essas experiências, mas não constitui uma avaliação controlada de desempenho.
O Google DeepMind aponta que detalhes visuais e a permanência de objetos podem se desviar, sobretudo em sessões mais longas, após mudanças complexas nos comandos ou durante a navegação. A empresa também cita desafios com interações complexas, precisão espacial, reprodução de locais reais, legibilidade de texto e precisão do áudio. Na página do modelo, descreve a interação contínua como algo que dura poucos minutos e diz que textos legíveis costumam depender de serem incluídos na descrição do mundo.
Acesso anunciado e identificação do conteúdo gerado
No anúncio de 27 de outubro de 2026, o Google informou que a prévia de pesquisa começara a ser liberada para avaliadores confiáveis. Na mesma ocasião, anunciou planos de oferecer acesso pelo Project Genie a assinantes do Google AI Ultra e de abrir o Gemini API e o Google AI Studio a parceiros de acesso antecipado.
O Google também afirmou que o áudio e o vídeo gerados terão marca d’água SynthID e que a prévia conta com salvaguardas de segurança.
