Google DeepMind представила Genie 4 — модель мира, которая симулирует интерактивные среды, обрабатывая каждый кадр в ответ на действия пользователя. В отличие от генераторов видео, система работает в режиме реального времени. Это первая модель DeepMind, способная нативно генерировать аудио, музыку и диалоги одновременно с визуальным рядом.
В основе Genie 4 лежат два компонента семейства Gemini. Gemini Omni отвечает за внешний вид и поведение виртуального мира, а другие модели Gemini обеспечивают логическую связность симуляции. Между действиями пользователя система использует Gemini для управления сценой. Разработчики называют это гибридной моделью, где языковая модель задает структуру, а Genie визуализирует пиксели и звук.
Новинка стала преемником Genie 3, анонсированной в августе 2025 года. Предыдущая версия работала в разрешении 720p с частотой 24 кадра в секунду и обладала визуальной памятью на одну минуту. Для Genie 4 компания не опубликовала сравнительных таблиц с бенчмарками, однако подтвердила проведение внутренних проверок безопасности перед запуском превью-версии.
Весь контент, созданный с помощью Genie 4, будет снабжен водяными знаками SynthID. На текущем этапе модель тестируют специалисты из различных областей, включая игровую индустрию, образование, журналистику, инженерию и творческие сферы.
