Google DeepMind представила Genie 4 — новую версию своей мировой модели в формате исследовательского превью. По информации компании, Genie 4 создаёт наиболее фот réalистичные и интерактивные миры на данный момент, позволяя пользователям в реальном времени менять сцену по промптам прямо во время симуляции, а модель дополнительно синтезирует аудио, соответствующее происходящему, включая музыку, фоновый шум и интерактивный диалог. Это подчёркнуто как значительный шаг вперёд по сравнению с Genie 3, который выпускался чуть более года назад. Аудио поддерживает синхронно к происходящему на экране, и сам мир может оставаться согласованным на протяжении до двух минут, что вдвое дольше прежнего ограничения.

Контекст выпуска включает давление на рынке подобных систем: на фоне Genie 4 другие игроки представили динамически реагирующие модели, например GWM Worlds 2 от Runway с поддержкой аудио. Одновременно индустрия начинает консолидироваться: World Labs Фи-фи Li может быть поглощена AMD, Amazon ведёт переговоры о покупке Decart, а Rivian приобрела Third Dimension, чтобы встроить симуляционные возможности для тестирования автономного вождения в рамках компании.

Genie 4 сохраняет и расширяет возможности предшественницы: Genie 3 представлял собой исследовательский превью; новая версия добавляет свободу редактирования сцен — можно менять погодные условия, угол обзора камеры и добавлять персонажей или объекты в реальном времени. Она поддерживает удержание консистентности кадра до двух минут и обещает улучшенную физику и более человечных персонажей, по сравнению с прошлой версией.

В связке с Gemini, собственной моделью Google, Genie 4 получает роль дирижёра, планируя шаги и проверяя кадры, пока Genie создаёт визуализацию. В эксперименте Gemini Robotics, где Gemini 4 Argon разбивала задачи на этапы, Genie 4 моделировала их в реальном времени, демонстрируя возможный путь тестирования роботизированных сценариев в симуляции до их реализации в мире.

Google подчёркивает, что это ещё ранние этапы проекта и неясно, как будет выглядеть конечный пользовательский опыт. Команда признаёт, что при длительных симуляциях детали и объекты могут смещаться, и до сих пор не решены вопросы точности аудио и читаемости текстов внутри мира. Также в рамках briefing упоминалось, что Genie 4 пока ещё не имеет полного охвата функций и ясно не известно, каким будет конечный продукт.