Google DeepMind lança o modelo de mundo Genie 4 em prévia para pesquisa

Em 27 de outubro de 2026, o Google DeepMind anunciou o Genie 4, seu novo modelo de mundo para simulação interativa em tempo real, disponibilizando-o como prévia para pesquisa a um grupo de testadores de confiança.

O anúncio, assinado por Raia Hadsell, Diego Rivas e Hang Qi, descreve o Genie 4 como um modelo multimodal nativo, capaz de gerar simultaneamente música, sons ambientes e diálogos interativos junto com o mundo simulado. O DeepMind afirma que o modelo “abre caminho para um realismo sem precedentes e aprimora a simulação interativa em tempo real” e oferece fotorealismo aprimorado, movimentos fluidos e áudio nativo; nas demonstrações, o som correspondente é produzido diretamente pelo modelo.

O modelo incorpora e desenvolve recursos da família Gemini. O Gemini Omni ancora as simulações na aparência e no comportamento do mundo real, enquanto outros modelos Gemini fornecem o raciocínio complexo necessário para ajudar a manter a coerência e a continuidade da simulação. Com essa base, o usuário pode dar início a um evento, e o Genie 4 simula o que acontece em seguida: como o mundo reage, que sons produz e como as pessoas nele se movimentam, reagem e falam.

O DeepMind descreve a compreensão e a simulação do mundo como aspectos cruciais para o desenvolvimento da inteligência artificial geral (AGI). A empresa afirma que o Genie 4 amplia sua capacidade de criar simulações seguras e infinitamente variáveis, que podem servir como ambientes de treinamento para robôs e agentes, além de viabilizar a criação de novas experiências interativas.

Quatro áreas de capacidade

As demonstrações do DeepMind são gravações de interações em tempo real nas quais os usuários exploram mundos usando os controles padrão do teclado e uma câmera, orientando a cena com comandos de texto à medida que ela se desenvolve. A primeira capacidade documentada é o controle em tempo real: o usuário pode modificar uma simulação em andamento usando linguagem natural, alterando o clima, movimentando a câmera ou introduzindo uma pessoa ou um objeto, enquanto o Gemini adapta contextualmente o comando para que corresponda à cena ao redor. Entre um comando e outro, o Gemini também monitora e orienta a cena para que o mundo continue evoluindo de forma coerente.

Quanto à física e à ação humana, o DeepMind afirma que o Genie 4 estabelece um novo padrão de realismo na simulação interativa em tempo real, modelando situações de física do mundo real, como aerodinâmica e colisões. A empresa descreve como o maior avanço a simulação de pessoas: personagens que se movimentam naturalmente, reagem de forma espontânea ao ambiente e podem ser conduzidos interativamente em tempo real.

O DeepMind descreve o Genie 4 como seu primeiro modelo de mundo em tempo real a gerar áudio nativamente. Cada mundo traz os sons ambientes próprios de seu cenário, do vento nas árvores às ondas quebrando na praia. O modelo também introduz diálogos interativos que se adaptam no momento, com personagens conversando e reagindo às ações do usuário ou aos acontecimentos no mundo, tudo em tempo real.

Para eventos complexos que envolvem várias etapas, o Gemini 3.8 Flash atua como agente orientador no circuito. Enquanto o Genie 4 gera um mundo em tempo real, o Gemini observa continuamente a cena, divide os objetivos em uma sequência de etapas e analisa os quadros recebidos para verificar se cada etapa foi concluída com êxito, adaptando seu plano conforme o mundo muda ou o usuário intervém. Segundo o DeepMind, isso possibilita criar mundos com causalidade confiável, comportamentos procedurais e raciocínio em várias etapas.

A empresa também vem fazendo testes com o Gemini 4 Argon e o Genie 4 em conjunto com o Gemini Robotics. Em um exemplo documentado, o Argon divide em etapas uma tarefa instruída pelo usuário, que são intercaladas como legendas de texto enquanto a simulação é renderizada; os dois sistemas simulam o humanoide Apollo, da Apptronik, jogando uma partida de damas, e a simulação se adapta à medida que a tarefa avança rumo à conclusão.

Testadores de confiança e próximos passos

O DeepMind considera o Genie 4 um importante marco de pesquisa, embora ainda seja um modelo experimental em estágio inicial, e vem trabalhando com grupos de testadores de confiança dos setores criativos, do jornalismo, da educação, dos jogos e da engenharia. Segundo a empresa, cineastas estão testando o Genie 4 como um modo de “rascunho” rápido para pré-visualização e concepção de ideias: eles entram em uma simulação ao vivo de uma cena e fazem várias tomadas em tempo real, ajustando ângulos de câmera, iluminação, diálogos e ação. Fotojornalistas estão explorando como uma única fotografia de arquivo em 2D pode se transformar, em segundos, em uma simulação contextualizada daquele ambiente; equipes também estão testando como mundos povoados e dinâmicos podem ajudar o público a vivenciar espaços históricos ou visualizar a evolução de eventos ambientais de curto prazo, como enchentes repentinas ou incêndios florestais.

Desenvolvedores de jogos e tecnólogos criativos estão testando se conseguem transformar uma ideia inicial em um protótipo explorável em segundos, avaliando estilos visuais, estética dos materiais e mecânicas interativas por meio de comandos em linguagem natural, antes de escrever código para o mecanismo de jogo. Parceiros empresariais estão avaliando o Genie 4 como ferramenta para gerar rapidamente cenários do zero e identificar lacunas que o DeepMind poderia resolver para atender melhor às necessidades de simulação.

Olhando para o futuro, a DeepMind considera os modelos de mundo híbridos um caminho promissor para avançar: sistemas que combinam o raciocínio lógico e estruturado dos modelos de código e linguagem com a rica representação sensorial da simulação em nível de pixel. Nessa abordagem, o Gemini mapeia a estrutura e planeja, nos bastidores, a linha do tempo narrativa, enquanto o Genie gera a realidade física imediata, renderizando, pixel a pixel, a aparência e os sons do mundo e a forma como ele reage.

Segurança, limitações e disponibilidade

A DeepMind afirma que o Genie 4 inclui salvaguardas rigorosas, alinhadas às políticas de segurança aplicadas aos seus outros modelos, e que avaliou o modelo por meio de análises internas de segurança antes da prévia, a fim de impedir a geração de conteúdo nocivo ou mal-intencionado. A empresa diz que decidiu disponibilizar o Genie 4 primeiro a parceiros de teste de confiança para obter feedback inicial. Todos os vídeos e áudios gerados pelo Genie 4 incluirão o SynthID, a tecnologia de marca d’água digital imperceptível da DeepMind, que identifica conteúdo gerado por IA em modalidades visuais e de áudio.

Quanto às limitações, a DeepMind afirma que, embora o Genie 4 consiga manter ambientes coerentes durante sessões curtas, os detalhes visuais e a permanência dos objetos ainda podem mudar ou se desviar com o tempo, especialmente quando uma simulação se prolonga, após várias edições complexas de prompts ou durante a navegação por uma cena. Interações físicas complexas, precisão do áudio em tempo real, renderização de texto legível, precisão espacial e consistência a longo prazo continuam sendo áreas de pesquisa em andamento.

O Genie 4 sucede ao Genie 3, anunciado pela DeepMind em 5 de agosto de 2025 e descrito como seu primeiro modelo de mundo a permitir interação em tempo real. O Genie 3 gerava mundos dinâmicos que os usuários podiam explorar a 24 quadros por segundo, mantendo a consistência por alguns minutos em resolução de 720p, e foi disponibilizado como uma prévia de pesquisa limitada a um pequeno grupo de acadêmicos e criadores.

A DeepMind afirma que o Genie 4 chegará em breve aos assinantes do Google AI Ultra no Project Genie e aos parceiros de acesso antecipado na Gemini API e no Google AI Studio, e que a lista de espera para o Genie 4 no Project Genie está aberta.