Google DeepMind представила Genie 4 — преемника модели Genie 3, показанной в августе 2025 года, сообщает The Decoder. В отличие от видеогенераторов, мировая модель не выдаёт готовый ролик, а рассчитывает сцену кадр за кадром, реагируя на действия пользователя: перемещаться по миру можно с клавиатуры, а управлять событиями — текстовыми промптами.
Genie 4 — первая модель миров DeepMind, генерирующая звук напрямую: у каждого мира свой фоновый аудиоряд, например шум ветра в деревьях, а персонажи разговаривают между собой и в реальном времени реагируют на действия пользователя и события. Главный прирост реалистичности DeepMind видит в отрисовке людей: персонажи двигаются естественно, реагируют на окружение, и ими можно управлять напрямую.
За реалистичность картинки отвечает видеомодель Gemini Omni, а за согласованность симуляции — другие модели Gemini. Например, Gemini 3.8 Flash постоянно следит за сценой, разбивает задачу на шаги и по новым кадрам проверяет выполнение каждого из них; если пользователь вмешался или мир изменился, план корректируется. Между командами пользователя Gemini сама развивает события, чтобы мир продолжал логично меняться.
DeepMind также тестирует модель Gemini 4 Argon, связывая Genie с робототехническими исследованиями Gemini Robotics. В демо Argon разбил игру в шашки на шаги, и Genie 4 по этим текстовым инструкциям симулировала игру гуманоидного робота Apollo компании Apptronik — реальный робот не участвовал.
Сама компания называет Genie 4 ранней экспериментальной моделью: на коротких сессиях мир остаётся целостным, но в длинных симуляциях визуальные детали могут меняться, а объекты — не сохраняться после нескольких сложных промптов. В DeepMind продолжают исследовать сложные физические взаимодействия, точный звук в реальном времени и читаемый текст.
Пока Genie 4 доступна ограниченному кругу тестеров как исследовательский превью; вскоре она появится у подписчиков Google AI Ultra в веб-приложении Project Genie, а также у партнёров с ранним доступом к Gemini API и Google AI Studio. Все видео и аудиодорожки получат невидимую метку SynthID, а зрелые мировые модели, по замыслу DeepMind, станут средой, где роботы и ИИ-агенты обучаются на симулированном опыте, а не только на данных.
