Genie 4 World Model: funzionalità, capacità e come ottenere l’accesso

Il punto da ricordare in questo rilascio è l’audio: Genie 4 è il primo world model in tempo reale di DeepMind a generare suoni in modo nativo, inclusi dialoghi interattivi che reagiscono a ciò che fai. Vale più di quanto sembri, perché una simulazione muta è una visualizzazione, mentre una con suoni ambientali e personaggi che parlano è più vicina a un ambiente di training per agenti e robot.

Funzionalità chiave di Genie 4

DeepMind raggruppa il rilascio attorno a quattro capacità, con una quinta che emerge dal lavoro in robotica. Ecco cosa ti permettono di fare, in concreto.

Dirigere un mondo mentre è in esecuzione

Modifichi una simulazione live digitando: cambi il meteo, muovi la camera, aggiungi una persona o un oggetto. Gemini adatta il tuo prompt a ciò che è già a schermo, così il nuovo elemento arriva nello stile e nella geometria della scena esistente invece di essere incollato sopra.

Tra un tuo input e l’altro, Gemini continua a osservare e guidare così che il mondo prosegua da solo. Quella combinazione — navigazione da tastiera più modifiche in linguaggio naturale — è ciò che separa Genie 4 da un modello text-to-video in cui l’unico controllo è il prompt iniziale.

Fisica e movimento umano

Genie 4 simula aerodinamica, collisioni e comportamenti fisici simili, basandosi su quella che DeepMind definisce una comprensione fisica avanzata del mondo. I prompt demo spingono apposta su questo, da un’anguria lucida su un basamento in pietra con goccioline in volo al rallentatore a una ripresa macro di un seme d’acero che cade nell’erba.

Nella cornice di DeepMind, il salto più evidente riguarda le persone. I personaggi si muovono in modo naturale, rispondono all’ambiente e possono essere guidati interattivamente mentre la scena si svolge, la parte che i precedenti world model gestivano peggio.

Audio nativo e dialoghi interattivi

Ogni mondo di Genie 4 porta con sé il suono ambientale del proprio contesto, dal vento tra gli alberi alle onde sulla spiaggia, più musica dove la scena lo richiede. I prompt demo specificano l’audio con la stessa precisione dei visual, fino a "nessuna musica di sottofondo oltre agli strumenti fisicamente presenti nella scena".

La voce è l’affermazione più impegnativa. I personaggi conversano e reagiscono ai tuoi input e agli eventi del mondo mentre accadono: è l’elemento che lo rende utilizzabile per la previz dei dialoghi o l’addestramento di agenti. Considera però l’audio demo come un tetto, non come un pavimento: DeepMind indica l’accuratezza audio in tempo reale come un’area di ricerca attiva.

Eventi multi-step pianificati da Gemini

Gemini 3.8 Flash gira nel loop come agente guida mentre Genie 4 renderizza. Scompone un obiettivo in una sequenza di passi, rivede i frame in arrivo per verificare che ciascun passo sia effettivamente riuscito e riscrive il piano quando il mondo cambia o tu intervieni.

Quel loop è ciò che dà a una scena causalità affidabile e comportamento procedurale invece di una deriva estetica. È anche il punto più vicino a un differenziatore tecnico in questo rilascio, poiché la simulazione è supervisionata da un modello di ragionamento invece di essere lasciata in open-loop.

Generazione di scenari robotici con Gemini 4 Argon

DeepMind sta abbinando Genie 4 a Gemini 4 Argon e Gemini Robotics. Argon scompone un compito richiesto dall’utente in passi, che vengono intercalati in Genie 4 come didascalie testuali mentre la simulazione viene renderizzata, così il mondo si adatta man mano che il compito progredisce. L’esempio pubblicato è l’umanoide Apollo di Apptronik che gioca a dama.

Per i team di robotica, l’attrattiva è generare un’ampia varietà di scenari senza costruire a mano ogni ambiente. L’avvertenza è che questi sono mondi immaginati, e nulla nell’annuncio quantifica quanto bene il comportamento appreso in una scena di Genie 4 si trasferisca sull’hardware.

Come va Genie 4 nei benchmark?

Non va, almeno non pubblicamente. L’annuncio di Google non contiene alcuna tabella di benchmark, nessun punteggio e nessun confronto con altri world model e, al 28 ottobre 2026, non è apparsa alcuna recensione di terze parti, valutazione indipendente o riproduzione di benchmark per Genie 4 nella copertura disponibile. Ogni affermazione sulle capacità qui sotto risale alle demo di DeepMind e ai suoi tester.

Cosa ha pubblicato Google al posto dei punteggi

Le prove sono registrazioni di interazioni in tempo reale, dove gli utenti navigano con i controlli da tastiera e digitano prompt per cambiare la scena mentre si evolve. Il post di DeepMind su X, che al momento della stesura contava 276,9K visualizzazioni, elenca cinque affermazioni: fotorealismo da Gemini Omni, fisica avanzata, controlli in tempo reale, audio nativo e ragionamento Gemini per la coerenza multi-step.

I reel demo sono riprese selezionate, quindi li leggerei come un limite superiore. Vale però la pena studiare i prompt: sono lunghi, divisi in sezioni ambiente e personaggi, e pieni di vincoli negativi come "niente aspetto CGI" e "niente piattaforme vuote".

Cosa hanno riportato i tester fidati

DeepMind ha coinvolto coorti tra industrie creative, giornalismo, istruzione, gaming e ingegneria prima della preview. I quattro casi d’uso che descrivono sono abbastanza concreti da essere utili:

• Direzione creativa: registi che entrano in una simulazione live di una scena ed eseguono più take in tempo reale, regolando al volo camera, illuminazione, dialoghi e azione.
• Scenari storici e fotografie immersive: fotogiornalisti che trasformano una singola fotografia d’archivio 2D in una simulazione ancorata di quell’ambiente in pochi secondi, o visualizzano come si sviluppa un’alluvione lampo o un incendio.
• Concept design di esperienze interattive: sviluppatori di giochi che passano dall’idea a un prototipo esplorabile prima di scrivere una riga di codice del motore.
• Simulazione: partner enterprise che lo valutano per una rapida generazione di scenari da zero a uno al di fuori della robotica.

La parola ricorrente in quel feedback è "modalità bozza", e credo sia il posizionamento più onesto per questo rilascio.

Dove si rompe Genie 4

DeepMind è insolitamente diretta sui failure mode, e lo apprezzo. I dettagli visivi e la permanenza degli oggetti cambiano o deragliano più a lungo dura una sessione, dopo diverse modifiche complesse del prompt o mentre navighi in una scena.

I problemi aperti citati sono interazioni fisiche complesse, accuratezza audio in tempo reale, rendering di testo leggibile, accuratezza spaziale e coerenza a lungo termine. Quest’ultimo è il limite pratico: se un mondo non riesce a mantenere i propri oggetti in posizione durante una sessione lunga, ci fai prototipazione, non riprese.

Dove si sta andando: world model ibridi

Il prossimo passo dichiarato da DeepMind sono i world model ibridi, che combinano il ragionamento strutturato di codice e modelli linguistici con la simulazione a livello di pixel. Gemini mappa la struttura e pianifica la timeline narrativa, mentre Genie renderizza come il mondo appare, suona e risponde.

Il loop di Gemini 3.8 Flash in questo rilascio è la prima versione di questa divisione. Se funziona, affronta esattamente il failure mode che DeepMind ammette: la coerenza nelle sessioni lunghe, che nessuna fedeltà di pixel risolve da sola.

Prezzi e disponibilità di Genie 4

Genie 4 non ha un prezzo pubblicato. Google non ha rilasciato costi per token o per sessione, non ha fornito un identificatore dell’API e non ha fissato una data di disponibilità generale. È una anteprima di ricerca.

Il rollout avviene a fasi: i tester fidati ce l’hanno già, gli abbonati Google AI Ultra lo riceveranno a breve in Project Genie e i partner early access lo raggiungeranno tramite Gemini API e Google AI Studio. La waitlist di Project Genie è aperta a tutti.

Per avere un’idea di cosa Google addebita altrove in frontiera, Gemini 4 Argon costa 2 $ per milione di token in input e 10 $ per milione di token in output fino al 30 novembre 2026, salendo a 4 $ e 20 $ dal 1° dicembre. Nulla di ciò ti dice quanto costerà una sessione interattiva di world model, e Google non lo ha detto.

Sulle piattaforme di terze parti, Genie 4 non è elencato su OpenRouter né nel catalogo OpenCode (models.dev) al 28 ottobre 2026. Ogni frame video e ogni secondo di audio che produce porta SynthID, la filigrana impercettibile di Google, e DeepMind ha condotto valutazioni di sicurezza interne prima dell’apertura della preview.

Il gating è il punto dolente per gli utenti. Nelle risposte al thread di lancio su X di DeepMind, il reclamo principale è che Genie 3 non era ancora arrivato a tutti gli abbonati Pro a un anno di distanza, un’osservazione legittima quando la generazione successiva arriva dietro un’altra lista d’attesa.

Come ottenere l’accesso a Genie 4?

Oggi ci sono tre porte per entrare in Genie 4, e Google controlla chi passa per due di queste:

• Cohort di tester fidati: chiuso, è il gruppo da cui DeepMind sta raccogliendo feedback tra giornalismo, gaming, istruzione e ingegneria.
• Project Genie per abbonati Google AI Ultra: in arrivo, con una lista d’attesa pubblica a cui puoi iscriverti oggi.
• Gemini API e Google AI Studio: solo partner early access, senza identificatore di modello pubblicato.

Non proverei a indovinare una stringa API. Google non ha pubblicato un ID modello per Genie 4, e dedurne uno dal nome di marketing è il modo migliore per ottenere un 404 nel tuo client: non c’è ancora uno snippet che valga la pena stampare.

Quello che puoi fare prima di ottenere l’accesso è imparare il formato dei prompt, perché non è casuale. I prompt demo separano un prompt ambiente da un prompt personaggi, specificano esplicitamente il comportamento della camera e elencano alla fine i vincoli negativi ("niente prospettiva in terza persona", "niente camera drone", "niente estetica 3D render"). La guida ai prompt di Genie di DeepMind è il punto di partenza, e il nostro approfondimento su Gemini 4 Argon copre il modello che pianifica dietro queste scene.

Com’è strutturato davvero un prompt per Genie 4

I prompt demo seguono uno schema da copiare: un prompt ambiente che fissa l’ambientazione, un prompt personaggi separato che definisce il soggetto e il rapporto con la camera, poi un blocco di vincoli negativi. Una demo in mongolfiera specifica una visuale in prima persona dall’interno di un cesto di vimini, con il bordo rifinito in pelle a destra dell’inquadratura, prima di descrivere la calotta glaciale antartica sottostante.

I vincoli negativi fanno gran parte del lavoro. I prompt escludono ripetutamente un look da videogioco, camere drone, inquadrature sopra-spalla e piattaforme vuote, il che suggerisce che questi siano i default a cui Genie 4 torna quando il prompt lascia margine.

Considerazioni finali

Genie 4 è il segnale più chiaro finora che DeepMind considera la simulazione, non solo il testo, come la strada verso l’AGI, e sta investendo di conseguenza capacità di frontiera. Nello stesso mese in cui OpenAI ha puntato GPT-6.1 Terra su compiti da lavoro economici e ad alto volume, Google ha spedito un’ammiraglia per agenti con Gemini 4 Argon e un world model che alimenta la sua ricerca in robotica.

Vale la pena passare a questo? Non c’è nulla a cui passare: niente prezzo, niente ID modello, niente API per il resto di noi. Se lavori in pre-visualizzazione, prototipazione di giochi o simulazione robotica, iscriviti alla lista d’attesa di Project Genie e tieni le aspettative a livello bozza, esattamente dove le collocano i tester di DeepMind.

Se vuoi aggiornarti sui modelli Gemini che fanno il ragionamento dietro Genie 4, ti consiglio di iniziare con il nostro percorso di competenze AI Fundamentals.