Google DeepMind представила світову модель Genie 4 у режимі попереднього дослідницького тестування

27 жовтня 2026 року Google DeepMind оголосила про Genie 4 — свою нову світову модель для інтерактивного моделювання в реальному часі, — випустивши її для довірених тестувальників у режимі попереднього дослідницького тестування.

В оголошенні, авторами якого є Raia Hadsell, Diego Rivas і Hang Qi, Genie 4 описано як мультимодальну модель, що від початку генерує музику, фонові звуки й інтерактивні діалоги одночасно із симульованим світом. За словами DeepMind, модель «забезпечує безпрецедентну реалістичність і вдосконалює інтерактивне моделювання в реальному часі», а також підвищує фотореалістичність, забезпечує плавність рухів і генерує аудіо безпосередньо; супровідний звук у демонстраціях створює сама модель.

Модель використовує можливості сімейства Gemini та розвиває їх. Gemini Omni надає симуляціям реалістичний вигляд і поведінку, тоді як інші моделі Gemini забезпечують складні міркування, необхідні для підтримання цілісності й безперервності симуляції. Завдяки цій основі користувач може запустити певну подію, а Genie 4 змоделює її подальший перебіг: реакцію світу, його звучання, а також рухи, реакції й мовлення людей у ньому.

DeepMind вважає розуміння світу та його моделювання ключовим аспектом створення AGI. Компанія зазначає, що Genie 4 розширює її можливості зі створення безпечних симуляцій із безмежною кількістю варіантів, які можуть слугувати навчальним середовищем для роботів і агентів, а також основою для створення нових інтерактивних можливостей.

Чотири напрями можливостей

Демонстрації DeepMind — це записи взаємодії в реальному часі, під час якої користувачі досліджують світи за допомогою звичайних клавіш керування та камери, змінюючи сцену текстовими підказками в міру її розвитку. Перша з описаних можливостей — керування в реальному часі: користувач може змінювати симуляцію, що вже виконується, за допомогою звичайної мови, змінюючи погоду, переміщуючи камеру або додаючи нову людину чи предмет, а Gemini адаптує підказку з урахуванням контексту сцени. У проміжках між командами Gemini також відстежує сцену й керує нею, щоб світ розвивався послідовно.

Щодо фізики й людських дій, DeepMind стверджує, що Genie 4 встановлює новий стандарт реалістичності для інтерактивного моделювання в реальному часі, відтворюючи фізичні явища реального світу, зокрема аеродинаміку та зіткнення. Найбільшим поступом компанія називає моделювання людей: персонажі рухаються природно, органічно реагують на навколишнє середовище, а користувачі можуть інтерактивно керувати ними в реальному часі.

За словами DeepMind, Genie 4 — її перша світова модель реального часу, яка генерує аудіо безпосередньо. Кожен світ має характерні для свого оточення фонові звуки — від шелесту вітру в деревах до шуму хвиль, що розбиваються об берег. Модель також уперше пропонує інтерактивні діалоги, які адаптуються на ходу: персонажі розмовляють і реагують на команди користувача чи події у світі — і все це в реальному часі.

Для складних подій, що складаються з багатьох кроків, Gemini 3.8 Flash виконує роль агента-наставника в циклі взаємодії. Поки Genie 4 генерує світ у реальному часі, Gemini безперервно спостерігає за сценою, розбиває цілі на послідовність кроків і переглядає отримані кадри, щоб перевірити успішність кожного кроку, змінюючи свій план у міру змін у світі або втручання користувача. За словами DeepMind, це дає змогу створювати світи з надійними причинно-наслідковими зв’язками, процедурною поведінкою та здатністю до багатокрокових міркувань.

Компанія також експериментує з Gemini 4 Argon і Genie 4 у поєднанні з Gemini Robotics. В одному з описаних прикладів Argon розбиває поставлене користувачем завдання на кроки, які з’являються у вигляді текстових підписів під час відтворення симуляції, а дві системи моделюють гру в шашки за участю гуманоїдного робота Apollo від Apptronik; у міру виконання завдання симуляція адаптується.

Довірені тестувальники та подальша робота

DeepMind називає Genie 4 важливою віхою досліджень, хоча модель усе ще перебуває на ранньому, експериментальному етапі. Компанія співпрацює з групами довірених тестувальників у творчих індустріях, журналістиці, освіті, ігровій галузі та інженерії. За словами компанії, кінематографісти тестують Genie 4 як швидкий «режим чернетки» для попередньої візуалізації та розробки ідей: вони занурюються в живу симуляцію сцени й у реальному часі створюють кілька дублів, змінюючи ракурси камери, освітлення, діалоги та дії. Фотожурналісти досліджують, як за лічені секунди перетворити одну архівну 2D-фотографію на реалістичну симуляцію зображеного на ній середовища, а команди перевіряють, як населені й динамічні світи можуть допомогти аудиторії побувати в історичних місцях або побачити, як розгортаються короткочасні явища довкілля, наприклад раптові повені чи лісові пожежі.

Розробники ігор і фахівці з творчих технологій перевіряють, чи можна за лічені секунди перетворити початкову ідею на прототип, доступний для дослідження, а також оцінити візуальні стилі, естетику матеріалів та інтерактивні механіки за допомогою підказок звичайною мовою — ще до написання коду для ігрового рушія. Корпоративні партнери оцінюють Genie 4 як інструмент для швидкого створення сценаріїв із нуля та виявляють прогалини, які DeepMind могла б усунути, щоб краще задовольняти потреби в моделюванні.

На перспективу DeepMind вважає гібридні моделі світу перспективним напрямом подальшого розвитку: це системи, що поєднують логічне структуроване міркування кодових і мовних моделей із насиченим сенсорним представленням симуляції на рівні пікселів. У цьому підході Gemini непомітно для користувача визначає структуру й планує послідовність подій, а Genie генерує безпосередню фізичну реальність, відтворюючи піксель за пікселем те, який вигляд має світ, як він звучить і як реагує.

Безпека, обмеження та доступність

У DeepMind заявляють, що Genie 4 має суворі запобіжники безпеки, які відповідають політикам безпеки компанії щодо інших моделей, а перед запуском попередньої версії модель пройшла внутрішні перевірки безпеки, покликані запобігти створенню шкідливого або зловмисного контенту. Компанія повідомляє, що спершу навмисно надала Genie 4 партнерам із числа довірених тестувальників, щоб отримати перші відгуки. Усі відео й аудіо, створені Genie 4, міститимуть SynthID — непомітну цифрову технологію водяних знаків від DeepMind, призначену для виявлення контенту, згенерованого ШІ, у візуальному й аудіоформатах.

Щодо обмежень, у DeepMind зазначають, що Genie 4 здатна підтримувати цілісність середовища протягом коротких сеансів, однак візуальні деталі та сталість об’єктів усе ще можуть змінюватися або поступово відхилятися з часом, особливо коли симуляція триває довше, після кількох складних змін у запитах або під час переміщення сценою. Складна фізична взаємодія, точність аудіо в реальному часі, чітке відтворення тексту, просторова точність і довгострокова узгодженість залишаються активними напрямами поточних досліджень.

На зміну Genie 3 приходить Genie 4. DeepMind анонсувала Genie 3 5 серпня 2025 року й назвала її своєю першою моделлю світу, що дає змогу взаємодіяти з нею в реальному часі. Genie 3 генерувала динамічні світи, якими користувачі могли пересуватися зі швидкістю 24 кадри на секунду; цілісність таких світів зберігалася протягом кількох хвилин за роздільної здатності 720p. Модель випустили як обмежену дослідницьку попередню версію для невеликої групи науковців і творців контенту.

За словами DeepMind, невдовзі Genie 4 стане доступною передплатникам Google AI Ultra у Project Genie та партнерам із раннім доступом через Gemini API і Google AI Studio. Запис до списку очікування на Genie 4 у Project Genie вже відкрито.