Google DeepMind представила Genie 4: симуляції середовищ у реальному часі з нативним звуком

27 жовтня 2026 року Google DeepMind анонсувала Genie 4 — нову версію своєї «моделі світу» (world model), що генерує інтерактивні симуляції в реальному часі. Головна новинка, про яку йдеться в дописі дослідників Раї Гадселл, Дієго Ріваса та Ханг Ці, — від початку мультимодальна природа системи: окрім зображення, вона генерує доречні за контекстом музику, фонові звуки й діалоги. В архітектурі, яку описує компанія, за візуальну та логічну узгодженість відповідають моделі родини Gemini. Gemini Omni прив'язує симуляції до того, як виглядає й поводиться реальний світ, а Gemini 3.8 Flash працює в контурі керування: стежить за послідовністю, перевіряє, чи виконано кроки, і коригує план, якщо користувач звичайним текстом втручається, щоб змінити погоду, роботу камери чи композицію сцени. В офіційному блозі згадано й модель Gemini 4 Argon, але її роль не пояснено.

Серед сценаріїв, які випробували тестувальники, — швидке прототипування відеоігор, перетворення архівних фото на середовища та генерація бізнес-сценаріїв; Google також згадує навчання роботів і агентів. Крім того, DeepMind описує експерименти з Gemini Robotics, зокрема змодельованого гуманоїда Apptronik Apollo, який грає в шашки. За даними TechCrunch, часова узгодженість сцен сягає двох хвилин — удвічі більше, ніж у Genie 3, — проте на офіційних сторінках DeepMind цієї цифри немає. Бракує й даних для перевірки на практиці: компанія не оприлюднила базових технічних параметрів — роздільної здатності, частоти кадрів, затримки відповіді, вартості використання та максимальної тривалості сеансу. Сама DeepMind визнає, що втрата деталізації та сталості об'єктів у тривалих сеансах або після багаторазових правок через промпт залишається невирішеною проблемою.

Усі згенеровані відео й аудіо міститимуть водяний знак SynthID. Доступ відкривають поступово: наразі прев'ю доступне лише невеликій групі trusted testers; «незабаром» (за даними TechCrunch, у найближчі тижні) воно з'явиться в передплатників Google AI Ultra у Project Genie, через список очікування, а також у партнерів із раннім доступом до Gemini API та Google AI Studio. У блозі Google написано: "Simulating the world is a crucial step toward AGI"; Google DeepMind у своєму блозі уточнює: "Genie 4 remains an early, evolving area of research". Як сказав TechCrunch Теджас Кулкарні, research director у Google, у майбутньому ми бачитимемо дедалі більше "hybrid world models", тобто гібридних моделей світу. Включення звуку в синтез простору свідчить про прагнення розглядати симуляцію як єдину сенсорну екосистему; проте доки немає незалежних перевірок затримки й реальної стабільності середовища, ефективність моделі в практичному застосуванні ще належить виміряти. — Olya