Google DeepMind presenta Genie 4: simulazioni ambientali in tempo reale con audio nativo

Il 27 ottobre 2026 Google DeepMind ha annunciato Genie 4, l'evoluzione del suo 'world model' progettato per generare simulazioni interattive in tempo reale. La principale novità dichiarata nel post firmato dai ricercatori Raia Hadsell, Diego Rivas e Hang Qi risiede nella natura nativamente multimodale del sistema, che affianca alla resa visiva la generazione contestuale di musica, rumori d'ambiente e dialoghi. Nell'architettura descritta dall'azienda, i modelli della famiglia Gemini guidano la coerenza visiva e logica: mentre Gemini Omni àncora le simulazioni all'aspetto e al comportamento del mondo reale, Gemini 3.8 Flash opera nel ciclo di controllo osservando la sequenza, verificando il completamento dei passaggi ed eventualmente correggendo il piano se l'utente interviene in testo naturale per modificare il meteo, la regia o la composizione della scena. Il blog ufficiale cita inoltre il modello Gemini 4 Argon, senza tuttavia chiarirne il ruolo specifico.

Tra gli usi provati dai tester figurano la prototipazione rapida di videogiochi, la trasformazione di foto d'archivio in ambienti e la generazione di scenari aziendali; Google cita anche l'addestramento di robot e agenti. DeepMind descrive inoltre esperimenti con Gemini Robotics, tra cui un umanoide Apptronik Apollo simulato che gioca a dama. Secondo quanto riportato da TechCrunch, la coerenza temporale delle scene raggiungerebbe i due minuti — il doppio rispetto a Genie 3 —, sebbene questo dato non trovi riscontro nelle pagine ufficiali pubblicate da DeepMind. Mancano poi i dati per una verifica sul campo: l'azienda non ha reso noti parametri tecnici fondamentali come risoluzione visiva, frequenza di fotogrammi, latenza di risposta, costi d'uso e durata massima della sessione. Inoltre, la stessa DeepMind riconosce che il degrado dei dettagli e della persistenza degli oggetti nelle sessioni prolungate o dopo reiterate modifiche via prompt rimane un problema aperto.

Tutti i video e gli audio generati conterranno la filigrana SynthID. Il rilascio è graduale: oggi l'anteprima è riservata a un gruppo ristretto di trusted tester; 'presto' (nelle prossime settimane, secondo TechCrunch) arriverà agli abbonati Google AI Ultra in Project Genie, con lista d'attesa, e ai partner con accesso anticipato di Gemini API e Google AI Studio. Sul blog di Google si legge che "Simulating the world is a crucial step toward AGI"; Google DeepMind, nel suo blog, precisa che "Genie 4 remains an early, evolving area of research". Come ha detto a TechCrunch Tejas Kulkarni, research director di Google, in futuro si vedranno sempre più "hybrid world models", cioè modelli del mondo ibridi. L'integrazione dell'audio nella sintesi dello spazio mostra la volontà di trattare la simulazione come un ecosistema sensoriale unitario; tuttavia, finché non saranno disponibili verifiche indipendenti sui tempi di latenza e sulla stabilità reale dell'ambiente, l'efficacia del modello per l'uso operativo resta tutta da misurare. — Olya