Google DeepMind oznámil Genie 4, novou generaci svého „world modelu“. Ten v reálném čase generuje interaktivní prostředí, kterým lze procházet a měnit ho za běhu. Oproti Genie 3 ze srpna 2025 přináší vyšší fotorealismus, věrnější fyziku a přirozenější pohyb postav. Hlavní novinkou je ale nativní generování zvuku: model je multimodální, takže spolu se světem vytváří i hudbu, okolní ruchy a mluvené dialogy.

Uživatel se ve světě pohybuje a ovládá kameru běžně klávesnicí, scénu přitom může průběžně upravovat textovými pokyny. Může třeba změnit počasí, přidat osobu nebo objekt a model pokyn přizpůsobí kontextu scény. Genie 4 staví na modelech z rodiny Gemini. Gemini Omni ukotvuje vzhled a chování simulace ve skutečném světě a Gemini 3.8 Flash slouží jako řídicí agent ve smyčce. Sleduje generované snímky, rozkládá cíle na jednotlivé kroky, ověřuje jejich splnění a při zásahu uživatele svůj plán upraví. Díky tomu lze simulovat i složitější vícekrokové události se souvislou kauzalitou.

DeepMind zmiňuje také propojení s robotickým výzkumem. V jedné ukázce Gemini 4 Argon rozkládá zadanou úlohu na kroky, které Genie 4 průběžně vykresluje, konkrétně humanoidního robota Apollo od firmy Apptronik hrajícího dámu. Simulace tohoto typu mají sloužit jako tréninková prostředí pro roboty a agenty. Testeři z filmu, žurnalistiky, vzdělávání a herního průmyslu model zkoušejí třeba na previzualizaci scén, oživování archivních fotografií nebo rychlé prototypování herních mechanik ještě před psaním kódu v enginu.

Autoři zároveň upozorňují na omezení. Při delších sezeních nebo po mnoha úpravách se mohou detaily scény a stálost objektů rozjíždět a slabinami zůstávají i čitelný text, prostorová přesnost a přesnost zvuku. Veškerý generovaný obraz i zvuk nese neviditelný vodoznak SynthID.

Genie 4 je zatím dostupný jako research preview pro vybrané testery. Brzy se má dostat k předplatitelům Google AI Ultra v rámci Project Genie a k partnerům s předběžným přístupem přes Gemini API a Google AI Studio. Na seznam čekatelů se lze zapsat přes formulář v oznámení.

Oznámení: deepmind.google/blog/genie-4-a-new-generation-of-world-simulation