Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
РелизAPI / Продукт · В работуTechCrunch→ оригинал

Google DeepMind выпустила Genie 4: мир со звуком, правками на ходу и сценой до 2 минут

Google DeepMind выпустила Genie 4 — «модель мира», которая по тексту строит игровую сцену, где можно двигаться, а саму сцену менять на ходу. Прямо во время симуляции вы пишете «пусть пойдёт дождь» или «добавь прохожих», а модель сама озвучивает происходящее музыкой, шумами и репликами. Сцена остаётся связной до двух минут, вдвое дольше, чем у Genie 3. Пока это превью, но студиям и командам робототехники уже стоит присмотреться к связке Gemini и Genie.\n\n• Доступ: сейчас закрытые тестеры, через несколько недель — Google AI Ultra\n• Gemini играет режиссёра: планирует шаги и проверяет кадры Genie\n• Слабые места: детали «плывут», текст внутри мира бывает нечитаемым

AI-обработка оригинала TechCrunch; редакция Hamidun News
Google DeepMind выпустила Genie 4: мир со звуком, правками на ходу и сценой до 2 минут
Источник: TechCrunch. Коллаж: Hamidun News.
Слушать статью

Представьте, что вы запускаете игровую сцену по текстовому описанию, а потом, не останавливая её, пишете: «пусть пойдёт дождь» или «добавь прохожих». Мир меняется прямо на глазах, и ещё звучит музыка, шумы и реплики героев. Такое умеет Genie 4, новая «модель мира» от Google DeepMind, выпущенная в формате research preview. Для разработчиков игр, симуляторов и роботов это сигнал: интерактивная генерация среды выходит из стадии демки, и вокруг неё уже складывается рынок.

Что умеет Genie 4

Модель мира — это нейросеть, которая рисует не готовый ролик, а пространство, реагирующее на действия пользователя. Вы двигаетесь, что-то меняете, и картинка перестраивается сразу. Genie 3 вышла чуть больше года назад, тоже в виде превью. В четвёртой версии есть несколько заметных улучшений.

Во-первых, картинка стала самой фотореалистичной и интерактивной из всех миров Google. Во-вторых, появился звук, который генерируется в реальном времени и подстраивается под происходящее: музыка, фоновые шумы и интерактивные диалоги. В-третьих, сцену можно свободно править прямо во время симуляции: менять погоду или ракурс камеры, добавлять людей и предметы.

Есть и важный числовой параметр. Сцена сохраняет связность до двух минут, то есть вдвое дольше, чем у Genie 3. Google также говорит о лучшей физике и более «человечных» персонажах. Цифр по скорости, стоимости вычислений и размеру модели компания не приводит, поэтому экономику инференса пока оценить нельзя.

Gemini как режиссёр, а Genie как оператор

Для инженеров интереснее всего связка с Gemini. Языковая модель работает как режиссёр: планирует шаги и проверяет кадры, пока Genie рисует картинку. В эксперименте, связанном с Gemini Robotics, модель Gemini 4 Argon разбивала задачу на шаги, а Genie 4 симулировала их в реальном времени.

Практический смысл такой: сценарии для роботов можно сначала прогнать в виртуальном мире, а уже потом запускать в реальном. Это дешевле и безопаснее, чем ломать железо. Директор по исследованиям Google Теджас Кулкарни назвал это будущим «гибридных моделей мира»: Gemini пишет код и текст, а Genie на лету превращает их в симуляцию на разных уровнях абстракции.

Из коммерческих применений Google называет игры, интерактивное обучение и робототехнику. Для обучения приводят образный пример: зайти внутрь картины с историческим сюжетом и поговорить с её героями. Закрытые тестировщики подсказали ещё одну нишу — прототипирование фильмов. Инженер DeepMind Диего Ривас объяснил, что режим реального времени ценен там, где нужно сохранять творческий поток: на этапе идей и раскадровок. Позже такие наброски можно будет превращать в готовые материалы через Gemini Omni, но эта возможность пока далека. Рядом существует и Veo, видеомодель Google, которая набирает популярность у кинематографистов.

Ограничения и рынок вокруг

Google признаёт слабые места. Чем дольше идёт симуляция, тем сильнее «плывут» детали и объекты. Точность звука пока не гарантирована, а текст внутри мира не всегда читается. Ривас подчеркнул, что это ранняя стадия и итоговый пользовательский продукт ещё не определён.

Доступ тоже ограничен. Сейчас Genie 4 доступна закрытым тестировщикам. В ближайшие недели она появится у подписчиков Google AI Ultra в Project Genie и у партнёров раннего доступа Gemini API и Google AI Studio.

Контекст важен не меньше самой модели. Пару месяцев назад Runway выпустила вторую модель мира, GWM Worlds 2, тоже со звуком и реакцией на действия пользователя. Рынок при этом начал консолидироваться: World Labs Фэй-Фэй Ли покупает AMD, Amazon ведёт переговоры о покупке Decart, а Rivian приобрела Third Dimension, чтобы развивать симуляции для тестов беспилотников внутри компании.

Вывод для практиков такой. Если вы делаете игры, обучающие продукты или тестируете роботов и автопилоты, модели мира стоит пробовать уже сейчас, но не закладывать их в продакшн: две минуты стабильности и дрейф деталей пока ограничивают длинные сценарии. Следите за появлением API-доступа: он покажет, сколько стоит такая симуляция и годится ли она для серьёзной работы.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: что умеет Genie 4?

Модель мира — это нейросеть, которая рисует не готовый ролик, а пространство, реагирующее на действия пользователя. Вы двигаетесь, что-то меняете, и картинка перестраивается сразу. Genie 3 вышла чуть больше года назад, тоже в виде превью. В четвёртой версии есть несколько заметных улучшений. Во-первых, картинка стала самой фотореалистичной и интерактивной из всех миров Google.

Что известно по теме: Gemini как режиссёр, а Genie как оператор?

Для инженеров интереснее всего связка с Gemini. Языковая модель работает как режиссёр: планирует шаги и проверяет кадры, пока Genie рисует картинку. В эксперименте, связанном с Gemini Robotics, модель Gemini 4 Argon разбивала задачу на шаги, а Genie 4 симулировала их в реальном времени. Практический смысл такой: сценарии для роботов можно сначала прогнать в виртуальном мире, а уже потом запускать в реальном. Это дешевле и безопаснее, чем ломать железо.

Что известно по теме: ограничения и рынок вокруг?

Google признаёт слабые места. Чем дольше идёт симуляция, тем сильнее «плывут» детали и объекты. Точность звука пока не гарантирована, а текст внутри мира не всегда читается. Ривас подчеркнул, что это ранняя стадия и итоговый пользовательский продукт ещё не определён. Доступ тоже ограничен. Сейчас Genie 4 доступна закрытым тестировщикам. В ближайшие недели она появится у подписчиков Google AI Ultra в Project Genie и у партнёров раннего доступа Gemini API и Google AI Studio. Контекст важен не меньше самой модели.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Единое AI-пространство · Nomad

Протестируйте новые LLM и мультимодальные модели в одном окне

Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.

Открыть Nomad AI →Автономный Nomad Agent
Что вы думаете?
Загружаем комментарии…