Google DeepMind lansează modelul Genie 4 al lumii în previzualizare de cercetare

Pe 27 octombrie 2026, Google DeepMind a anunțat Genie 4, noul său model al lumii pentru simulări interactive în timp real, lansându-l ca previzualizare de cercetare pentru testeri de încredere.

Anunțul, semnat de Raia Hadsell, Diego Rivas și Hang Qi, descrie Genie 4 ca fiind multimodal nativ: muzica, sunetele ambientale și dialogul interactiv sunt generate simultan cu lumea simulată. DeepMind afirmă că modelul „deschide calea către un realism fără precedent și îmbunătățește simularea interactivă în timp real” și oferă un fotorealism sporit, mișcări fluide și sunet nativ, sunetul care însoțește demonstrațiile fiind produs direct de model.

Modelul integrează și dezvoltă capabilitățile familiei Gemini. Gemini Omni ancorează simulările în aspectul și comportamentul lumii reale, în timp ce alte modele Gemini oferă raționamentul complex necesar pentru a contribui la menținerea coerenței și continuității simulării. Pe această bază, utilizatorul poate declanșa un eveniment, iar Genie 4 simulează ce se întâmplă apoi: cum reacționează lumea, ce sunete produce și cum se mișcă, reacționează și vorbesc oamenii din ea.

DeepMind consideră că înțelegerea și simularea lumii reprezintă un aspect crucial al dezvoltării inteligenței artificiale generale (AGI). Compania afirmă că Genie 4 îi îmbunătățește capacitatea de a crea simulări sigure și infinit variabile, care pot susține atât medii de antrenare pentru roboți și agenți, cât și crearea unor experiențe interactive noi.

Patru domenii de capabilități

Demonstrațiile DeepMind sunt înregistrări ale unor interacțiuni în timp real, în care utilizatorii navighează prin lumi folosind comenzile standard de la tastatură și o cameră, ghidând scena cu ajutorul unor instrucțiuni text pe măsură ce aceasta evoluează. Prima capabilitate documentată este controlul în timp real: utilizatorul poate modifica o simulare în desfășurare folosind limbaj natural, schimbând vremea, mișcând camera sau introducând o persoană ori un obiect nou, iar Gemini adaptează contextual instrucțiunea pentru a se potrivi scenei din jur. Între intervențiile utilizatorului, Gemini monitorizează și ghidează scena pentru ca lumea să evolueze coerent.

În ceea ce privește fizica și acțiunile umane, DeepMind afirmă că Genie 4 introduce un nou standard de realism în simularea interactivă în timp real, modelând situații fizice din lumea reală, precum aerodinamica și coliziunile. Compania descrie simularea oamenilor drept cel mai mare progres: personajele se mișcă natural, reacționează firesc la mediul înconjurător și pot fi ghidate interactiv, în timp real.

DeepMind descrie Genie 4 drept primul său model al lumii în timp real care generează sunet în mod nativ. Fiecare lume are sunetele ambientale specifice mediului său, de la vântul printre copaci la valurile care se sparg pe plajă. Modelul introduce și dialog interactiv, care se adaptează din mers, personajele purtând conversații și reacționând la comenzile utilizatorului sau la evenimentele din lume, totul în timp real.

Pentru evenimente complexe, cu mai mulți pași, Gemini 3.8 Flash acționează ca agent de ghidare în buclă. În timp ce Genie 4 generează o lume în timp real, Gemini observă continuu scena, descompune obiectivele într-o succesiune de pași și analizează cadrele primite pentru a verifica dacă fiecare pas a fost îndeplinit, adaptându-și planul pe măsură ce lumea se schimbă sau utilizatorul intervine. DeepMind afirmă că astfel devin posibile lumi cu relații cauzale fiabile, comportamente procedurale și raționament în mai mulți pași.

Compania a experimentat, de asemenea, folosind împreună Gemini 4 Argon și Genie 4 cu Gemini Robotics. Într-un exemplu documentat, Argon descompune în pași o sarcină indicată de utilizator, afișați alternativ sub formă de subtitrări text în timpul redării simulării, iar cele două sisteme simulează robotul umanoid Apollo al companiei Apptronik jucând dame; simularea se adaptează pe măsură ce sarcina avansează spre finalizare.

Testeri de încredere și activități viitoare

DeepMind descrie Genie 4 drept o etapă majoră în cercetare, deși modelul este încă într-un stadiu incipient și experimental, și afirmă că a colaborat cu grupuri de testeri de încredere din industriile creative, jurnalism, educație, jocuri și inginerie. Potrivit companiei, regizorii testează Genie 4 ca „mod de schițare” rapid pentru previzualizare și generarea de idei: pătrund într-o simulare live a unei scene și realizează mai multe duble în timp real, ajustând unghiurile camerei, iluminarea, dialogul și acțiunea. Fotoreporterii explorează cum o singură fotografie de arhivă 2D poate deveni, în câteva secunde, o simulare a mediului respectiv, ancorată în realitate, iar echipele testează cum lumile dinamice, populate, pot ajuta publicul să experimenteze spații istorice sau să vizualizeze desfășurarea unor fenomene de mediu de scurtă durată, precum viiturile rapide sau incendiile de vegetație.

Dezvoltatorii de jocuri și tehnologii creative testează dacă pot transforma o idee inițială într-un prototip explorabil în câteva secunde, verificând stiluri vizuale, estetica materialelor și mecanici interactive cu ajutorul instrucțiunilor în limbaj natural, înainte de a scrie cod pentru motorul de joc. Partenerii din mediul de afaceri evaluează Genie 4 ca instrument pentru generarea rapidă de scenarii de la zero la prima versiune și identifică lacune pe care DeepMind le-ar putea remedia pentru a răspunde mai bine nevoilor de simulare.

Privind spre viitor, DeepMind consideră că modelele hibride ale lumii reprezintă o direcție promițătoare pentru progresul viitor: sisteme care îmbină raționamentul logic și structurat al modelelor de cod și limbaj cu reprezentarea senzorială bogată a simulării la nivel de pixel. În această abordare, Gemini cartografiază structura și planifică în fundal firul narativ, în timp ce Genie generează realitatea fizică imediată, redând pixel cu pixel cum arată lumea, ce sunete se aud și cum reacționează aceasta.

Siguranță, limitări și disponibilitate

DeepMind afirmă că Genie 4 include măsuri stricte de protecție, conforme cu politicile de siguranță aplicate și celorlalte modele ale companiei, și că a evaluat modelul prin evaluări interne de siguranță înainte de lansarea versiunii de testare, pentru a preveni generarea de conținut dăunător sau rău intenționat. Compania spune că a ales să le ofere mai întâi acces la Genie 4 partenerilor de testare de încredere, pentru a obține feedback timpuriu. Toate videoclipurile și fișierele audio generate de Genie 4 vor include SynthID, tehnologia DeepMind de filigranare digitală imperceptibilă, care identifică materialele generate de IA în modalitățile vizuală și audio.

În ceea ce privește limitările, DeepMind precizează că, deși Genie 4 poate menține medii coerente în sesiuni scurte, detaliile vizuale și permanența obiectelor se pot modifica sau abate în timp, mai ales când simularea durează mai mult, după mai multe modificări complexe ale promptului sau în timpul deplasării printr-o scenă. Interacțiunile fizice complexe, acuratețea audio în timp real, redarea lizibilă a textului, acuratețea spațială și coerența pe termen lung rămân domenii active de cercetare.

Genie 4 îi urmează lui Genie 3, pe care DeepMind l-a anunțat pe 5 august 2025 și l-a descris drept primul său model al lumii care permitea interacțiunea în timp real. Genie 3 genera lumi dinamice în care utilizatorii se puteau deplasa cu 24 de cadre pe secundă, menținând coerența timp de câteva minute la o rezoluție de 720p, și a fost lansat ca versiune de testare limitată, destinată cercetării, pentru un grup restrâns de cadre universitare și creatori.

DeepMind afirmă că Genie 4 va fi disponibil în curând pentru abonații Google AI Ultra prin Project Genie și pentru partenerii cu acces anticipat prin Gemini API și Google AI Studio, iar lista de așteptare pentru Genie 4 în Project Genie este deschisă.