Google DeepMind представила 27 октября модель Genie 4, которая создаёт интерактивные виртуальные миры и меняет их по текстовым командам в реальном времени. Это исследовательская предварительная версия для доверенных тестировщиков, а не общедоступный запуск.
Модель одновременно генерирует изображение и звук: музыку, шумы окружения и диалоги персонажей. Пользователь может во время симуляции изменить погоду, переместить камеру либо добавить объект, а система должна встроить новую команду в уже созданную сцену.
Для многоэтапных событий DeepMind использует Gemini 3.8 Flash как управляющего агента. Он наблюдает за кадрами, разбивает задачу на шаги и корректирует план при изменении среды. Компания также экспериментирует со связкой Genie 4 и Gemini 4 Argon для моделирования действий роботов.
Разработчики рассматривают технологию как инструмент для черновой визуализации сцен, игровых прототипов, образовательных и исторических симуляций, а также сред обучения роботов и ИИ-агентов. Это заявленные и тестируемые сценарии, а не подтверждённые характеристики готового коммерческого продукта.
Доступ пока ограничен. Genie 4 тестируют доверенные партнёры; позже модель планируют предложить подписчикам Google AI Ultra внутри Project Genie и ранним партнёрам Gemini API и Google AI Studio. Точной даты расширения доступа компания не назвала, для Project Genie открыт лист ожидания.
Все созданные Genie 4 видео и аудио будут получать невидимую маркировку SynthID. DeepMind отдельно предупреждает, что модель сохраняет связность лишь в коротких сессиях: при долгой работе могут меняться детали и постоянство объектов. Сложная физика, точность звука, читаемый текст, пространственная точность и долговременная согласованность пока остаются проблемными областями.
Пока никто не ответил. Начните обсуждение.