O Google DeepMind passou outubro de 2026 lançando novidades em toda a pilha. O Gemini 4 Argon ficou disponível para todos em 13 de outubro e, em 27 de outubro, a equipe anunciou o Genie 4, um novo modelo de mundo que gera ambientes pelos quais você pode caminhar, conduzir por texto e ouvir em tempo real.
O Genie 4 é nativamente multimodal, gerando ruído ambiente, música e diálogos interativos junto com os visuais. Ele é construído sobre a família Gemini, com o Gemini Omni ancorando a aparência e o comportamento do mundo, e o Gemini 3.8 Flash atuando como agente orientador para manter a coerência de eventos em múltiplas etapas.
Ele chega primeiro como prévia de pesquisa para testadores de confiança, com assinantes do Google AI Ultra no Project Genie e parceiros de early access no Gemini API e no Google AI Studio na sequência.
Neste artigo, eu mostro tudo que há de novo no Genie 4: as capacidades demonstradas pelo DeepMind, o que testadores confiáveis relataram, as limitações que o Google admite e como conseguir acesso. Você também pode ver nossos guias de Gemini 4 Argon vs Claude Opus 5.5 e GPT-6.1 Terra.
Resumo
- Genie 4 é o novo modelo de mundo do DeepMind e o primeiro da linha Genie a gerar áudio nativamente.
- A maior mudança está nas pessoas: personagens se movem, reagem e mantêm diálogos interativos enquanto você conduz a cena.
- Quem planeja é o Gemini. O Gemini 3.8 Flash observa os frames e mantém eventos em múltiplas etapas no caminho certo.
- Ninguém fora do Google avaliou. Não há benchmarks publicados, nem preços, nem ID de modelo na API.
- Permanência de objetos e texto legível ainda são pontos fracos, e o próprio DeepMind reconhece isso no anúncio.
- Vale entrar na lista de espera se você trabalha com pré-visualização, prototipagem de jogos ou simulação de robôs. Ainda não é algo para planejar um pipeline de produção.
O que é o Genie 4?
Genie 4 é o novo modelo de mundo do Google DeepMind, anunciado em 27 de outubro de 2026, sucessor do Genie 3. Um modelo de mundo gera um ambiente no qual você atua, frame a frame, em vez de renderizar um clipe de vídeo fixo, então inputs do teclado e prompts de texto mudam o que acontece a seguir.
O modelo herda da família Gemini em vez de ser isolado.
O Gemini Omni fundamenta a simulação na aparência e comportamento do mundo real, e outros modelos Gemini fornecem o raciocínio que mantém a cena coesa enquanto roda.
Nos demos, os usuários navegam e movem a câmera com controles padrão de teclado enquanto digitam prompts para remodelar o mundo no meio da sessão.
Eventos em múltiplas etapas planejados pelo Gemini
O Gemini 3.8 Flash roda no loop como agente orientador enquanto o Genie 4 renderiza. Ele quebra um objetivo em etapas, revisa os frames de entrada para checar se cada etapa de fato ocorreu e replaneja quando o mundo muda ou você intervém.
Esse loop dá causalidade confiável e comportamento procedural à cena, em vez de um visual bonito sem direção. Também é o que mais se aproxima de um diferencial técnico neste lançamento, já que a simulação é supervisionada por um modelo de raciocínio em vez de rodar em circuito aberto.
Geração de cenários para robôs com o Gemini 4 Argon
O DeepMind está combinando o Genie 4 com o Gemini 4 Argon e o Gemini Robotics. O Argon decompõe uma tarefa instruída pelo usuário em etapas, que são intercaladas no Genie 4 como legendas de texto enquanto a simulação é renderizada, fazendo o mundo se adaptar conforme a tarefa avança. O exemplo publicado é o Apollo, humanoide da Apptronik, jogando damas.
Para equipes de robótica, o apelo é gerar uma diversidade de cenários sem construir cada ambiente à mão. A ressalva é que esses são mundos imaginados, e nada no anúncio quantifica o quão bem o comportamento aprendido em uma cena do Genie 4 transfere para hardware.
Como o Genie 4 se sai em benchmarks?
Não se sai — pelo menos não publicamente. O anúncio do Google não traz tabela de benchmark, nem pontuações, nem comparação com outros modelos de mundo e, até 28 de outubro de 2026, nenhuma análise de terceiros, avaliação independente ou reprodução de benchmarks do Genie 4 apareceu na cobertura disponível. Toda afirmação de capacidade abaixo remete aos demos do próprio DeepMind e aos seus testadores.
O que o Google publicou no lugar de pontuações
As evidências são gravações de interações em tempo real, nas quais usuários navegam com o teclado e digitam prompts para mudar a cena conforme ela evolui. O post do DeepMind no X, com 276,9 mil visualizações na época, lista cinco promessas: fotorrealismo via Gemini Omni, física avançada, controles em tempo real, áudio nativo e raciocínio do Gemini para coerência em múltiplas etapas.
Reels de demo são tomadas selecionadas, então eu os leria como limite superior. Os próprios prompts valem o estudo: são longos, divididos entre seções de ambiente e personagens, e cheios de restrições negativas como "sem cara de CGI" e "sem plataformas vazias".
O que relataram os testadores de confiança
O DeepMind rodou grupos-piloto em indústrias criativas, jornalismo, educação, games e engenharia antes da prévia. Os quatro casos de uso descritos são concretos o suficiente para serem úteis:
- Direção criativa: cineastas entrando em uma simulação ao vivo da cena e rodando múltiplas tomadas em tempo real, ajustando câmera, iluminação, diálogo e ação na hora.
- Cenários históricos e fotografias imersivas: fotojornalistas transformando uma foto de arquivo 2D em uma simulação fundamentada daquele ambiente em segundos, ou visualizando como uma enxurrada ou incêndio se desdobra.
- Conceito de experiências interativas: desenvolvedores de jogos indo da ideia a um protótipo explorável antes de escrever uma linha de código de engine.
- Simulação: parceiros corporativos avaliando para geração rápida de cenários do zero fora da robótica.
A palavra recorrente nesse feedback é "modo rascunho", e eu acho que essa é a posição mais honesta para este lançamento.
Onde o Genie 4 falha
O DeepMind é incomumente direto sobre os modos de falha, o que eu valorizo. Detalhes visuais e permanência de objetos mudam ou derivam conforme a sessão se prolonga, após várias edições complexas de prompt ou à medida que você navega pela cena.
Os problemas em aberto citados são interações físicas complexas, precisão do áudio em tempo real, renderização de texto legível, precisão espacial e consistência de longo prazo. Este último é o teto prático: se um mundo não consegue manter seus próprios objetos no lugar ao longo de uma sessão longa, você está prototipando com ele — não filmando com ele.
Para onde isso caminha: modelos de mundo híbridos
O próximo passo declarado pelo DeepMind são modelos de mundo híbridos, que combinam o raciocínio estruturado de código e modelos de linguagem com simulação em nível de pixel. O Gemini mapeia a estrutura e planeja a linha do tempo narrativa, enquanto o Genie renderiza como o mundo parece, soa e responde.
O loop do Gemini 3.8 Flash neste lançamento é a primeira versão dessa divisão. Se funcionar, ataca o modo de falha que o próprio DeepMind admite: coerência em sessões longas — algo que fidelidade de pixel, sozinha, não resolve.
Preço e disponibilidade do Genie 4
O Genie 4 não tem preço publicado. O Google não divulgou custo por token ou por sessão, não forneceu um identificador de API e não definiu uma data de disponibilidade geral. É uma prévia de pesquisa.
O rollout acontece em etapas: testadores de confiança já têm acesso, assinantes do Google AI Ultra recebem no Project Genie na sequência, e parceiros de early access acessam via Gemini API e Google AI Studio. A lista de espera do Project Genie está aberta ao público.
Para referência do que o Google cobra na fronteira em outros produtos, o Gemini 4 Argon custa US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída até 30 de novembro de 2026, subindo para US$ 4 e US$ 20 a partir de 1º de dezembro. Nada disso revela quanto custará uma sessão interativa de modelo de mundo — e o Google não disse.
Em superfícies de terceiros, o Genie 4 não está listado no OpenRouter e não aparece no catálogo do OpenCode (models.dev) até 28 de outubro de 2026. Cada frame de vídeo e cada segundo de áudio que ele produz carrega o SynthID, a marca d’água imperceptível do Google, e o DeepMind realizou avaliações internas de segurança antes da prévia.
| Superfície | Status do Genie 4 (checado em 28 de outubro de 2026) |
|---|---|
| Project Genie (Google AI Ultra) | Em breve, lista de espera aberta |
| Gemini API e Google AI Studio | Apenas parceiros de early access |
| OpenRouter | Não listado no catálogo |
| Catálogo OpenCode (models.dev) | Não listado no catálogo |
A limitação de acesso é o ponto sensível para usuários. Nas respostas ao thread de lançamento no X do DeepMind, a maior queixa é que o Genie 3 ainda não havia chegado a todos os assinantes Pro um ano depois — algo justo de levantar quando a próxima geração chega atrás de outra lista de espera.
Como conseguir acesso ao Genie 4?
Há três portas para o Genie 4 neste momento — e o Google controla quem passa por duas delas:
- Cohorts de testadores de confiança: fechados, o grupo de quem o DeepMind vem coletando feedback em jornalismo, games, educação e engenharia.
- Project Genie para assinantes do Google AI Ultra: em breve, com lista de espera pública que você pode entrar hoje.
- Gemini API e Google AI Studio: apenas parceiros de early access, sem identificador de modelo publicado.
Eu não arriscaria um string de API. O Google não publicou um ID de modelo do Genie 4 e deduzir um a partir do nome de marketing é como ganhar um 404 no seu cliente — então não há snippet que valha imprimir por enquanto.
O que você pode fazer antes do acesso chegar é aprender o formato de prompt, que não é casual. Os demos separam o prompt do ambiente do prompt dos personagens, especificam o comportamento da câmera explicitamente e listam restrições negativas no fim ("sem perspectiva em terceira pessoa", "sem câmera de drone", "sem estética de render 3D"). O guia de prompts do Genie é o ponto de partida, e nossa análise do Gemini 4 Argon cobre o modelo que faz o planejamento por trás dessas cenas.
Como os prompts do Genie 4 são estruturados de fato
Os prompts seguem um padrão que vale copiar: um prompt de ambiente que fixa o cenário, um prompt separado de personagens que fixa o sujeito e a relação com a câmera, e então um bloco de restrições negativas. Em um demo do balão de ar quente, por exemplo, especifica-se a visão em primeira pessoa de dentro de um cesto de vime, com a borda revestida de couro à direita do quadro, antes de descrever a camada de gelo da Antártica abaixo.
As restrições negativas fazem a maior parte do trabalho. Os prompts repetidamente vetam visual de videogame, câmeras de drone, planos sobre o ombro e plataformas vazias — o que sugere que esses são os padrões para os quais o Genie 4 tende quando o prompt deixa brecha.
Considerações finais
O Genie 4 é o sinal mais claro até agora de que o DeepMind trata a simulação — não só o texto — como caminho para a AGI, e está investindo sua capacidade de fronteira nessa direção. No mesmo mês em que a OpenAI direcionou o GPT-6.1 Terra para tarefas baratas e de alto volume do dia a dia, o Google lançou um flagship de agentes com o Gemini 4 Argon e um modelo de mundo que alimenta sua pesquisa em robótica.
Vale migrar? Não há do que migrar: sem preço, sem ID de modelo, sem API para o restante de nós. Se você trabalha com pré-visualização, prototipagem de jogos ou simulação de robôs, entre na lista de espera do Project Genie e ajuste a expectativa para qualidade de rascunho — exatamente onde os próprios testadores do DeepMind colocam o produto.
Se você quer se atualizar nos modelos Gemini que fazem o raciocínio por trás do Genie 4, recomendo começar pela nossa trilha de habilidades AI Fundamentals.
