Google DeepMindは2026年10月、スタック全体で怒涛のリリースを行いました。Gemini 4 Argonは10月13日に一般提供となり、10月27日には、テキストで操縦でき、歩き回れて、リアルタイムで音を聴ける環境を生成する新しいワールドモデル「Genie 4」を発表しました。
Genie 4はビジュアルに加えて環境音、音楽、インタラクティブな対話も同時に生成するネイティブなマルチモーダルモデルです。基盤はGeminiファミリーで、Gemini Omniが見た目と挙動を支え、Gemini 3.8 Flashが多段の出来事を破綻なく導くガイディングエージェントとして機能します。
まずは信頼できるテスター向けのリサーチプレビューとして提供され、次にProject GenieのGoogle AI Ultra加入者、さらにGemini APIやGoogle AI Studioのアーリーアクセスパートナーに展開されます。
この記事では、Genie 4の新機能を総覧し、DeepMindが示したデモ能力、テスターからの報告、Googleが公表している制限事項、そしてアクセス方法を解説します。あわせて、Gemini 4 ArgonとClaude Opus 5.5の比較やGPT-6.1 Terraのガイドも参照してください。
要点（TL;DR）
- Genie 4はDeepMindの新しいワールドモデルで、Genie系として初めてネイティブで音声を生成します。
- 最大の変化は「人」：登場人物が動き、反応し、シーンを操縦しながらインタラクティブな対話ができます。
- 計画はGeminiが担当。Gemini 3.8 Flashが入力フレームを監視し、多段イベントの一貫性を保ちます。
- Google外での評価はまだありません。公開ベンチマーク、価格、APIモデルIDは未提示です。
- 物体永続性と判読可能な文字の描画は依然として弱点で、DeepMindも発表で認めています。
- プリビズ、ゲーム試作、ロボットシミュレーションに関わるなら待機リストに登録する価値あり。ただし現時点で本番パイプラインを組む段階ではありません。
Genie 4とは？
Genie 4はGoogle DeepMindの新しいワールドモデルで、2026年10月27日に発表され、Genie 3の後継です。ワールドモデルは固定の動画クリップをレンダリングするのではなく、フレームごとに「内部で行動できる環境」を生成します。そのため、キーボード入力やテキストプロンプトが、その後の展開を変えます。
このモデルは単独で立つのではなく、Geminiファミリーの能力を取り入れています。
Gemini Omniが現実世界の見た目と挙動でシミュレーションを支え、他のGeminiモデルがシーンの進行を一体化させる推論を供給します。
デモでは、ユーザーは標準的なキーボード操作で移動やカメラ操作を行い、同時にテキストを入力してセッション中に世界を作り替えます。
Geminiによるマルチステップの計画
Genie 4がレンダリングする間、Gemini 3.8 Flashがループ内でガイディングエージェントとして動作します。目標を一連の手順に分解し、入力フレームを見て各手順が本当に達成されたかを確認し、世界が変化したりあなたが介入したりすれば計画を書き換えます。
このループこそが、単なる美しい漂流ではなく、因果関係と手続き的挙動の信頼性をシーンに与えます。また、シミュレーションをオープンループで放置するのではなく、推論モデルが監督する点は、このリリースにおける技術的差別化の核心に最も近い部分です。
Gemini 4 Argonによるロボットのシナリオ生成
DeepMindはGenie 4をGemini 4 ArgonやGemini Roboticsと組み合わせています。Argonはユーザーが指示したタスクをステップに分解し、それをテキストキャプションとしてGenie 4のレンダリング中に差し込み、タスクの進行に応じて世界が適応します。公開例は、ApptronikのヒューマノイドApolloがチェッカーをプレイするものです。
ロボティクスのチームにとっての魅力は、環境を一つひとつ手作りせずとも広範なシナリオを生成できる点です。注意点は、これらは想像上の世界であり、Genie 4のシーンで学習した挙動が実機にどの程度転移するかは、今回の発表では数量化されていないことです。
ベンチマークでのGenie 4の性能は？
少なくとも公開はされていません。Googleの発表にはベンチマーク表やスコア、他のワールドモデルとの比較は一切なく、2026年10月28日時点のカバレッジでも、第三者レビュー、独立評価、ベンチマーク再現は確認できません。以下に挙げる能力は、すべてDeepMind自身のデモとテスターの報告に基づきます。
スコアの代わりにGoogleが公開したもの
根拠はリアルタイム操作の録画です。ユーザーがキーボードで移動し、シーンの展開に合わせてテキストで変更する様子が示されています。執筆時点で276.9KビューのDeepMindのX投稿では、Gemini Omniによるフォトリアリズム、高度な物理、リアルタイム操作、ネイティブ音声、そしてマルチステップ一貫性のためのGemini推論という5点を主張しています。
デモリールは選別されたテイクなので、上限として受け止めるべきでしょう。ただし、プロンプト自体は学ぶ価値があります。環境とキャラクターを別セクションに分け、そして「CGIっぽさ禁止」「空のプラットフォーム禁止」といった否定条件を多く盛り込んでいます。
信頼テスターの報告
DeepMindはプレビュー前に、クリエイティブ産業、報道、教育、ゲーム、エンジニアリングの各分野でコホートを走らせました。示された4つのユースケースは、実用的で具体的です。
- クリエイティブ・ディレクション：映画制作者がシーンのライブシミュレーションに入り、カメラ、照明、セリフ、アクションをその場で調整しながら、複数テイクを回す。
- 歴史的シナリオと没入型写真：フォトジャーナリストが単一の2Dアーカイブ写真を数秒でその環境の基盤化されたシミュレーションに変換、あるいは鉄砲水や山火事の展開を可視化。
- インタラクティブ体験のコンセプト設計：ゲーム開発者がエンジンコードを書く前に、アイデアから歩き回れるプロトタイプへ。
- シミュレーション：ロボティクス以外でも、企業パートナーがゼロイチのシナリオ生成を素早く評価。
フィードバックで繰り返し出てくるのは「ドラフトモード」という言葉で、今回の立ち位置として率直な表現だと思います。
Genie 4が破綻するところ
DeepMindは失敗パターンについて珍しく率直で、そこは評価できます。セッションが長引いたり、複雑なプロンプト編集を重ねたり、シーン内を移動したりすると、視覚的ディテールや物体の永続性がずれたり漂流したりします。
名指しされている未解決課題は、複雑な物理相互作用、リアルタイム音声の精度、判読可能な文字のレンダリング、空間精度、長期一貫性です。最後の点が実用上の上限です。長いセッションを通じて世界が自分の物体を保持できないなら、それは撮影用ではなく、あくまで試作用ということです。
今後の方向性：ハイブリッド・ワールドモデル
DeepMindが次のステップとして掲げるのは、コードと言語モデルの構造化推論と、ピクセルレベルのシミュレーションを組み合わせたハイブリッド・ワールドモデルです。Geminiが構造を写像し物語のタイムラインを計画し、Genieが世界の見た目・音・反応を描きます。
今回のリリースにあるGemini 3.8 Flashのループは、その分担の初版です。もし機能すれば、DeepMind自身が認める正確な失敗モード、すなわち長時間セッションの整合性に対処します。ピクセル忠実度だけでは解決できない問題です。
Genie 4の価格と提供状況
Genie 4の価格は未公表です。トークン単価やセッション単価、一般提供日も示されていません。現状はリサーチプレビューです。
展開は段階的です。信頼テスターはすでに利用中で、次にGoogle AI Ultra加入者がProject Genieで利用可能となり、アーリーアクセスパートナーはGemini APIとGoogle AI Studioからアクセスします。Project Genieのウェイトリストは誰でも登録可能です。
参考までに、他の最先端領域でのGoogleの料金感は、Gemini 4 Argonが2026年11月30日までは入力100万トークンあたり$2、出力100万トークンあたり$10で、12月1日から$4と$20に上がります。ただし、インタラクティブなワールドモデルのセッション費用がどうなるかは不明で、Googleも言及していません。
サードパーティでは、2026年10月28日時点でGenie 4はOpenRouterにもOpenCodeカタログ（models.dev）にも未掲載です。生成するすべての映像フレームと音声には、Googleの不可視ウォーターマークSynthIDが付与され、プレビュー公開前にDeepMindは内部の安全性評価を実施しています。
| 提供面 | Genie 4の状況（2026年10月28日確認） |
|---|---|
| Project Genie（Google AI Ultra） | 近日提供、ウェイトリスト受付中 |
| Gemini API と Google AI Studio | アーリーアクセスパートナー限定 |
| OpenRouter | カタログ未掲載 |
| OpenCodeカタログ（models.dev） | カタログ未掲載 |
ユーザーにとって痛点はゲーティングです。DeepMindのXでのローンチ投稿への返信では、1年経ってもGenie 3がPro加入者全員にまだ届いていないという不満が最上位で、次世代がまたウェイトリストの裏に現れた状況では、もっともな指摘です。
Genie 4へのアクセス方法
現時点でGenie 4に入る扉は3つあり、そのうち2つはGoogleが入場者を管理しています。
- 信頼テスター・コホート：クローズド。DeepMindが報道、ゲーム、教育、エンジニアリング領域からフィードバックを集めているグループ。
- Google AI Ultra加入者向けProject Genie：近日提供。公開ウェイトリストに本日から参加可能。
- Gemini API と Google AI Studio：アーリーアクセスパートナー限定で、公開モデルIDは未設定。
API文字列の当て推量は禁物です。GoogleはGenie 4のモデルIDを公開しておらず、マーケティング名から推測するとクライアントコードで404を踏むのが関の山です。よって、ここに掲載すべきスニペットはまだありません。
アクセス前にできることとして、プロンプト形式に慣れておくのが有効です。かなり厳密だからです。デモのプロンプトは環境とキャラクターのプロンプトを分け、カメラ挙動を明示し、最後に否定条件（「三人称視点なし」「ドローンカメラなし」「3Dレンダー風美術なし」）を列挙します。DeepMindのGenieプロンプトガイドが出発点で、当サイトのGemini 4 Argon解説は、舞台裏で計画を担うモデルを取り上げています。
Genie 4のプロンプトは実際こう組み立てる
デモのプロンプトは参考になる定型に従っています。舞台を定める環境プロンプト、被写体とカメラ関係を定める別個のキャラクタープロンプト、そして否定条件のブロックです。熱気球のデモでは、右端に革縁が見える籐のバスケット内部からの一人称視点をまず指定し、そのあとで下に広がる南極氷床を描写しています。
仕事の大半は否定条件が担います。プロンプトは繰り返し、ビデオゲーム風の見た目、ドローンカメラ、肩越しショット、空のプラットフォームを排除しており、プロンプトに余白があるとGenie 4がそれらに戻りがちであることを示唆します。
まとめ
Genie 4は、DeepMindがAGIへの道をテキストだけでなくシミュレーションにも見出し、そのためにフロンティアの計算資源を投じているという最も明確なサインです。同じ月に、OpenAIがGPT-6.1 Terraを安価で大量の日常業務に向けたのに対し、Googleはエージェントの旗艦であるGemini 4 Argonと、ロボティクス研究を後押しするワールドモデルを出荷しました。
乗り換える価値はあるか？ そもそも「乗り換える先」がありません。価格なし、モデルIDなし、一般向けAPIなし。プリビズ、ゲーム試作、ロボットシミュレーションに関わるなら、Project Genieのウェイトリストに登録し、品質への期待はドラフト相当に保ってください。これはDeepMind自身のテスターが置いた基準でもあります。
Genie 4の背後で推論を担うGeminiモデルを手早く把握したいなら、当サイトのAI Fundamentalsスキルトラックから始めるのをおすすめします。