Компания Google Deepmind представила Genie 4 — модель для создания интерактивных миров в реальном времени. В отличие от генераторов видео, система вычисляет сцены покадрово, реагируя на действия пользователя через клавиатуру и текстовые команды. На данный момент доступ к разработке открыт только ограниченному кругу тестировщиков.
Genie 4 стала первой моделью Deepmind, способной генерировать звук, включая фоновые шумы и диалоги персонажей. За визуальную составляющую отвечает модель Gemini Omni, а за планирование событий и согласованность мира — другие модели семейства Gemini. Например, система адаптирует окружение при изменении погодных условий через текстовый запрос.
В рамках интеграции с направлением Gemini Robotics компания тестирует модель Gemini 4 Argon. В одной из демонстраций система симулировала игру гуманоидного робота Apollo от Apptronik в шашки, разбивая задачу на этапы. Разработчики отмечают, что Genie 4 является экспериментальной моделью и пока может терять визуальную детализацию в длительных сессиях.
Весь контент, созданный с помощью Genie 4, будет помечаться водяным знаком SynthID. Deepmind продолжает исследования в области физических взаимодействий и работы с текстом. В компании считают, что объединение возможностей Gemini и Genie позволит создавать гибридные модели, сочетающие логические рассуждения с симуляцией на уровне пикселей.
