Google DeepMind представила Genie 4 — экспериментальную модель, которая создаёт интерактивные миры со звуком и позволяет менять происходящее текстовыми командами в реальном времени. Сейчас исследовательская версия распространяется среди ограниченного круга доверенных тестировщиков. Доступ подписчикам Google AI Ultra в Project Genie и партнёрам раннего доступа через Gemini API и Google AI Studio обещан позднее.
Пользователь может изменить погоду, переместить камеру или добавить человека либо предмет. По описанию разработчиков, модели Gemini адаптируют команду к окружающей сцене и помогают сохранять связность происходящего между вмешательствами пользователя. Для перемещения и управления камерой в опубликованных демонстрациях также используются обычные клавиши.
Genie 4 одновременно с изображением генерирует окружающие звуки, музыку и диалоги. Персонажи могут отвечать на действия пользователя и события внутри сцены. Это развитие модели мира: системы, которая по заданной обстановке и действиям моделирует дальнейшее происходящее.
В отдельном контуре Gemini 3.8 Flash наблюдает за кадрами, разбивает цель на шаги и проверяет их выполнение, корректируя план при изменениях. Google также описала отдельный исследовательский эксперимент с Gemini 4 Argon и Genie 4: симуляцию человекоподобного робота Apollo, играющего в шашки. Это демонстрация совместной работы моделей в симуляции.
Компания подчёркивает ограничения ранней версии. При продолжительной работе, сложных правках и перемещениях детали и постоянство объектов могут нарушаться. Точность сложных физических взаимодействий, звука, читаемого текста, пространственных отношений и длительная согласованность остаются предметом исследований. Тестировщики изучают применение системы для предварительной постановки сцен, прототипов игр и генерации сценариев. По заявлению Google, все созданные Genie 4 видео и аудио будут содержать цифровую метку SynthID для распознавания ИИ-контента.
