Модель мира Genie 4 от Google DeepMind способна удерживать согласованную интерактивную сцену до двух минут — вдвое дольше предшественника Genie 3. Она генерирует не только картинку, но и звук, а пользователь может текстом менять погоду, ракурс или состав объектов прямо по ходу симуляции. Для разработчиков игр, робототехники и креативных команд это ещё один сигнал: генеративный ИИ всё меньше похож на инструмент для выпуска коротких роликов и всё больше — на среду, с которой можно взаимодействовать.
Новая система вышла в формате исследовательского превью для ограниченного круга тестировщиков, сообщает TechCrunch. В ближайшие недели Google планирует открыть доступ подписчикам Google AI Ultra через Project Genie, а также ранним партнёрам Gemini API и Google AI Studio. Полноценного готового продукта компания пока не обещает: команда прямо говорит, что ищет, каким должно быть конечное пользовательское решение.
В основе Genie 4 — генерация мира в реальном времени. Вместо заранее просчитанной сцены пользователь получает пространство, которое отвечает на действия и новые инструкции. Можно, например, попросить изменить освещение, добавить персонажа или предмет, переключить камеру. Одновременно модель создаёт фоновый шум, музыку и диалоги, которые должны соответствовать происходящему в кадре. Это заметное усложнение задачи: синхронизировать видео и аудио в коротком клипе уже непросто, а здесь система должна делать это в изменяемой интерактивной среде.
Google заявляет о более реалистичной физике и персонажах, которые выглядят человечнее, чем в Genie 3. Самое измеримое улучшение — длительность сохранения состояния: сцена может оставаться последовательной до двух минут. Для демонстраций это уже не один эффектный проход камеры, а отрезок, в котором можно проверить несколько действий подряд. Однако до устойчивой симуляции уровня игрового движка или инженерного стенда ещё далеко. Разработчики DeepMind признают, что детали и объекты могут «дрейфовать» по мере продолжения работы, а точность звука и читаемость текста внутри мира остаются нерешёнными проблемами.
Отдельная роль отведена Gemini. В связке с Genie она выступает не генератором пикселей, а условным режиссёром: планирует последовательность шагов и проверяет кадры, пока Genie строит визуальную часть. В эксперименте, связанном с Gemini Robotics, модель Gemini 4 Argon разбивала задачу на этапы, а Genie 4 моделировала их в реальном времени. Практический смысл понятен: прежде чем робот столкнётся с дорогой ошибкой в физическом мире, сценарий можно прогнать в синтетической среде. Правда, из описания эксперимента пока не следует, что такую симуляцию можно считать точной заменой реального тестового контура.
Рынок движется именно в эту сторону. За несколько месяцев до анонса Google стартап Runway представил GWM Worlds 2 — игровую модель мира, реагирующую на ввод пользователя и создающую звук. Параллельно вокруг технологий симуляции идёт консолидация: AMD приобретает World Labs Фэй-Фэй Ли, Amazon, по данным издания, ведёт переговоры о покупке Decart, а Rivian купила Third Dimension для тестирования систем автономного вождения. Причина проста: статичный контент легко показать на демо, но деньги и прикладная ценность лежат в системах, где ИИ сохраняет контекст, реагирует на действия и допускает управляемую проверку сценариев.
Для игровых студий и продакт-команд модель мира Genie 4 может стать быстрым инструментом на ранней стадии: проверить атмосферу уровня, движение камеры, идею интерактивной сцены или раскадровку, не собирая прототип в движке. Для обучения — разыгрывать ситуации, в которых пользователь не просто смотрит на реконструкцию события, а взаимодействует с ней. DeepMind также видит применение в создании фильмов: тестировщики указывают на этапы поиска идей и сторибординга, где особенно важен непрерывный творческий поток. Но превращать такие прототипы в финальные ассеты компания пока не предлагает; инженер DeepMind Диего Ривас говорит о такой перспективе лишь в связке с будущими возможностями Gemini Omni.
Главный вопрос для рынка — не сможет ли генеративная среда выглядеть убедительнее, чем она умеет быть надёжной. Две минуты согласованного мира со звуком — сильный шаг для исследований, но для промышленного применения понадобятся предсказуемость, контроль ограничений и понятная проверка ошибок. Если Google научится удерживать эти свойства не в красивой демонстрации, а в повторяемом рабочем процессе, модель мира Genie 4 станет интересна не только авторам концептов, но и командам, которые строят продукты с реальными последствиями. Подробнее о релизе — в материале .
