Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarTechCrunch→ original

Google DeepMind lança o Genie 4: mundo com som, edições em tempo real e cenas de até 2 minutos

O Google DeepMind lançou o Genie 4, um "modelo de mundo" que constrói, a partir de um texto, uma cena de jogo na qual é possível se mover e alterar a própria cena durante a execução. Enquanto a simulação roda, você pode digitar "que comece a chover" ou "adicione pedestres", e o modelo acompanha tudo com música, ruídos e falas. A cena permanece coerente por até dois minutos, o dobro do que o Genie 3 conseguia. Por enquanto, trata-se de uma prévia de pesquisa, mas estúdios e equipes de robótica já têm motivos para acompanhar a combinação entre Gemini e Genie.

Processado por IA de TechCrunch; editado por Hamidun News
Google DeepMind lança o Genie 4: mundo com som, edições em tempo real e cenas de até 2 minutos
Fonte: TechCrunch. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalTechCrunch ↗
Editor-chefe
Acessoatualmente para testadores fechados; em algumas semanas, para assinantes do Google AI Ultra
O Gemini atua como diretorplaneja os passos e verifica os quadros gerados pelo Genie
Pontos fracosos detalhes "derretem" com o tempo, e o texto dentro do mundo nem sempre é legível

Imagine iniciar uma cena de jogo a partir de uma descrição em texto e, sem parar a simulação, escrever: "que comece a chover" ou "adicione pedestres". O mundo muda diante dos seus olhos, e ainda há música, ruídos e falas dos personagens. Isso é o que o Genie 4 faz, o novo "modelo de mundo" do Google DeepMind, lançado em formato de prévia de pesquisa. Para desenvolvedores de jogos, simuladores e robôs, o sinal é claro: a geração interativa de ambientes está deixando de ser demonstração e começando a formar um mercado.

O que o Genie 4 faz

Um modelo de mundo é uma rede neural que não gera um vídeo pronto, e sim um espaço que reage às ações do usuário. Você se move, altera algo, e a imagem se reconstrói na hora. O Genie 3 foi lançado pouco mais de um ano atrás, também como prévia. A quarta versão traz algumas melhorias importantes.

Primeiro, a imagem ficou a mais fotorrealista e interativa de todos os mundos do Google. Segundo, surgiu o som, gerado em tempo real e adaptado ao que acontece na cena: música, ruídos de fundo e diálogos interativos. Terceiro, é possível editar a cena livremente durante a simulação: mudar o clima ou o ângulo da câmera, adicionar pessoas e objetos.

Há também um parâmetro numérico relevante. A cena mantém a coerência por até dois minutos, o dobro do que o Genie 3 conseguia. O Google também fala em física melhor e personagens mais "humanos". A empresa não divulgou números de velocidade, custo computacional ou tamanho do modelo, então, por enquanto, não é possível avaliar a economia da inferência.

Gemini como diretor, Genie como operador de câmera

Para os engenheiros, o mais interessante é a combinação com o Gemini. O modelo de linguagem atua como diretor: planeja os passos e verifica os quadros, enquanto o Genie renderiza a imagem. Em um experimento ligado ao Gemini Robotics, o modelo Gemini 4 Argon dividia a tarefa em etapas, e o Genie 4 simulava essas etapas em tempo real.

Na prática, isso significa que cenários para robôs podem ser testados primeiro em um mundo virtual e só depois executados no mundo real. É mais barato e mais seguro do que quebrar equipamentos. O diretor de pesquisa do Google, Tejas Kulkarni, chamou isso de futuro dos "modelos de mundo híbridos": o Gemini escreve código e texto, e o Genie transforma tudo em simulação em diferentes níveis de abstração.

Entre as aplicações comerciais, o Google cita jogos, aprendizado interativo e robótica. Para o ensino, há um exemplo ilustrativo: entrar dentro de um quadro com um enredo histórico e conversar com seus personagens. Os testadores fechados sugeriram mais um nicho, a prototipagem de filmes. O engenheiro da DeepMind Diego Rivas explicou que o modo em tempo real é valioso onde é preciso preservar o fluxo criativo, nas fases de ideias e storyboards. Depois, esses rascunhos poderão ser transformados em materiais finalizados com o Gemini Omni, mas essa possibilidade ainda está distante. Existe também o Veo, o modelo de vídeo do Google, que vem ganhando popularidade entre cineastas.

Limitações e o mercado em volta

O Google reconhece os pontos fracos. Quanto mais longa a simulação, mais os detalhes e objetos "derretem". A precisão do som ainda não é garantida, e o texto dentro do mundo nem sempre é legível. Rivas enfatizou que se trata de uma fase inicial e que o produto final para o usuário ainda não está definido.

O acesso também é restrito. Atualmente, o Genie 4 está disponível para testadores fechados. Nas próximas semanas, ele chegará aos assinantes do Google AI Ultra no Project Genie e aos parceiros de acesso antecipado da Gemini API e do Google AI Studio.

O contexto importa tanto quanto o modelo. Há alguns meses, a Runway lançou o segundo modelo de mundo, o GWM Worlds 2, também com som e reação às ações do usuário. Enquanto isso, o mercado começou a se consolidar: a World Labs, de Fei-Fei Li, está comprando a AMD, a Amazon negocia a compra da Decart, e a Rivian adquiriu a Third Dimension para desenvolver simulações internas de testes de veículos autônomos.

A conclusão para quem trabalha na área é esta. Se você desenvolve jogos, produtos educacionais ou testa robôs e pilotos automáticos, vale experimentar os modelos de mundo já agora, mas não é recomendável colocá-los em produção: dois minutos de estabilidade e a deriva de detalhes ainda limitam cenários longos. Fique de olho na chegada de acesso via API, que vai mostrar quanto custa esse tipo de simulação e se ela serve para trabalhos sérios.

História

Perguntas frequentes sobre a notícia

O que o Genie 4 faz?

Um modelo de mundo é uma rede neural que não gera um vídeo pronto, e sim um espaço que reage às ações do usuário. Você se move, altera algo, e a imagem se reconstrói na hora. O Genie 3 foi lançado pouco mais de um ano atrás, também como prévia. A quarta versão traz algumas melhorias importantes. Primeiro, a imagem ficou a mais fotorrealista e interativa de todos os mundos do Google. Segundo, surgiu o som, gerado em tempo real e adaptado ao que acontece na cena: música, ruídos de fundo e diálogos interativos.

O que se sabe sobre Gemini como diretor, Genie como operador de câmera?

Para os engenheiros, o mais interessante é a combinação com o Gemini. O modelo de linguagem atua como diretor: planeja os passos e verifica os quadros, enquanto o Genie renderiza a imagem. Em um experimento ligado ao Gemini Robotics, o modelo Gemini 4 Argon dividia a tarefa em etapas, e o Genie 4 simulava essas etapas em tempo real. Na prática, isso significa que cenários para robôs podem ser testados primeiro em um mundo virtual e só depois executados no mundo real.

O que se sabe sobre Limitações e o mercado em volta?

O Google reconhece os pontos fracos. Quanto mais longa a simulação, mais os detalhes e objetos "derretem". A precisão do som ainda não é garantida, e o texto dentro do mundo nem sempre é legível. Rivas enfatizou que se trata de uma fase inicial e que o produto final para o usuário ainda não está definido. O acesso também é restrito. Atualmente, o Genie 4 está disponível para testadores fechados.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…