Genie 4 – världsmodell: funktioner, förmågor och hur du får tillgång

Det viktigaste att minnas från den här lanseringen är ljudet: Genie 4 är DeepMinds första realtidsvärldsmodell som genererar ljud inbyggt, inklusive interaktiv dialog som reagerar på vad du gör. Det spelar större roll än det låter, eftersom en tyst simulering är en visualisering, medan en med bakgrundsljud och talande karaktärer ligger närmare en träningsmiljö för agenter och robotar.

Genie 4 – viktiga funktioner

DeepMind grupperar lanseringen kring fyra förmågor, med en femte som växer fram ur deras robotikarbete. Här är vad var och en faktiskt låter dig göra.

Styr en värld medan den körs

Du ändrar en livesimulering genom att skriva: byt väder, flytta kameran, lägg till en person eller ett objekt. Gemini anpassar din uppmaning till det som redan syns på skärmen, så att det nya elementet kommer in i stil och geometri med den befintliga scenen i stället för att klistras ovanpå.

Mellan dina inmatningar fortsätter Gemini att titta och styra så att världen fortskrider på egen hand. Den kombinationen, tangentbordsnavigering plus redigeringar i naturligt språk, är det som skiljer Genie 4 från en text-till-video-modell där din enda kontroll är uppmaningen du började med.

Fysik och mänsklig rörelse

Genie 4 simulerar aerodynamik, kollisioner och liknande fysiskt beteende, byggt på vad DeepMind kallar en avancerad fysisk förståelse av världen. Demouppmaningarna pressar medvetet på detta, från en blankpolerad vattenmelon på en stenpelare med luftburna droppar i slowmotion till en makrobild av ett lönnfrö som faller ner i gräs.

DeepMinds egen inramning är att det mest dramatiska språnget gäller människor. Karaktärer rör sig naturligt, svarar på sin omgivning och kan styras interaktivt medan scenen spelas upp, vilket är den del som tidigare världsmodeller hanterat sämst.

Inbyggt ljud och interaktiv dialog

Varje Genie 4-värld bär miljöljudet från sin egen miljö, från vind i träd till vågor på en strand, plus musik där scenen kräver det. Demouppmaningarna specificerar ljud lika noggrant som det visuella, ända ner till "ingen bakgrundsmusik bortom instrumenten som faktiskt finns i scenen".

Tal är det svårare anspråket. Karaktärer samtalar och reagerar på dina inmatningar och på händelser i världen i takt med att de sker, vilket är den pusselbit som gör detta användbart för dialog-previs eller agentträning. Behandla demoljudent som ett tak snarare än ett golv: DeepMind listar noggrannhet i realtidsljud som ett aktivt forskningsområde.

Flerstegshändelser planerade av Gemini

Gemini 3.8 Flash körs i loopen som en styrande agent medan Genie 4 renderar. Den bryter ner ett mål i en sekvens av steg, granskar inkommande bildrutor för att kontrollera att varje steg verkligen lyckades och skriver om sin plan när världen skiftar eller du ingriper.

Den loopen är det som ger en scen pålitlig kausalitet och procedurbeteende i stället för vacker drift. Det är också det närmaste den här lanseringen kommer en teknisk differentierare, eftersom simuleringen övervakas av en resonemangsmodell i stället för att lämnas att köra i öppen slinga.

Robotscenarier med Gemini 4 Argon

DeepMind parar ihop Genie 4 med Gemini 4 Argon och Gemini Robotics. Argon delar upp en användarinstruerad uppgift i steg, som flätas in i Genie 4 som texttexter medan simuleringen renderas, så att världen anpassar sig i takt med att uppgiften fortskrider. Det publicerade exemplet är Apptroniks humanoid Apollo som spelar schack med dam.

För robotikteam är lockelsen att generera en bredd av scenarier utan att handbygga varje miljö. Förbehållet är att detta är påhittade världar, och inget i tillkännagivandet kvantifierar hur väl beteenden som lärs i en Genie 4-scen överförs till hårdvara.

Hur presterar Genie 4 på benchmarktester?

Det gör den inte, åtminstone inte offentligt. Googles tillkännagivande innehåller ingen benchmarktabell, inga poäng och ingen jämförelse mot andra världsmodeller, och per den 28 oktober 2026 har ingen tredjepartsgranskning, oberoende utvärdering eller benchmarkreplikation för Genie 4 dykt upp i den tillgängliga bevakningen. Varje kapacitetsanspråk nedan spårar tillbaka till DeepMinds egna demofilmer och deras egna testare.

Vad Google publicerade i stället för poäng

Bevisen är inspelningar av realtidsinteraktioner, där användare navigerar med tangentbordskontroller och skriver uppmaningar för att ändra scenen medan den utvecklas. DeepMinds inlägg på X, som hade 276,9K visningar vid skrivande stund, listar fem anspråk: fotorealism från Gemini Omni, avancerad fysik, realtidskontroller, inbyggt ljud och Gemini-resonemang för flerstegssammanhang.

Demoreels är utvalda tagningar, så jag skulle läsa dem som en övre gräns. Själva uppmaningarna är dock värda att studera: de är långa, uppdelade i miljö- och karaktärsdelar och laddade med negativa begränsningar som "ingen CGI-känsla" och "inga tomma plattformar".

Vad betrodda testare rapporterade

DeepMind körde kohorter inom kreativa branscher, journalistik, utbildning, spel och teknik före förhandsvisningen. De fyra användningsfallen de beskriver är tillräckligt konkreta för att vara användbara:

• Kreativ regi: filmskapare som kliver in i en livesimulering av en scen och kör flera tagningar i realtid, justerar kamera, ljus, dialog och agerande i farten.
• Historiska scenarier och immersiva fotografier: fotojournalister som förvandlar ett enda 2D-arkivfoto till en förankrad simulering av den miljön på sekunder, eller visualiserar hur ett flashflöde eller en skogsbrand utvecklas.
• Konceptdesign för interaktiva upplevelser: spelutvecklare som går från idé till ett utforskningsbart prototyp innan en rad motorkod skrivs.
• Simulering: företagsparter som utvärderar den för snabb noll-till-etta-scenariogenerering utanför robotik.

Det återkommande ordet i den feedbacken är "utkastläge", och jag tycker att det är den ärliga positioneringen för den här lanseringen.

Var Genie 4 brister

DeepMind är ovanligt raka med felmoderna, vilket jag uppskattar. Visuella detaljer och objektpermanens skiftar eller glider ju längre en session pågår, efter flera komplexa uppmaningsredigeringar eller när du navigerar runt i en scen.

De namngivna öppna problemen är komplexa fysiska interaktioner, noggrannhet i realtidsljud, rendering av läsbar text, rumslig noggrannhet och långsiktig konsistens. Det sista är det praktiska taket: om en värld inte kan hålla sina egna objekt på plats under en lång session prototypar du med den, du spelar inte in med den.

Vart detta är på väg: hybrida världsmodeller

DeepMinds uttalade nästa steg är hybrida världsmodeller, som kombinerar den strukturerade logiken i kod- och språkmodeller med simulering på pixelnivå. Gemini kartlägger strukturen och planerar den narrativa tidslinjen, medan Genie renderar hur världen ser ut, låter och svarar.

Gemini 3.8 Flash-loopen i den här lanseringen är första versionen av den uppdelningen. Om den fungerar adresserar den precis det felmönster DeepMind själva medger: koherens i långa sessioner, vilket ingen mängd pixelfidelitet kan lösa på egen hand.

Pris och tillgänglighet för Genie 4

Genie 4 har inget publicerat pris. Google har inte släppt kostnader per token eller per session, har inte gett någon API-identifierare och har inte satt något datum för allmän tillgänglighet. Det är en forskningsförhandsvisning.

Utrullningen sker i etapper: betrodda testare har den nu, Google AI Ultra-prenumeranter får den i Project Genie härnäst och tidiga åtkomstpartner når den via Gemini API och Google AI Studio. Project Genie-väntelistan är öppen för alla.

För skala på vad Google tar betalt på andra fronter är Gemini 4 Argon prissatt till 2 USD per miljon input-tokens och 10 USD per miljon output-tokens till och med 30 november 2026, stigande till 4 och 20 USD från 1 december. Inget av detta säger vad en interaktiv världsmodellsession kommer att kosta, och Google har inte sagt något.

På tredjepartsytor är Genie 4 inte listad på OpenRouter och inte listad i OpenCode-katalogen (models.dev) per den 28 oktober 2026. Varje videobildruta och varje sekund ljud den producerar bär SynthID, Googles omärkliga vattenstämpel, och DeepMind körde interna säkerhetsutvärderingar innan förhandsvisningen öppnades.

Avgränsningen är öm punkt hos användare. I svaren på DeepMinds lanseringstråd på X är den största invändningen att Genie 3 fortfarande inte nått alla Pro-prenumeranter efter ett år, vilket är en rimlig sak att ta upp när nästa generation anländer bakom ännu en väntelista.

Hur får man tillgång till Genie 4?

Det finns tre dörrar in till Genie 4 just nu, och Google kontrollerar vem som går igenom två av dem:

• Kohorter av betrodda testare: stängt, och gruppen som DeepMind samlat in feedback från inom journalistik, spel, utbildning och teknik.
• Project Genie för Google AI Ultra-prenumeranter: kommer snart, med en offentlig väntelista du kan gå med i redan idag.
• Gemini API och Google AI Studio: endast tidiga åtkomstpartner, utan publicerad modellidentifierare.

Jag skulle inte gissa ett API-sträng. Google har inte publicerat något modell-ID för Genie 4, och att härleda ett från marknadsnamnet är hur du slutar med en 404 i din klientkod, så det finns inget kodexempel värt att skriva ut ännu.

Det du kan göra innan du får tillgång är att lära dig formatet för uppmaningar, för det är inte slentrian. Demouppmaningar separerar en miljöuppmaning från en karaktärsuppmaning, specificerar kamerabeteende uttryckligen och listar negativa begränsningar i slutet ("ingen tredjepersonsvy", "ingen drönarkamera", "ingen 3D-renderestetik"). DeepMinds Genie prompt guide är platsen att börja på, och vår genomgång av Gemini 4 Argon täcker modellen som planerar bakom dessa scener.

Hur Genie 4-uppmaningar faktiskt är strukturerade

Demouppmaningarna följer ett mönster värt att kopiera: en miljöuppmaning som fixerar miljön, en separat karaktärsuppmaning som fixerar subjektet och kamerarelationen, och sedan ett block negativa begränsningar. En demo med luftballong specificerar en förstapersonsvy inifrån en korg av pil, med den läderklädda kanten till höger i bild, innan den beskriver Antarktis inlandsis nedanför.

De negativa begränsningarna gör det mesta av jobbet. Uppmaningarna utesluter gång på gång ett tv-spelsutseende, drönarkameror, över-axeln-tagningar och tomma plattformar, vilket antyder att det är de standardlägen Genie 4 faller tillbaka till när en uppmaning lämnar spelrum.

Avslutande tankar

Genie 4 är det tydligaste tecknet hittills på att DeepMind ser simulering, inte bara text, som vägen till AGI, och man lägger frontkapacitet därefter. Samma månad som OpenAI riktade GPT-6.1 Terra mot billiga, högvolymiga vardagsuppgifter, levererade Google en agentflaggship i Gemini 4 Argon och en världsmodell som matar dess robotikforskning.

Är det värt att byta till? Det finns inget att byta till: inget pris, inget modell-ID, inget API för oss andra. Om du arbetar med previsualisering, spelprototyper eller robotsimulering, gå med i Project Genie-väntelistan och håll förväntningarna på utkastkvalitet, vilket är precis där DeepMinds egna testare placerar den.

Om du vill komma ikapp med Gemini-modellerna som står för resonemanget bakom Genie 4 rekommenderar jag att du börjar med vår AI Fundamentals-skill track.