Google DeepMind представила Genie 4 — модель, которая в реальном времени создаёт интерактивные трёхмерные миры. Она рисует сцену кадр за кадром и сразу реагирует на действия пользователя.
По виртуальному миру можно перемещаться с помощью клавиатуры, а события — менять текстовыми командами. Например, пользователь может попросить изменить погоду, после чего система перестроит текущую сцену.
Genie 4 стала первой моделью этого семейства, которая сама генерирует звук. У каждого мира есть фоновое аудио вроде шума ветра. Виртуальные персонажи могут разговаривать друг с другом и отвечать на действия пользователя.
За развитием сцены следят модели Gemini. Они планируют следующие события и помогают сохранять связность симуляции. Gemini 3.8 Flash непрерывно анализирует кадры, делит задачу на шаги и проверяет результат каждого действия. Если обстановка меняется, план пересчитывается.
DeepMind также связывает Genie 4 с исследованиями в робототехнике. В одной демонстрации Gemini 4 Argon составила план игры в шашки, а Genie изобразила, как его выполняет гуманоидный робот Apollo от Apptronik. Настоящий робот в эксперименте не участвовал.
Пока система уверенно поддерживает только короткие сессии. При долгой работе детали изображения меняются, а предметы могут исчезать. Модель также испытывает трудности со сложной физикой, точной синхронизацией звука и читаемым текстом.
Genie 4 доступна ограниченной группе тестировщиков. Позже её планируют открыть подписчикам Google AI Ultra через веб-приложение Project Genie, а также некоторым партнёрам с ранним доступом к Gemini API и Google AI Studio. Видео и аудио будут получать невидимую маркировку SynthID.
DeepMind рассматривает такие миры как будущие полигоны для обучения роботов и ИИ-агентов. Сейчас Genie 4 остаётся ранней исследовательской моделью, а не готовым массовым продуктом.
