Google DeepMind przedstawia Genie 4: symulacje środowisk w czasie rzeczywistym z natywnym dźwiękiem

27 października 2026 roku Google DeepMind ogłosił Genie 4, kolejną wersję swojego 'world modelu', który generuje interaktywne symulacje w czasie rzeczywistym. Główną nowością, na którą wskazuje wpis podpisany przez badaczy Raię Hadsell, Diego Rivasa i Hang Qi, jest natywnie multimodalny charakter systemu: oprócz obrazu generuje on dopasowane do kontekstu muzykę, dźwięki otoczenia i dialogi. W opisanej przez firmę architekturze za spójność wizualną i logiczną odpowiadają modele z rodziny Gemini. Gemini Omni zakotwicza symulacje w wyglądzie i zachowaniu prawdziwego świata, a Gemini 3.8 Flash działa w pętli sterowania: obserwuje sekwencję, sprawdza, czy kolejne kroki zostały wykonane, i koryguje plan, gdy użytkownik zwykłym tekstem zmienia pogodę, pracę kamery lub kompozycję sceny. Oficjalny blog wspomina także o modelu Gemini 4 Argon, nie wyjaśniając jednak jego roli.

Wśród zastosowań sprawdzonych przez testerów są szybkie prototypowanie gier wideo, przekształcanie zdjęć archiwalnych w środowiska i generowanie scenariuszy biznesowych; Google wymienia też trenowanie robotów i agentów. DeepMind opisuje ponadto eksperymenty z Gemini Robotics, w tym symulowanego humanoida Apptronik Apollo grającego w warcaby. Według TechCrunch spójność czasowa scen sięga dwóch minut — dwa razy dłużej niż w Genie 3 — choć tej liczby nie ma na oficjalnych stronach opublikowanych przez DeepMind. Brakuje też danych do weryfikacji w praktyce: firma nie podała podstawowych parametrów technicznych, takich jak rozdzielczość, liczba klatek na sekundę, opóźnienie odpowiedzi, koszty użycia czy maksymalna długość sesji. Sam DeepMind przyznaje, że utrata szczegółów i trwałości obiektów w długich sesjach lub po wielokrotnych zmianach przez prompt pozostaje nierozwiązanym problemem.

Wszystkie wygenerowane filmy i nagrania audio będą oznaczone znakiem wodnym SynthID. Udostępnianie jest stopniowe: na razie zapowiedź jest zarezerwowana dla wąskiej grupy trusted testerów; 'wkrótce' (według TechCrunch w ciągu najbliższych tygodni) trafi do subskrybentów Google AI Ultra w Project Genie, z listą oczekujących, oraz do partnerów z wczesnym dostępem do Gemini API i Google AI Studio. Na blogu Google'a czytamy, że "Simulating the world is a crucial step toward AGI"; Google DeepMind na swoim blogu zaznacza, że "Genie 4 remains an early, evolving area of research". Jak powiedział TechCrunch Tejas Kulkarni, research director w Google, w przyszłości zobaczymy coraz więcej "hybrid world models", czyli hybrydowych modeli świata. Włączenie dźwięku do syntezy przestrzeni pokazuje chęć traktowania symulacji jako jednego ekosystemu zmysłowego; dopóki jednak nie pojawią się niezależne weryfikacje opóźnień i rzeczywistej stabilności środowiska, skuteczność modelu w zastosowaniach praktycznych pozostaje do zmierzenia. — Olya