Google DeepMind представила Genie 4: симуляции окружения в реальном времени с нативным звуком

27 октября 2026 года Google DeepMind анонсировала Genie 4 — новую версию своей «модели мира» (world model), которая генерирует интерактивные симуляции в реальном времени. Главное новшество, о котором говорится в посте исследователей Райи Хадселл, Диего Риваса и Ханг Ци, — изначально мультимодальная природа системы: помимо изображения она генерирует подходящие по контексту музыку, фоновые звуки и диалоги. В описанной компанией архитектуре за визуальную и логическую согласованность отвечают модели семейства Gemini. Gemini Omni привязывает симуляции к тому, как выглядит и ведёт себя реальный мир, а Gemini 3.8 Flash работает в контуре управления: наблюдает за последовательностью, проверяет, выполнены ли шаги, и корректирует план, если пользователь обычным текстом вмешивается, чтобы изменить погоду, работу камеры или композицию сцены. В официальном блоге упоминается и модель Gemini 4 Argon, но её роль не поясняется.

Среди сценариев, которые опробовали тестировщики, — быстрое прототипирование видеоигр, превращение архивных фотографий в окружения и генерация бизнес-сценариев; Google также упоминает обучение роботов и агентов. Кроме того, DeepMind описывает эксперименты с Gemini Robotics, в том числе смоделированного гуманоида Apptronik Apollo, играющего в шашки. По данным TechCrunch, временная согласованность сцен достигает двух минут — вдвое больше, чем у Genie 3, — однако на официальных страницах DeepMind эта цифра не встречается. Не хватает и данных для проверки на практике: компания не раскрыла базовые технические параметры — разрешение, частоту кадров, задержку отклика, стоимость использования и максимальную длительность сеанса. Сама DeepMind признаёт, что потеря детализации и постоянства объектов в долгих сеансах или после многократных правок через промпт остаётся нерешённой проблемой.

Все сгенерированные видео и аудио будут содержать водяной знак SynthID. Доступ открывается постепенно: пока превью доступно лишь небольшой группе trusted testers; «скоро» (по данным TechCrunch, в ближайшие недели) оно появится у подписчиков Google AI Ultra в Project Genie, через лист ожидания, а также у партнёров с ранним доступом к Gemini API и Google AI Studio. В блоге Google сказано: "Simulating the world is a crucial step toward AGI"; Google DeepMind в своём блоге уточняет: "Genie 4 remains an early, evolving area of research". Как сказал TechCrunch Теджас Кулкарни, research director в Google, в будущем мы будем видеть всё больше "hybrid world models", то есть гибридных моделей мира. Включение звука в синтез пространства показывает стремление рассматривать симуляцию как единую сенсорную экосистему; однако пока нет независимых проверок задержки и реальной стабильности среды, эффективность модели в практическом применении ещё только предстоит измерить. — Olya