Google показала Genie 4: миры с физикой, звуком и «режиссёром» Gemini
Google DeepMind представила Genie 4 — «мировую» модель, которая не просто рисует ролик, а поддерживает интерактивную сцену в реальном времени. Пользователь может менять погоду, ракурс, объект или персонажа текстовой командой; система должна перестроить происходящее по ходу симуляции. Вместе с картинкой она генерирует окружающий звук и диалог персонажей.
Главное ограничение важнее эффектного демо: это пока не продукт для свободного доступа. Google DeepMind запустила Genie 4 как исследовательское превью для доверенных тестировщиков. Позже компания обещает доступ подписчикам Google AI Ultra в Project Genie и ранним партнёрам Gemini API и Google AI Studio.
Внутри симуляции работает ещё один агент
За связность сложной сцены отвечает не только сама Genie. DeepMind пишет, что Gemini 3.8 Flash постоянно наблюдает за кадрами, раскладывает цель на шаги и проверяет, достигнут ли очередной шаг. Если пользователь вмешивается, план корректируется. Это делает Genie 4 любопытной не только для игровых миров: компания прямо называет тренировочные среды для роботов и агентов.
https://www.youtube.com/watch?v=sFfPkUJd_Jk
В официальном видео видны примеры управления миром с клавиатуры и текстом. Видео: Google DeepMind.
Реализм ещё не означает надёжность
Google заявляет о нативном аудио, более естественном движении людей и физике вроде столкновений и аэродинамики. Но сама же компания перечисляет слабые места: в длинной сессии после серии сложных правок могут «плыть» детали и постоянство объектов; текст, пространственная точность и сложные физические взаимодействия остаются задачами исследования.
Именно поэтому полезнее смотреть на Genie 4 как на быстрый полигон для гипотез, а не как на замену движка, физического симулятора или проверки робота в реальном мире. Возможность быстро проиграть сценарий ценна — но правдоподобная картинка ещё не является доказательством, что сценарий будет работать вне экрана.
