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 radarThe Decoder→ original

DeepMind mostra o Genie 4: um mundo em tempo real com som e diálogos

O Google DeepMind mostrou o Genie 4, um modelo de mundo que calcula a cena quadro a quadro enquanto você se movimenta por ela com o teclado. Pela primeira vez, o modelo gera o próprio som: ruído de vento e falas dos personagens que reagem às suas ações. Quem cuida do plano de eventos em segundo plano é o Gemini 3.8 Flash, que divide o objetivo em etapas e confere cada uma com os novos quadros. A versão ainda está em prévia fechada, mas mundos assim podem virar ambientes de treinamento para robôs e agentes.

Processado por IA de The Decoder; editado por Hamidun News
DeepMind mostra o Genie 4: um mundo em tempo real com som e diálogos
Fonte: The Decoder. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalThe Decoder ↗
Editor-chefe
Dado-chave #1Acesso atualmente restrito a testadores selecionados, com previsão de chegar depois aos assinantes do Google AI Ultra
Dado-chave #2Na demonstração, o robô humanoide Apollo, da Apptronik, joga damas numa simulação, sem robô real envolvido
Dado-chave #3Em sessões longas, os detalhes "escorregam" e objetos desaparecem após a troca de prompts

O Google DeepMind apresentou o Genie 4, sucessor do Genie 3, que a empresa mostrou em agosto de 2025. Trata-se de um "modelo de mundo": em vez de entregar um vídeo pronto, ele calcula o espaço virtual durante a própria interação. Você se move pela cena com o teclado, escreve comandos de texto e o mundo responde. A principal novidade desta versão é que, pela primeira vez, o DeepMind faz com que o modelo gere sozinho o som e os diálogos. Para desenvolvedores de jogos, simuladores e robótica, isso indica para onde caminham os ambientes interativos.

O que o Genie 4 faz

Imagine não um player de vídeo, mas um cenário vivo. Cada quadro é desenhado de novo, levando em conta para onde você virou e o que escreveu. Agora cada mundo tem trilha sonora própria, como o vento nas árvores. Os personagens podem conversar entre si e reagir às suas ações ou a eventos da cena, e as falas aparecem em tempo real.

O DeepMind destaca sobretudo a forma como o modelo representa pessoas. Segundo a empresa, os personagens se movem de maneira mais natural, levam o ambiente em conta e podem ser controlados diretamente. A base está nos recursos do modelo de vídeo Gemini Omni, responsável pela aparência verossímil e pelo comportamento do mundo.

O Gemini como diretor de bastidores

A parte mais interessante é a arquitetura da "direção". O próprio Genie 4 cuida da imagem e do som, mas quem ajuda a decidir o que acontece em seguida são os modelos Gemini. Se você muda o clima por comando, o Gemini ajusta essa instrução à cena que já está em curso, em vez de simplesmente colocar chuva por cima de tudo. Entre as suas ações, ele também dá continuidade aos acontecimentos para que o mundo não fique parado.

O DeepMind explica isso em tarefas de várias etapas. O Gemini 3.8 Flash observa a cena o tempo todo, divide o objetivo em passos e verifica, com base nos novos quadros, se cada passo foi concluído. Se o mundo mudou ou o usuário interveio, o modelo refaz o plano. Na prática, é o conhecido ciclo de agente "observa — planeja — age — verifica", só que o ambiente agora é uma simulação em vez de um navegador ou um terminal.

Há também uma ligação com a robótica. O DeepMind testa o Gemini 4 Argon para conectar o Genie às pesquisas do Gemini Robotics. Na demonstração, o Argon quebra a partida de damas em etapas e as envia ao Genie 4 como instruções em texto. O modelo simula como o robô humanoide Apollo, da Apptronik, joga damas. Não há robô real nessa demonstração.

Limitações e acesso

A própria empresa define o Genie 4 como um modelo experimental inicial. Em sessões curtas, o mundo se mantém coerente. Em simulações longas, e também depois de algumas trocas complexas de prompt, os detalhes visuais podem "escorregar" e os objetos nem sempre permanecem. O DeepMind continua trabalhando na interação física complexa, no som preciso em tempo real e no texto legível dentro do quadro.

O acesso ainda é limitado: a prévia foi liberada a testadores selecionados. Depois, a promessa é disponibilizar o modelo aos assinantes do Google AI Ultra no aplicativo web Project Genie, além de parceiros com acesso antecipado à Gemini API e ao Google AI Studio. Todos os vídeos e áudios serão marcados com a marca d'água invisível SynthID, que identifica conteúdo criado por IA.

Por que isso importa para quem desenvolve

Por enquanto, o Genie 4 é uma demonstração, não um produto em que dá para se apoiar no desenvolvimento. Mas a direção está clara. O DeepMind vê na combinação de Gemini e Genie o primeiro passo rumo a modelos de mundo híbridos, em que o raciocínio dos modelos de linguagem e de código se une à simulação no nível dos pixels. Se esses mundos amadurecerem, será possível treinar robôs e agentes de IA com experiência simulada, e não apenas com datasets prontos.

Para product managers e fundadores, a conclusão é simples: acompanhem a API e o AI Studio. Se o acesso for aberto, protótipos interativos, simuladores e ambientes de teste para agentes devem ficar mais baratos. Até lá, vale ter em mente os pontos fracos: a instabilidade em sessões longas e a física, justamente onde a simulação mais costuma se afastar da realidade.

História

Perguntas frequentes sobre a notícia

O que o Genie 4 faz?

Imagine não um player de vídeo, mas um cenário vivo. Cada quadro é desenhado de novo, levando em conta para onde você virou e o que escreveu. Agora cada mundo tem trilha sonora própria, como o vento nas árvores. Os personagens podem conversar entre si e reagir às suas ações ou a eventos da cena, e as falas aparecem em tempo real. O DeepMind destaca sobretudo a forma como o modelo representa pessoas.

O que se sabe sobre O Gemini como diretor de bastidores?

A parte mais interessante é a arquitetura da "direção". O próprio Genie 4 cuida da imagem e do som, mas quem ajuda a decidir o que acontece em seguida são os modelos Gemini. Se você muda o clima por comando, o Gemini ajusta essa instrução à cena que já está em curso, em vez de simplesmente colocar chuva por cima de tudo. Entre as suas ações, ele também dá continuidade aos acontecimentos para que o mundo não fique parado. O DeepMind explica isso em tarefas de várias etapas.

O que se sabe sobre Limitações e acesso?

A própria empresa define o Genie 4 como um modelo experimental inicial. Em sessões curtas, o mundo se mantém coerente. Em simulações longas, e também depois de algumas trocas complexas de prompt, os detalhes visuais podem "escorregar" e os objetos nem sempre permanecem. O DeepMind continua trabalhando na interação física complexa, no som preciso em tempo real e no texto legível dentro do quadro. O acesso ainda é limitado: a prévia foi liberada a testadores selecionados.

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…