Що змінює Genie 4 для кожного, хто хоче світ, що відповідає?

Genie 4 — це модель, що будує рухомий, звучний світ із запиту, а потім дозволяє переформувати його під час відтворення. Оголошення з'явилося 27 жовтня 2026 року. Рая Хадселл очолює публікацію разом із Дієго Рівасом і Хен Ці.

Одна модель, що сприймає і розуміє

Архітектура поєднує дві родини. Gemini Omni забезпечує візуальне ґрунтування — реальний вигляд і поведінку. Інші моделі Gemini дають розуміння, що тримає симуляцію узгодженою хвилинами. Genie 4 саме по собі нативно мультимодальна. Музика та навколишній шум з'являються поруч із інтерактивними діалогами в тому ж прямому проході, що й пікселі. Ви запускаєте подію, а модель симулює, що станеться далі — як світ реагує, як це звучить, як люди в ньому рухаються і відповідають. Вони ще й говорять.

Чотири здатності, що демонстрація підкреслює

По-перше, керування в реальному часі природною мовою. Користувач пише «зміни погоду» або «додай людину», а сцена адаптується без перезавантаження. Між введеннями Gemini стежить за сценою і тримає її узгодженим розвитком.

По-друге, стрибок у фізичному реалізмі. Модель симулює аеродинаміку та зіткнення. Рух людей виглядає природно. Персонажі органічно реагують на рельєф і об'єкти; вони також відповідають один одному, і їх можна керувати інтерактивно.

По-третє, нативна генерація аудіо. Кожне середовище несе власну атмосферу — вітер у деревах, хвилі на пляжі. Грань — мова: персонажі розмовляють і реагують на ваші введення чи події у світі, усе в реальному часі.

По-четверте, багатоетапне мислення через керівний агент. Gemini 3.8 Flash спостерігає за згенерованими кадрами. Він розбиває мету на кроки, перевіряє кожен. Коли світ змінюється або користувач втручається — агент переплановує. Це дає надійну причинність і процедурну поведінку всередині симуляції.

Як працює цикл Gemini на практиці

У одному дослідницькому кліпі Universal Robots UR5 тримає піпетку і дозує рідину в лабораторну пластинку, викликаючи дрібні електричні іскри. У іншому — гуманоїд Apptronik Apollo грає у шашки. Gemini 4 Argon розбиває завдання на кроки, подає їх як текстові підписи Genie 4, а симуляція відтворює кожен хід у момент прийняття рішення. Той самий цикл дозволяє користувачеві задати завдання, спостерігати за розгортанням плану і перенаправити його посеред процесу.

Хто може доторкнутися сьогодні

Модель виходить як дослідницький прев'ю для довірених тестерів. Перша хвиля включає передплатників Google AI Ultra у Project Genie та партнерів із раннім доступом до Gemini API і Google AI Studio. Відкритий список очікування для Project Genie вже працює. У публікації немає даних про кількість тестерів у когорті чи терміни ширшого релізу.

Де тестери бачать миттєву цінність

Творчі директори використовують це як швидкий режим чернетки для попередньої візуалізації. Кінорежисери вступають у живу сцену і роблять кілька дублів. Вони регулюють камеру та світло. Потім змінюють діалоги та дію на льоту. Фотожурналісти перетворюють одне архівне фото на населену, динамічну симуляцію за секунди. Розробники ігор створюють прототипи візуальних стилів та матеріальної естетики, потім інтерактивні механіки через промпти — до написання кодового коду. Корпоративні партнери оцінюють інструмент для швидкої генерації сценаріїв у робототехніці та інших робочих процесах, важких на симуляцію.

Гібридний напрямок уперед

DeepMind описує перспективний шлях: гібридні світові моделі, що поєднують структуроване мислення кодових і мовних моделей із багатим сенсорним представленням піксельного рівня симуляції. Gemini відображатиме структуру і плануватиме наративну хронологію; Genie відтворюватиме безпосередню фізичну реальність. Публікація зупиняється на цьому контурі — без часових ліній, бенчмарків, зобов'язань щодо продуктового плану.

Посилання на список очікування — єдиний конкретний наступний крок, що пропонує оголошення.