Modelul de lume Genie 4: funcții, capabilități și cum obții acces

Faptul de reținut din această lansare este audio: Genie 4 este primul model de lume în timp real de la DeepMind care generează sunet nativ, inclusiv dialog interactiv care reacționează la ce faci. Asta contează mai mult decât pare, pentru că o simulare fără sunet este o vizualizare, pe când una cu sunet ambiental și personaje care vorbesc e mai aproape de un mediu de antrenare pentru agenți și roboți.

Funcții cheie Genie 4

DeepMind grupează lansarea în jurul a patru capabilități, cu o a cincea derivată din munca sa în robotică. Iată ce îți permit efectiv să faci.

Controlează o lume în timp ce rulează

Schimbi o simulare live tastând: comuți vremea, muți camera, adaugi o persoană sau un obiect. Gemini adaptează promptul tău la ce este deja pe ecran, astfel încât elementul nou apare în stilul și geometria scenei existente, nu ca un colaj peste ea.

Între intrările tale, Gemini continuă să observe și să ghideze, astfel încât lumea să progreseze singură. Această combinație, navigare cu tastatura plus editări în limbaj natural, este ceea ce separă Genie 4 de un model text-to-video, unde singurul control este promptul inițial.

Fizică și mișcare umană

Genie 4 simulează aerodinamica, coliziunile și comportamente fizice similare, bazat pe ceea ce DeepMind numește o înțelegere fizică avansată a lumii. Prompturile din demo forțează deliberat aceste limite, de la un pepene lucios pe un soclu de piatră cu picături în aer în slow motion până la un cadru macro cu o samară de arțar căzând în iarbă.

Încadrarea DeepMind este că saltul cel mai dramatic îl reprezintă oamenii. Personajele se mișcă natural, răspund la împrejurimi și pot fi controlate interactiv în timp ce scena rulează — partea la care modelele de lume anterioare se descurcau cel mai slab.

Audio nativ și dialog interactiv

Fiecare lume Genie 4 are sunetul ambiental al propriului decor, de la vântul prin copaci la valurile de pe plajă, plus muzică acolo unde scena o cere. Prompturile demo specifică audio la fel de strict ca vizualul, până la „fără muzică de fundal în afara instrumentelor prezente fizic în scenă”.

Vorbirea este partea mai dificilă. Personajele conversează și reacționează la intrările tale și la evenimentele din lume pe măsură ce se întâmplă, piesa care face acest lucru utilizabil pentru previz de dialog sau antrenarea agenților. Tratează audio din demo ca un plafon, nu ca un prag: DeepMind listează acuratețea audio în timp real ca domeniu activ de cercetare.

Evenimente multi-pas planificate de Gemini

Gemini 3.8 Flash rulează în buclă ca agent ghid în timp ce Genie 4 redă. Sparge un obiectiv în pași, revizuiește cadrele care intră ca să verifice dacă fiecare pas chiar a reușit și își rescrie planul când lumea se schimbă sau când intervii.

Această buclă oferă unei scene cauzalitate fiabilă și comportament procedural, în loc de o derivă plăcută vizual. Este și cel mai apropiat lucru din această lansare de un diferențiator tehnic, deoarece simularea este supravegheată de un model de raționament, nu lăsată să ruleze în buclă deschisă.

Generarea de scenarii pentru roboți cu Gemini 4 Argon

DeepMind asociază Genie 4 cu Gemini 4 Argon și Gemini Robotics. Argon descompune o sarcină instruită de utilizator în pași, care sunt intercalați în Genie 4 ca subtitrări text pe măsură ce simularea este redată, astfel încât lumea se adaptează pe măsură ce sarcina avansează. Exemplul publicat este umanoidul Apollo de la Apptronik jucând dame.

Pentru echipele de robotică, atracția este generarea unei varietăți de scenarii fără a construi manual fiecare mediu. Rezerva este că acestea sunt lumi imaginate, iar nimic din anunț nu cuantifică cât de bine se transferă pe hardware comportamentul învățat într-o scenă Genie 4.

Cum performează Genie 4 în benchmark-uri?

Nu performează, cel puțin nu public. Anunțul Google nu conține niciun tabel de benchmark, nici scoruri și nicio comparație cu alt model de lume, iar la 28 octombrie 2026 nu a apărut nicio recenzie terță, evaluare independentă sau reproducere de benchmark pentru Genie 4 în acoperirea disponibilă. Fiecare revendicare de capabilitate de mai jos duce înapoi la demo-urile DeepMind și la testerii săi.

Ce a publicat Google în loc de scoruri

Dovezile sunt înregistrări ale interacțiunilor în timp real, unde utilizatorii navighează cu controale de tastatură și tastează prompturi pentru a schimba scena în timp ce evoluează. Postarea DeepMind pe X, care avea 276,9K vizualizări la momentul redactării, listează cinci afirmații: fotorealism de la Gemini Omni, fizică avansată, controale în timp real, audio nativ și raționament Gemini pentru coerență multi-pas.

Reel-urile demo sunt cadre selectate, așa că le-aș citi ca o limită superioară. Prompturile în sine merită studiate, totuși: sunt lungi, împărțite în secțiuni pentru mediu și personaje și încărcate cu constrângeri negative precum „fără aspect CGI” și „fără platforme goale”.

Ce au raportat testerii de încredere

DeepMind a rulat cohorte din industrii creative, jurnalism, educație, gaming și inginerie înainte de previzualizare. Cele patru cazuri de utilizare pe care le descriu sunt destul de concrete ca să fie utile:

• Direcție creativă: cineaști care intră într-o simulare live a unei scene și rulează mai multe duble în timp real, ajustând din mers camera, iluminarea, dialogul și acțiunea.
• Scenarii istorice și fotografii imersive: fotojurnaliști care transformă o singură fotografie de arhivă 2D într-o simulare ancorată a acelui mediu în câteva secunde, sau vizualizează cum se desfășoară o viitură sau un incendiu de vegetație.
• Concept de experiență interactivă: dezvoltatori de jocuri care trec de la o idee la un prototip explorabil înainte de a scrie o linie de cod de engine.
• Simulare: parteneri enterprise care îl evaluează pentru generare rapidă de scenarii de la zero în afara roboticii.

Cuvântul care revine în feedback este „mod schiță”, și cred că aceasta este poziționarea onestă pentru această lansare.

Unde cedează Genie 4

DeepMind este neobișnuit de directă cu privire la modurile de eșec, lucru pe care îl apreciez. Detaliile vizuale și permanența obiectelor se schimbă sau derapează cu cât o sesiune rulează mai mult, după mai multe editări complexe ale promptului sau când navighezi prin scenă.

Problemele deschise menționate sunt interacțiuni fizice complexe, acuratețea audio în timp real, redarea de text lizibil, acuratețea spațială și consistența pe termen lung. Ultima este plafonul practic: dacă o lume nu își poate menține propriile obiecte pe loc într-o sesiune lungă, faci prototipare cu ea, nu filmare.

Încotro se îndreaptă: modele de lume hibride

Următorul pas declarat de DeepMind sunt modelele de lume hibride, care combină raționamentul structurat al codului și al modelelor lingvistice cu simularea la nivel de pixeli. Gemini cartografiază structura și planifică cronologia narativă, în timp ce Genie redă cum arată, sună și răspunde lumea.

Bucla Gemini 3.8 Flash din această lansare este prima versiune a acestei separări. Dacă funcționează, abordează exact modul de eșec pe care DeepMind îl recunoaște: coerența pe sesiuni lungi, pe care nicio fidelitate a pixelilor nu o rezolvă de una singură.

Preț și disponibilitate Genie 4

Genie 4 nu are un preț publicat. Google nu a anunțat costuri per token sau per sesiune, nu a oferit un identificator de model pentru API și nu a stabilit o dată de disponibilitate generală. Este o previzualizare de cercetare.

Lansarea are loc în etape: testerii de încredere îl au acum, abonații Google AI Ultra îl primesc în Project Genie în continuare, iar partenerii early access ajung la el prin Gemini API și Google AI Studio. Lista de așteptare pentru Project Genie este deschisă pentru oricine.

Pentru context privind tarifele Google la frontieră în altă parte, Gemini 4 Argon costă 2 $ per milion de tokeni de input și 10 $ per milion de tokeni de output până pe 30 noiembrie 2026, urcând la 4 $ și 20 $ de la 1 decembrie. Nimic din toate acestea nu îți spune cât va costa o sesiune interactivă cu un model de lume, iar Google nu a spus.

Pe platforme terțe, Genie 4 nu este listat pe OpenRouter și nu este listat în catalogul OpenCode (models.dev) la 28 octombrie 2026. Fiecare cadru video și fiecare secundă de audio pe care le produce poartă SynthID, filigranul imperceptibil al Google, iar DeepMind a rulat evaluări interne de siguranță înainte de deschiderea previzualizării.

Accesul etapizat este punctul sensibil pentru utilizatori. În răspunsurile la firul de lansare pe X al DeepMind, principala plângere este că Genie 3 încă nu ajunsese la toți abonații Pro după un an, lucru corect de ridicat când următoarea generație sosește în spatele unei alte liste de așteptare.

Cum obții acces la Genie 4?

Există trei uși către Genie 4 acum, iar Google controlează cine trece prin două dintre ele:

• Cohorte de testeri de încredere: închise, grupul de la care DeepMind a colectat feedback din jurnalism, gaming, educație și inginerie.
• Project Genie pentru abonații Google AI Ultra: în curând, cu o listă de așteptare publică la care te poți înscrie azi.
• Gemini API și Google AI Studio: numai parteneri early access, fără identificator de model publicat.

N-aș ghici un string de API. Google nu a publicat un ID de model Genie 4, iar deducerea lui din numele de marketing e modul în care ajungi la un 404 în codul client, așa că nu există încă un snippet demn de tipărit aici.

Ce poți face înainte să primești acces este să înveți formatul prompturilor, pentru că nu e lejer. Prompturile demo separă un prompt de mediu de un prompt de personaje, specifică explicit comportamentul camerei și listează la final constrângeri negative („fără perspectivă la persoana a treia”, „fără cameră tip dronă”, „fără estetică de randare 3D”). Ghidul de prompturi Genie de la DeepMind este locul de start, iar materialul nostru despre Gemini 4 Argon acoperă modelul care face planificarea din spatele acestor scene.

Cum sunt structurate de fapt prompturile pentru Genie 4

Prompturile demo urmează un tipar de copiat: un prompt de mediu care fixează decorul, un prompt separat pentru personaje care fixează subiectul și relația cu camera, apoi un bloc de constrângeri negative. Un demo cu un balon cu aer cald specifică o perspectivă la persoana întâi din interiorul unui coș de nuiele, cu marginea tivită cu piele în dreapta cadrului, înainte de a descrie stratul de gheață antarctic dedesubt.

Constrângerile negative fac cea mai mare parte a muncii. Prompturile exclud în mod repetat un aspect de joc video, camere tip dronă, cadre peste umăr și platforme goale, ceea ce sugerează că acestea sunt valorile implicite la care revine Genie 4 când un prompt lasă loc de interpretare.

Gânduri finale

Genie 4 este cel mai clar semn de până acum că DeepMind tratează simularea, nu doar textul, ca drumul către AGI, și își alocă capacitatea de frontieră în consecință. În aceeași lună în care OpenAI a orientat GPT-6.1 Terra spre sarcini ieftine, de volum mare din zilele de lucru, Google a livrat un flagship de agenți cu Gemini 4 Argon și un model de lume care alimentează cercetarea sa în robotică.

Merită să treci la el? Nu ai la ce să treci: nu există preț, nu există ID de model, nu există API pentru restul dintre noi. Dacă lucrezi în previzualizare, prototipare de jocuri sau simulare pentru roboți, înscrie-te pe lista de așteptare Project Genie și păstrează-ți așteptările la calitate de schiță, exact unde o plasează și testerii DeepMind.

Dacă vrei să te pui la punct cu modelele Gemini care fac raționamentul din spatele lui Genie 4, îți recomand să începi cu parcursul de competențe AI Fundamentals.