Genie 4 वर्ल्ड मॉडल: फीचर्स, क्षमताएँ, और एक्सेस कैसे पाएँ

इस रिलीज़ से याद रखने वाली बात ऑडियो है: Genie 4 DeepMind का पहला रियल-टाइम वर्ल्ड मॉडल है जो नैटिव रूप से ध्वनि जनरेट करता है, जिनमें इंटरैक्टिव संवाद भी शामिल हैं जो आपकी क्रियाओं पर प्रतिक्रिया देते हैं। यह सुनने से अधिक मायने रखता है, क्योंकि मूक सिमुलेशन एक विज़ुअलाइज़ेशन होता है, जबकि परिवेश की ध्वनियों और बोलते कैरेक्टर्स वाला सिमुलेशन एजेंट्स और रोबोट्स के लिए ट्रेनिंग वातावरण के करीब होता है।

Genie 4 की प्रमुख विशेषताएँ

DeepMind ने रिलीज़ को चार क्षमताओं के इर्द-गिर्द व्यवस्थित किया है, और पाँचवीं उसके रोबोटिक्स काम से उभरती है। यहाँ हर एक से आप वास्तव में क्या कर सकते हैं, वह है।

चलते-चलते दुनिया को स्टीयर करें

आप टाइप करके लाइव सिमुलेशन बदलते हैं: मौसम बदलें, कैमरा मूव करें, कोई व्यक्ति या ऑब्जेक्ट जोड़ें। Gemini आपके प्रॉम्प्ट को स्क्रीन पर पहले से मौजूद चीज़ों के अनुरूप ढालता है, ताकि नया तत्व मौजूदा दृश्य की शैली और ज्यामिति में आए—सिर्फ ऊपर चिपका हुआ न लगे।

आपके इनपुट्स के बीच, Gemini देखते और स्टीयर करते रहता है ताकि दुनिया अपने आप आगे बढ़ती रहे। यही संयोजन—कीबोर्ड नेविगेशन प्लस नैचुरल-लैंग्वेज एडिट्स—Genie 4 को टेक्स्ट-टू-वीडियो मॉडल से अलग करता है, जहाँ आपका एकमात्र नियंत्रण शुरुआती प्रॉम्प्ट होता है।

भौतिकी और मानव गतियाँ

Genie 4 एयरोडायनामिक्स, टक्करों, और इसी प्रकार के भौतिक व्यवहार का सिमुलेशन करता है, जो DeepMind के शब्दों में दुनिया की उन्नत भौतिक समझ पर आधारित है। डेमो प्रॉम्प्ट्स इसे जानबूझकर परखते हैं—पत्थर के चबूतरे पर चमकता तरबूज़, हवा में तैरते कणों के साथ स्लो-मोशन में; से लेकर घास में गिरते मेपल सीड के मैक्रो शॉट तक।

DeepMind का अपना आकलन है कि सबसे बड़ा उछाल लोग हैं। कैरेक्टर्स स्वाभाविक रूप से चलते हैं, अपने परिवेश पर प्रतिक्रिया देते हैं, और दृश्य चलते समय इंटरैक्टिव तरीके से स्टीयर किए जा सकते हैं—यही वह हिस्सा है जिसे पिछले वर्ल्ड मॉडल्स ने सबसे खराब संभाला था।

नैटिव ऑडियो और इंटरैक्टिव संवाद

हर Genie 4 दुनिया अपने सेटिंग की परिवेश ध्वनि साथ लाती है—पेड़ों में हवा से लेकर समुद्र तट पर लहरों तक—और जहाँ दृश्य माँग करे, वहाँ संगीत भी। डेमो प्रॉम्प्ट्स ऑडियो को भी उतनी ही सटीकता से निर्दिष्ट करते हैं जितना विज़ुअल्स को, जैसे "दृश्य में भौतिक रूप से मौजूद वाद्यों के अलावा कोई बैकग्राउंड म्यूज़िक नहीं"।

भाषण अधिक कठिन दावा है। कैरेक्टर्स बातचीत करते हैं और आपकी इनपुट्स तथा दुनिया में घटती घटनाओं पर रियल टाइम में प्रतिक्रिया देते हैं—यही टुकड़ा इसे संवाद प्रीविज़ या एजेंट ट्रेनिंग के लिए उपयोगी बनाता है। डेमो ऑडियो को न्यूनतम नहीं, अधिकतम मानकर चलें: DeepMind ने रियल-टाइम ऑडियो सटीकता को सक्रिय शोध क्षेत्र बताया है।

Gemini द्वारा प्लान किए गए मल्टी-स्टेप इवेंट्स

Genie 4 रेंडर करते समय Gemini 3.8 Flash लूप में एक मार्गदर्शक एजेंट के रूप में चलता है। यह किसी लक्ष्य को चरणों में तोड़ता है, हर आने वाले फ्रेम की समीक्षा करता है कि चरण सचमुच सफल हुआ या नहीं, और जब दुनिया बदलती है या आप हस्तक्षेप करते हैं, तो अपनी योजना को फिर से लिखता है।

यही लूप किसी दृश्य को विश्वसनीय कारण-परिणाम और प्रक्रियात्मक व्यवहार देता है—सिर्फ खूबसूरत बहाव नहीं। यह इस रिलीज़ में तकनीकी भेद का सबसे करीबी तत्व भी है, क्योंकि सिमुलेशन को एक तर्कशील मॉडल सुपरवाइज़ कर रहा है, न कि उसे खुले-लूप में चलने दिया जा रहा है।

Gemini 4 Argon के साथ रोबोट परिदृश्य जनरेशन

DeepMind Genie 4 को Gemini 4 Argon और Gemini Robotics के साथ जोड़ रहा है। Argon उपयोगकर्ता-निर्देशित टास्क को चरणों में तोड़ता है, जिन्हें सिमुलेशन रेंडर होते समय टेक्स्ट कैप्शंस के रूप में Genie 4 में इंटरलीव किया जाता है, ताकि टास्क के आगे बढ़ने के साथ दुनिया अनुकूलित होती जाए। प्रकाशित उदाहरण है Apptronik का Apollo ह्यूमनॉइड जो चेकर्स खेल रहा है।

रोबोटिक्स टीमों के लिए आकर्षण है—हर परिवेश को हाथ से बनाए बिना परिदृश्यों की व्यापकता जनरेट करना। शर्त यह है कि ये काल्पनिक दुनिया हैं, और घोषणा में ऐसा कुछ नहीं है जो मापे कि Genie 4 दृश्य में सीखे गए व्यवहार हार्डवेयर पर कितनी अच्छी तरह ट्रांसफर होते हैं।

Genie 4 बेंचमार्क्स पर कैसा प्रदर्शन करता है?

नहीं करता, कम-से-कम सार्वजनिक रूप से तो नहीं। Google की घोषणा में कोई बेंचमार्क टेबल, कोई स्कोर, और किसी अन्य वर्ल्ड मॉडल के मुकाबले की तुलना नहीं है, और 28 अक्टूबर, 2026 तक उपलब्ध कवरेज में Genie 4 के लिए कोई थर्ड-पार्टी रिव्यू, स्वतंत्र मूल्यांकन, या बेंचमार्क पुनरुत्पादन सामने नहीं आया। नीचे दी गई हर क्षमता का दावा DeepMind के अपने डेमो और अपने टेस्टर्स तक ही सीमित है।

Google ने स्कोर्स की जगह क्या प्रकाशित किया

सबूत हैं रियल-टाइम इंटरेक्शन की रिकॉर्डिंग्स, जहाँ उपयोगकर्ता कीबोर्ड कंट्रोल्स से नेविगेट करते हैं और दृश्य के विकसित होने पर उसे बदलने के लिए प्रॉम्प्ट्स टाइप करते हैं। DeepMind की X पर पोस्ट, जिसके लिखे जाने के समय 276.9K व्यूज़ थे, पाँच दावे सूचीबद्ध करती है: Gemini Omni से फोटोरियलिज़्म, उन्नत भौतिकी, रियल-टाइम कंट्रोल्स, नैटिव ऑडियो, और मल्टी-स्टेप संगति के लिए Gemini reasoning।

डेमो रील्स चुने हुए शॉट्स होती हैं, इसलिए मैं उन्हें ऊपरी सीमा मानूँगा। हालाँकि प्रॉम्प्ट्स खुद अध्ययन योग्य हैं: वे लंबे हैं, वातावरण और कैरेक्टर सेक्शन्स में बँटे हैं, और "CGI लुक नहीं" तथा "खाली प्लेटफॉर्म नहीं" जैसे नकारात्मक प्रतिबंधों से लदे हैं।

विश्वसनीय टेस्टर्स ने क्या रिपोर्ट किया

प्रीव्यू से पहले DeepMind ने क्रिएटिव इंडस्ट्रीज़, पत्रकारिता, शिक्षा, गेमिंग, और इंजीनियरिंग में कोहोर्ट्स चलाए। वे चार उपयोग केस जो उन्होंने बताए, पर्याप्त ठोस हैं:

• क्रिएटिव डायरेक्शन: फ़िल्म निर्माता दृश्य के लाइव सिमुलेशन में उतरते हैं और रियल टाइम में कई टेक्स चलाते हैं, कैमरा, लाइटिंग, संवाद, और एक्शन को तुरंत समायोजित करते हुए।
• ऐतिहासिक परिदृश्य और इमर्सिव फ़ोटोग्राफ़्स: फोटो पत्रकार एकल 2D आर्काइवल फ़ोटो को सेकंडों में उस परिवेश के ग्राउंडेड सिमुलेशन में बदलते हैं, या यह विज़ुअलाइज़ करते हैं कि अचानक आई बाढ़ या वाइल्डफायर कैसे फैलती है।
• इंटरैक्टिव अनुभव की कॉन्सेप्ट डिज़ाइन: गेम डेवलपर्स इंजन कोड लिखने से पहले विचार से एक एक्सप्लोरेबल प्रोटोटाइप तक जाते हैं।
• सिमुलेशन: एंटरप्राइज़ पार्टनर्स इसे रोबोटिक्स के बाहर तेज़ी से ज़ीरो-टू-वन परिदृश्य जनरेशन के लिए परख रहे हैं।

उस फीडबैक में बार-बार आने वाला शब्द है "ड्राफ्ट मोड", और मुझे लगता है कि यही इस रिलीज़ की ईमानदार पोज़िशनिंग है।

Genie 4 कहाँ टूटता है

DeepMind असफलता रूपों के बारे में असामान्य रूप से स्पष्ट है, जो सराहनीय है। विज़ुअल डिटेल्स और ऑब्जेक्ट परमानेंस एक सेशन के लंबा चलने पर, कई जटिल प्रॉम्प्ट एडिट्स के बाद, या जब आप किसी दृश्य में घूमते हैं, तो बदल या बहक सकते हैं।

खुली समस्याएँ हैं—जटिल भौतिक इंटरैक्शंस, रियल-टाइम ऑडियो सटीकता, पढ़ने योग्य टेक्स्ट का रेंडरिंग, स्थानिक सटीकता, और दीर्घकालिक संगति। अंतिम बिंदु व्यावहारिक सीमा है: यदि कोई दुनिया लंबे सेशन में अपनी वस्तुओं को जगह पर नहीं रख पाती, तो आप उससे प्रोटोटाइप बना रहे हैं, शूट नहीं।

आगे की दिशा: हाइब्रिड वर्ल्ड मॉडल्स

DeepMind का अगला घोषित कदम है हाइब्रिड वर्ल्ड मॉडल्स—कोड और लैंग्वेज मॉडल्स की संरचित तर्क क्षमता को पिक्सेल-स्तरीय सिमुलेशन के साथ मिलाना। Gemini संरचना मैप करता है और नैरेटिव टाइमलाइन प्लान करता है, जबकि Genie दुनिया का रूप, ध्वनि, और प्रतिक्रिया रेंडर करता है।

इस रिलीज़ में Gemini 3.8 Flash का लूप उस विभाजन का पहला संस्करण है। यदि यह कामयाब होता है, तो यह ठीक उसी असफलता रूप को संबोधित करता है जिसे DeepMind मानता है: लंबी सेशन संगति—जिसे सिर्फ पिक्सेल निष्ठा बढ़ाकर हल नहीं किया जा सकता।

Genie 4 की कीमत और उपलब्धता

Genie 4 की कोई प्रकाशित कीमत नहीं है। Google ने प्रति-टोकन या प्रति-सेशन लागत जारी नहीं की, कोई API पहचानकर्ता नहीं दिया, और कोई जनरल उपलब्धता तारीख तय नहीं की। यह एक रिसर्च प्रीव्यू है।

रोलआउट चरणों में है: विश्वसनीय टेस्टर्स के पास यह अभी है, अगला क्रम Project Genie में Google AI Ultra सब्सक्राइबर्स का है, और अर्ली एक्सेस पार्टनर्स इसे Gemini API और Google AI Studio के माध्यम से पाएँगे। Project Genie की वेटलिस्ट सार्वजनिक रूप से खुली है।

Google की अन्य फ्रंटियर कीमतों के पैमाने के लिए, Gemini 4 Argon 30 नवंबर, 2026 तक प्रति मिलियन इनपुट टोकन $2 और प्रति मिलियन आउटपुट टोकन $10 पर मूल्यांकित है, जो 1 दिसंबर से $4 और $20 हो जाएगा। इससे यह नहीं पता चलता कि इंटरैक्टिव वर्ल्ड-मॉडल सेशन की लागत क्या होगी, और Google ने बताया भी नहीं है।

थर्ड-पार्टी सतहों पर, 28 अक्टूबर, 2026 तक Genie 4 OpenRouter पर सूचीबद्ध नहीं है और OpenCode कैटलॉग (models.dev) में भी नहीं। इसके उत्पादित हर वीडियो फ्रेम और हर ऑडियो सेकंड में SynthID—Google का अप्रत्यक्ष वॉटरमार्क—लगा होता है, और प्रीव्यू खुलने से पहले DeepMind ने आंतरिक सेफ्टी मूल्यांकन चलाए।

उपयोगकर्ताओं के लिए रोड़ा गेटिंग है। DeepMind के X पर लॉन्च थ्रेड के जवाबों में शीर्ष शिकायत यह है कि Genie 3 एक साल बाद भी सभी Pro सब्सक्राइबर्स तक नहीं पहुँचा, जो अगली पीढ़ी के फिर से वेटलिस्ट के पीछे आने पर उठाना वाज़िब सवाल है।

Genie 4 का एक्सेस कैसे पाएँ?

अभी Genie 4 तक पहुँचने के तीन दरवाज़े हैं, और उनमें से दो पर किसे अंदर आना है, यह Google तय करता है:

• विश्वसनीय टेस्टर कोहोर्ट्स: बंद, और वही समूह जिससे DeepMind पत्रकारिता, गेमिंग, शिक्षा, और इंजीनियरिंग में फीडबैक ले रहा है।
• Google AI Ultra सब्सक्राइबर्स के लिए Project Genie: जल्द आ रहा है, और आप आज ही पब्लिक वेटलिस्ट जॉइन कर सकते हैं।
• Gemini API और Google AI Studio: केवल अर्ली एक्सेस पार्टनर्स, कोई प्रकाशित मॉडल पहचानकर्ता नहीं।

मैं किसी API स्ट्रिंग का अनुमान नहीं लगाऊँगा। Google ने Genie 4 का कोई मॉडल ID प्रकाशित नहीं किया है, और मार्केटिंग नाम से एक निकालना आपके क्लाइंट कोड में 404 दिलाने का आसान तरीका है—इसलिए यहाँ कोई स्निपेट छापने लायक नहीं है।

एक्सेस आने से पहले आप जो कर सकते हैं, वह है प्रॉम्प्ट फ़ॉर्मैट सीखना—यह अनौपचारिक नहीं है। डेमो प्रॉम्प्ट्स वातावरण प्रॉम्प्ट को कैरेक्टर प्रॉम्प्ट से अलग रखते हैं, कैमरा व्यवहार को स्पष्ट रूप से निर्दिष्ट करते हैं, और अंत में नकारात्मक प्रतिबंध सूचीबद्ध करते हैं ("थर्ड-पर्सन परिप्रेक्ष्य नहीं", "ड्रोन कैमरा नहीं", "3D-रेंडर सौंदर्यशास्त्र नहीं")। DeepMind का Genie प्रॉम्प्ट गाइड शुरू करने की जगह है, और हमारा Gemini 4 Argon लेख उन दृश्यों के पीछे प्लानिंग करने वाले मॉडल को कवर करता है।

असल में Genie 4 प्रॉम्प्ट्स कैसे स्ट्रक्चर किए जाते हैं

डेमो प्रॉम्प्ट्स एक पैटर्न का पालन करते हैं जो अपनाने लायक है: सेटिंग तय करने वाला एक वातावरण प्रॉम्प्ट, विषय और कैमरा संबंध तय करने वाला अलग कैरेक्टर प्रॉम्प्ट, फिर नकारात्मक प्रतिबंधों का ब्लॉक। एक हॉट एयर बलून डेमो पहले-व्यक्ति दृश्य निर्दिष्ट करता है—बेंत की टोकरी के भीतर से, फ्रेम के दाहिने किनारे पर लेदर-ट्रिम्ड हाशिया—फिर नीचे अंटार्कटिका की बर्फ-चादर का वर्णन आता है।

अधिकांश काम नकारात्मक प्रतिबंध करते हैं। प्रॉम्प्ट्स बार-बार वीडियो गेम लुक, ड्रोन कैमरे, ओवर-द-शोल्डर शॉट्स, और खाली प्लेटफॉर्म्स को खारिज करते हैं—जिससे संकेत मिलता है कि जब प्रॉम्प्ट में गुंजाइश बचती है, तो Genie 4 इन्हीं डिफॉल्ट्स पर लौट आता है।

अंतिम विचार

Genie 4 अब तक का सबसे साफ़ संकेत है कि DeepMind सिमुलेशन—सिर्फ टेक्स्ट नहीं—को AGI का रास्ता मानता है, और वह अपनी फ्रंटियर क्षमता उसी अनुसार लगा रहा है। उसी महीने जब OpenAI ने GPT-6.1 Terra को सस्ते, बड़े पैमाने के कामकाजी कार्यों की ओर लक्षित किया, Google ने एजेंट फ़्लैगशिप Gemini 4 Argon और एक वर्ल्ड मॉडल शिप किया जो उसकी रोबोटिक्स रिसर्च को पोषण देता है।

क्या इसे अपनाना चाहिए? अपनाने जैसा अभी कुछ है ही नहीं: न कीमत, न मॉडल ID, न हमारे लिए API। यदि आप प्रीविज़ुअलाइज़ेशन, गेम प्रोटोटाइपिंग, या रोबोट सिमुलेशन में काम करते हैं, तो Project Genie वेटलिस्ट जॉइन करें और अपेक्षाएँ ड्राफ्ट क्वॉलिटी पर रखें—यही जगह DeepMind के अपने टेस्टर्स ने इसे रखी है।

यदि आप Genie 4 के पीछे तर्क करने वाले Gemini मॉडलों से गति पकड़ना चाहते हैं, तो हम सुझाव देंगे कि हमारे AI Fundamentals स्किल ट्रैक से शुरुआत करें।