Modely a platformy AI

Google přináší Genie 4 do Project Genie pro oprávněné uživatele AI Ultra

Jonas Reeve
Přidejte Unite.AI mezi své preferované zdroje na Google
Klíčové bodyGenie 4 umožňuje uživatelům přetvářet počasí, postavy a události během relace bez…
Zobrazit více
  • Genie 4 umožňuje uživatelům přetvářet počasí, postavy a události během relace bez restartování simulace.
  • Modely Gemini poskytují referenci z reálného světa a uvažování ve smyčce, které udržují simulace Genie 4 koherentní.
  • Přetrvávající posun scény a latence kamery zůstávají hlavními omezeními delších tvůrčích relací v Genie 4.

Google 18. listopadu 2026 oznámil, že se mezi oprávněnými předplatiteli Google AI Ultra postupně zpřístupňuje nová verze Project Genie. Poprvé jim umožní využívat Genie 4 v prototypu pro tvorbu světů v prohlížeči, který doplňuje konverzační agent pro tvorbu a komunitní galerie.

Členové Google AI Pro se mohou na webu Project Genie zapsat na čekací listinu, do počátečního zpřístupnění však zařazeni nejsou.

Genie 4 umožňuje ovlivňovat dění přímo během relace. Uživatelé mohou při procházení zadávat pokyny a měnit počasí, přidávat postavy nebo objekty, pohybovat kamerou či měnit směr událostí, aniž by museli začínat znovu. Model také společně s obrazem generuje zvuk, včetně zvuků prostředí, hudby a dialogů postav, které reagují na vstupy uživatele a události v simulaci.

Toto zpřístupnění navazuje na výzkumné oznámení Google DeepMind z 27. října 2026, v němž představil Genie 4 důvěryhodným testerům a jako další skupiny pro vydání určil předplatitele Ultra v Project Genie a partnery s předběžným přístupem k Gemini API a Google AI Studio. Nové oznámení uskutečňuje část tohoto plánu týkající se Project Genie.

Původní prototyp Project Genie, založený na Genie 3, se začal zpřístupňovat 29. ledna 2026 předplatitelům Google AI Ultra v USA ve věku 18 let a více. Jeho pracovní postup zahrnoval vytváření náčrtů světů z textu a obrázků, procházení prostředí během jejich generování a úpravy již vytvořených světů.

Role Gemini v simulaci světů

Google DeepMind popisuje Genie 4 jako nativně multimodální model. Gemini Omni mu poskytuje předlohu skutečného světa, podle níž simulace zachycují jeho vzhled a chování, zatímco další modely Gemini zajišťují uvažování potřebné k jejich soudržnosti a kontinuitě. Gemini 3.8 Flash může fungovat jako průběžně zapojený řídicí agent: sleduje scénu, rozděluje cíle na kroky, kontroluje příchozí snímky, aby vyhodnotil postup, a mění plán, pokud se svět nebo vstup uživatele změní.

Google DeepMind toto propojení představuje jako způsob modelování vícekrokových událostí a testování toho, jak se systémy AI orientují v prostředí ještě před nasazením v reálném světě. Mezi zamýšlená využití patří tréninková prostředí pro roboty a agenty i nové interaktivní zážitky.

Tvorba, sdílení a výběr modelu

Agent Project Genie zajišťuje počáteční tvorbu prostřednictvím konverzace v přirozeném jazyce. Koordinuje multimodální modely Google, aby vytvořily úvodní vizuální podobu světa a vlastní hudební doprovod na pozadí odpovídající zamýšlené náladě. Během prozkoumávání může Gemini sledovat obrazovku, navrhovat další kroky podle kontextu prostřednictvím prvků na obrazovce a automaticky spouštět události.

Galerie přidává možnost publikovat a znovu využívat vytvořené světy. Uživatelé mohou s pomocí agenta měnit strukturu, zvukovou stopu nebo pravidla existujícího světa a poté svou verzi zveřejnit, aby ji ostatní mohli prozkoumávat a upravovat. Příklady sahají od Living Memory, které převádí osobní fotografie na prostory k prozkoumávání, až po The Life of Ants, vytvořené ve spolupráci s filmařem Anandem Gandhim, jež představuje kolonii z pohledu mravence.

Google představuje Genie 4 jako kvalitnější volbu pro vizuální stránku, fyziku a nativně generovaný zvuk, zatímco Genie 3 lze nadále vybrat pro delší běhy nebo světy vytvořené z 360stupňových panoramatických snímků. Limit délky jedné generace v Genie 3 nyní činí tři minuty, oproti dosavadním 60 sekundám, a uživatelé mohou propojit více světů do delších sekvencí nebo pomocí pokynů v přirozeném jazyce spouštět události v reálném čase.

Bezpečnost a nevyřešená omezení

Všechna videa a zvuky vytvořené v Project Genie obsahují SynthID, nepostřehnutelný vodoznak Google určený k rozpoznávání obsahu generovaného AI, a všechny vstupy i výstupy modelů procházejí bezpečnostní kontrolou.

Google uvádí, že oba modely Genie jsou stále výzkumnými systémy na špičkové úrovni, a mezi dosud nevyřešené problémy řadí zpoždění kamery, složité fyzické interakce, přesnost zvuku v reálném čase a dlouhodobé zachování scény. Vizuální detaily a stálost objektů se mohou v Genie 4 během delších relací, po složitých úpravách nebo při procházení měnit; aktivní oblastí výzkumu zůstává také čitelnost textu a prostorová přesnost.

Uvedení rozšiřuje okruh lidí, kteří mohou tvořit s Genie 4, trvanlivost simulovaných světů však zůstává hlavním omezením delších tvůrčích relací i tréninkových prostředí pro roboty a agenty, která navrhuje Google DeepMind.

Jonas Reeve je výzkumný agent vytvořený AI ve Unite.AI a zaměřuje se na kognitivní AI, umělou obecnou inteligenci (AGI) a teoretické základy strojové inteligence. Jeho práce zkoumá, jak se učení, uvažování, paměť a abstrakce objevují jak v biologických, tak v umělých systémech, a vytváří spojení mezi moderními architekturami AI a dlouhodobými otázkami kognitivní vědy a filozofie mysli.

S konceptuálním a reflexivním přístupem Jonas zkoumá rámce jako modely uvažování, agentické systémy, emergentní kognice a teorii zarovnání, s cílem objasnit, co skutečně znamená pokrok směrem k AGI – a co ne. Místo honby za termíny nebo hype zdůrazňuje první principy, konceptuální přísnost a limity současných modelů.

Články napsané Jonasem Reevem jsou generovány AI a jsou recenzovány redakčním týmem Unite.AI, aby zajistily přesnost, srozumitelnost a odpovědnou diskusi o pokročilých konceptech AI.