Google DeepMind, 연구 프리뷰로 Genie 4 월드 모델 공개

Google DeepMind는 2026년 10월 27일 실시간 대화형 시뮬레이션을 위한 새로운 월드 모델인 Genie 4를 발표하고, 신뢰할 수 있는 테스터들에게 연구 프리뷰로 공개했다.

Raia Hadsell, Diego Rivas, Hang Qi가 작성한 발표문은 Genie 4가 시뮬레이션 세계와 함께 음악, 주변 소리, 대화형 대화를 동시에 생성하는 네이티브 멀티모달 모델이라고 설명한다. DeepMind는 이 모델이 “전례 없는 현실감을 구현하고 실시간 대화형 시뮬레이션을 개선한다”고 밝히며, 향상된 사실적인 표현과 유연한 움직임, 네이티브 오디오를 제공한다고 덧붙였다. 시연 영상에 포함된 소리도 모델이 직접 생성했다.

이 모델은 Gemini 제품군의 역량을 통합하고 이를 바탕으로 발전시켰다. Gemini Omni는 시뮬레이션이 현실 세계의 모습과 동작을 구현하도록 하고, 다른 Gemini 모델들은 시뮬레이션의 일관성과 연속성을 유지하는 데 필요한 복잡한 추론을 지원한다. 이를 바탕으로 사용자가 어떤 사건을 시작하면 Genie 4는 그다음에 일어날 일을 시뮬레이션한다. 즉, 세계가 어떻게 반응하고 어떤 소리를 내는지, 그 안의 사람들이 어떻게 움직이고 반응하며 말하는지를 구현한다.

DeepMind는 세계를 이해하고 시뮬레이션하는 일이 범용 인공지능(AGI) 개발의 핵심이라고 설명한다. 회사에 따르면 Genie 4는 안전하고 무한히 다변화할 수 있는 시뮬레이션을 만드는 역량을 발전시킨다. 이러한 시뮬레이션은 로봇과 에이전트의 훈련 환경은 물론 새로운 대화형 경험을 만드는 데도 활용할 수 있다.

네 가지 역량 영역

DeepMind의 시연 영상에는 사용자가 일반적인 키보드 조작과 카메라를 이용해 가상 세계를 탐색하고, 세계가 변화하는 동안 텍스트 프롬프트로 장면을 조정하는 실시간 상호작용이 담겨 있다. 첫 번째로 소개된 역량은 실시간 제어다. 사용자는 자연어로 실행 중인 시뮬레이션을 수정해 날씨를 바꾸거나 카메라를 움직이고, 새로운 사람이나 물체를 등장시킬 수 있다. Gemini는 주변 장면의 맥락에 맞게 프롬프트를 조정한다. 입력이 없는 동안에도 Gemini는 장면을 모니터링하고 조정해 세계가 일관된 흐름으로 전개되도록 한다.

물리 현상과 인간의 행동 측면에서 DeepMind는 Genie 4가 공기역학과 충돌 등 현실 세계의 물리적 상황을 모델링해 실시간 대화형 시뮬레이션에 새로운 수준의 현실감을 구현한다고 설명한다. 회사는 가장 큰 발전으로 사람을 시뮬레이션하는 역량을 꼽는다. 캐릭터는 자연스럽게 움직이고 주변 환경에 유기적으로 반응하며, 실시간으로 상호작용을 통해 움직임을 조정할 수 있다.

DeepMind는 Genie 4가 오디오를 네이티브 방식으로 생성하는 최초의 실시간 월드 모델이라고 설명한다. 각 세계에는 그 환경에 고유한 주변 소리가 담긴다. 나무 사이로 부는 바람부터 해변에 부딪치는 파도 소리까지 구현한다. 이 모델은 상황에 따라 즉각적으로 달라지는 대화형 대화도 선보인다. 등장인물들은 실시간으로 서로 대화를 나누고, 사용자의 입력이나 세계에서 일어나는 사건에 반응한다.

복잡하고 여러 단계로 이루어진 사건에서는 Gemini 3.8 Flash가 과정 전반을 이끄는 에이전트 역할을 한다. Genie 4가 실시간으로 세계를 생성하는 동안 Gemini는 장면을 지속적으로 관찰하고, 목표를 일련의 단계로 나누며, 들어오는 프레임을 검토해 각 단계가 성공했는지 확인한다. 또한 세계가 변하거나 사용자가 개입하면 계획을 조정한다. DeepMind는 이를 통해 인과관계가 안정적이고, 절차적 동작과 다단계 추론이 가능한 세계를 구현할 수 있다고 밝혔다.

Google은 Gemini 4 Argon과 Genie 4를 Gemini Robotics와 함께 사용하는 실험도 진행해 왔다. 문서로 소개된 한 사례에서 Argon은 사용자가 지시한 작업을 여러 단계로 나누고, 시뮬레이션이 렌더링되는 동안 각 단계를 텍스트 자막으로 번갈아 표시한다. 두 시스템은 Apptronik의 휴머노이드 로봇 Apollo가 체커 게임을 하는 모습을 시뮬레이션하며, 작업이 완료를 향해 진행됨에 따라 시뮬레이션도 이에 맞춰 변화한다.

신뢰할 수 있는 테스터와 향후 과제

DeepMind는 Genie 4를 중요한 연구 성과로 평가하면서도 아직 초기 단계의 실험 모델이라고 밝혔다. 회사는 창작 산업, 언론, 교육, 게임, 엔지니어링 분야의 신뢰할 수 있는 테스터 그룹과 협력해 왔다. 회사에 따르면 영화 제작자들은 사전 시각화와 아이디어 구상을 위한 빠른 ‘초안 모드’로 Genie 4를 시험하고 있다. 이들은 장면의 실시간 시뮬레이션에 들어가 카메라 앵글, 조명, 대사, 동작을 조정하며 여러 차례 촬영을 진행한다. 사진기자들은 2D 아카이브 사진 한 장을 몇 초 만에 해당 환경을 충실히 구현한 시뮬레이션으로 바꿀 수 있는지 살펴보고 있다. 또한 여러 팀은 사람들로 가득 찬 역동적인 세계를 활용해 관객이 역사적 공간을 체험하거나 돌발 홍수와 산불 같은 단기 환경 현상이 어떻게 전개되는지 시각화할 수 있는지 시험하고 있다.

게임 개발자와 크리에이티브 테크놀로지스트들은 엔진 코드를 작성하기 전에 자연어 프롬프트로 시각적 스타일, 소재의 미감, 상호작용 방식 등을 확인하면서 첫 아이디어에서 탐색 가능한 프로토타입까지 몇 초 만에 만들 수 있는지 시험하고 있다. 기업 파트너들은 Genie 4를 아이디어를 빠르게 초기 시나리오로 구현하는 도구로 평가하고 있으며, 시뮬레이션 수요에 더 효과적으로 대응하기 위해 DeepMind가 보완할 수 있는 부분도 파악하고 있다.

DeepMind는 앞으로의 발전을 이끌 유망한 방향으로 혼합형 월드 모델을 꼽습니다. 코드 및 언어 모델의 논리적이고 구조화된 추론과 픽셀 단위 시뮬레이션의 풍부한 감각적 표현을 결합하는 시스템입니다. 이 접근 방식에서는 Gemini가 보이지 않는 곳에서 구조를 파악하고 서사의 흐름을 계획하는 한편, Genie는 즉각적인 물리적 현실을 생성해 픽셀 하나하나에 이르기까지 세상이 어떻게 보이고 들리며 반응하는지를 구현합니다.

안전성, 한계 및 이용 가능 여부

DeepMind에 따르면 Genie 4에는 다른 모델에 적용되는 안전 정책과 일치하는 엄격한 안전장치가 포함되어 있으며, 유해하거나 악의적인 콘텐츠가 생성되는 것을 막기 위해 프리뷰에 앞서 내부 안전성 평가를 통해 모델을 검증했습니다. 회사는 초기 피드백을 수집하기 위해 신뢰할 수 있는 테스터 파트너에게 먼저 Genie 4를 의도적으로 배포했다고 밝혔습니다. Genie 4가 생성하는 모든 동영상과 오디오에는 시각 및 오디오 전반에서 AI 생성 콘텐츠를 식별하는 DeepMind의 눈에 보이지 않는 디지털 워터마크 기술인 SynthID가 포함됩니다.

한계와 관련해 DeepMind는 Genie 4가 짧은 세션 동안 일관된 환경을 유지할 수 있지만, 시간이 지나면서 시각적 세부 사항과 객체의 지속성이 달라지거나 흐트러질 수 있다고 밝혔습니다. 특히 시뮬레이션을 더 오래 실행하거나, 복잡한 프롬프트를 여러 차례 수정하거나, 장면 곳곳을 이동할 때 이런 현상이 나타날 수 있습니다. 복잡한 물리적 상호작용, 실시간 오디오의 정확도, 읽기 쉬운 텍스트 렌더링, 공간 정확도, 장기적인 일관성은 여전히 지속적인 연구가 진행 중인 분야입니다.

Genie 4는 2025년 8월 5일 DeepMind가 발표하고 실시간 상호작용을 지원하는 최초의 월드 모델이라고 설명한 Genie 3의 후속 모델입니다. Genie 3는 사용자가 초당 24프레임으로 탐색할 수 있는 역동적인 세계를 생성했으며, 720p 해상도에서 몇 분 동안 일관성을 유지했습니다. 또한 소수의 학계 연구자와 크리에이터를 대상으로 제한된 연구 프리뷰 형태로 공개됐습니다.

DeepMind에 따르면 Genie 4는 곧 Project Genie의 Google AI Ultra 구독자와 Gemini API 및 Google AI Studio의 얼리 액세스 파트너에게 제공될 예정이며, Project Genie에서 Genie 4 대기자 명단 등록이 시작됐습니다.