Google DeepMind 10 27 выпустила четвертое поколение модели мира Genie 4: она в реальном времени генерирует интерактивные миры на основе текста или изображений, в которых можно перемещаться с помощью клавиатуры и вращать камеру, а также впервые одновременно генерирует звуки окружения, музыку и диалоги персонажей; в настоящее время доступна только доверенным тестировщикам в качестве исследовательского превью.
Уверенность: высокая (100) · Время события 2026-10-27
Обоснование
- Официально заявлены четыре основных улучшения: изменение сцен в реальном времени с помощью естественного языка (изменение погоды, перемещение камеры, добавление людей или объектов); более реалистичная физика и движения персонажей; нативная генерация аудио, позволяющая персонажам вести диалоги в реальном времени и реагировать на ввод пользователя; использование Gemini 3.8 Flash в качестве «агента-наставника», который постоянно наблюдает за кадром, разбивает цели на шаги и проверяет выполнение каждого шага покадрово, что повышает надежность многошаговых причинно-следственных связей.
- DeepMind позиционирует модели мира как обучающую среду для роботов и агентов: в блоге продемонстрировано, как Gemini 4 Argon разбивает задачу на шаги и в реальном времени управляет симуляцией Genie 4 для игры в шашки с помощью человекоподобного робота Apollo от Apptronik.
- Официально сообщается, что доверенные тестировщики используют технологию для предпросмотра видеороликов, превращения исторических фотографий в интерактивные сцены, прототипирования игр и моделирования корпоративных сценариев.
- Ars Technica отмечает, что предыдущее поколение Genie 3 было доступно только в рамках ограниченного веб-опыта Project Genie; в этот раз официально представлен план открытого доступа для подписчиков Ultra и пользователей Gemini API.
Использование
- Можно записаться в лист ожидания Project Genie (ссылка находится в верхней части блога DeepMind). Официально сообщается, что сначала доступ будет предоставлен подписчикам Google AI Ultra (Project Genie), а также ранним партнерам Gemini API и Google AI Studio; конкретные сроки и цены не указаны.
- Официально заявлено, что все видео и аудио, генерируемые Genie 4, содержат невидимый водяной знак SynthID.
Риски
- TechCrunch сообщает, что сцены могут оставаться согласованными примерно две минуты, что вдвое больше, чем у Genie 3; в официальном тексте указано лишь «сохранение согласованности в течение коротких сессий» без указания конкретной продолжительности.
- Официально перечисленные ограничения: чем дольше работает система и чем больше изменений вносится, тем сильнее могут искажаться детали изображения и постоянство объектов; сложные физические взаимодействия, точность аудио в реальном времени, рендеринг текста, пространственная точность и долгосрочная согласованность все еще находятся на стадии исследований.
- Доступны только отобранные официальные демонстрации, публичные оценочные данные отсутствуют; сроки открытого доступа не определены, Ars Technica отмечает, что цена будет высокой.
Открыть · TechCrunch · Ars Technica · The Verge · SiliconANGLE