DeepMind показала Genie 4: мир в реальном времени со звуком и диалогами
Google DeepMind показала Genie 4 — модель мира, которая считает сцену кадр за кадром, пока вы ходите по ней с клавиатуры. Впервые у неё есть свой звук: шум ветра и реплики персонажей, которые реагируют на ваши действия. Планом событий в фоне занимается Gemini 3.8 Flash: делит цель на шаги и сверяет их с новыми кадрами. Пока это закрытое превью, но такие миры могут стать тренажёрами для роботов и агентов.
AI-обработка оригинала The Decoder; редакция Hamidun News
Google DeepMind представила Genie 4 — преемника Genie 3, который компания показывала в августе 2025 года. Это «модель мира»: она не выдаёт готовый ролик, а просчитывает виртуальное пространство прямо во время игры. Вы двигаетесь по сцене с клавиатуры, пишете текстовые команды, и мир отвечает. Главная новинка этой версии в том, что она впервые у DeepMind сама генерирует звук и диалоги. Для разработчиков игр, симуляторов и роботов это сигнал о том, куда движутся интерактивные среды.
Что умеет Genie 4
Представьте не видеоплеер, а живую декорацию. Каждый кадр рисуется заново с учётом того, куда вы повернули и что написали. Теперь у каждого мира есть собственный фон: например, ветер в деревьях. Персонажи могут разговаривать друг с другом и реагировать на ваши действия или события в сцене, причём реплики появляются в реальном времени.
Больше всего DeepMind гордится тем, как модель рисует людей. По словам компании, персонажи двигаются естественнее, учитывают окружение, и ими можно управлять напрямую. В основе лежат возможности видеомодели Gemini Omni, которая отвечает за правдоподобный вид и поведение мира.
Gemini как режиссёр за кулисами
Самая интересная часть — устройство «режиссуры». Сама Genie 4 отвечает за картинку и звук, а вот решать, что произойдёт дальше, ей помогают модели Gemini. Если вы командой меняете погоду, Gemini подстраивает это указание под уже идущую сцену, а не просто включает дождь поверх всего. Между вашими действиями она же продолжает развивать события, чтобы мир не замирал.
DeepMind объясняет это на многошаговых задачах. Gemini 3.8 Flash постоянно смотрит на сцену, делит цель на шаги и по новым кадрам проверяет, получился ли очередной шаг. Если мир изменился или вмешался пользователь, модель перестраивает план. Фактически это знакомый цикл агента «наблюдай — планируй — действуй — проверяй», только вместо браузера или терминала его средой стала симуляция.
Есть и связь с робототехникой. DeepMind тестирует Gemini 4 Argon, чтобы связать Genie с исследованиями Gemini Robotics. В демо Argon разбивает игру в шашки на шаги и передаёт их Genie 4 как текстовые инструкции. Модель симулирует, как гуманоидный робот Apollo от Apptronik играет в шашки. Реального робота при этом нет.
Ограничения и доступ
Компания сама называет Genie 4 ранней экспериментальной моделью. На коротких сессиях мир остаётся согласованным. В долгих симуляциях, а также после нескольких сложных смен промпта визуальные детали могут «плыть», и объекты не всегда сохраняются. DeepMind продолжает работать над сложным физическим взаимодействием, точным звуком в реальном времени и читаемым текстом в кадре.
Доступ пока ограничен: превью получили избранные тестеры. Позже модель обещают подписчикам Google AI Ultra в веб-приложении Project Genie, а также партнёрам с ранним доступом к Gemini API и Google AI Studio. Всё видео и аудио будет помечаться невидимым водяным знаком SynthID, который маркирует контент, созданный ИИ.
Зачем это практикам
Пока Genie 4 — демонстрация, а не продукт, на который можно опереться в разработке. Но направление понятно. DeepMind видит в связке Gemini и Genie первый шаг к гибридным моделям мира, где рассуждение языковых и кодовых моделей соединено с симуляцией на уровне пикселей. Если такие миры повзрослеют, в них можно будет обучать роботов и ИИ-агентов на симулированном опыте, а не только на готовых датасетах.
Для продактов и основателей вывод простой: следите за API и AI Studio. Если доступ откроется, интерактивные прототипы, тренажёры и тестовые среды для агентов станут дешевле. Пока же стоит помнить про слабые места: нестабильность в длинных сессиях и физика — именно там симуляция чаще всего расходится с реальностью.
- 21 нояб. 2026 г.Нейросеть MIRA рисует Rocket League в 20 кадрах в секунду, но пинг доходит до 460 мс
- 21 нояб. 2026 г.Google построила закрытую копию интернета с фейковыми банками, чтобы учить ИИ-агентов Chrome
- 21 нояб. 2026 г.В тесте MLPerf впервые участвуют Nvidia Rubin и TPU Ironwood: 153 системы
- 21 нояб. 2026 г.Google открыла предзаказ на умные очки с Gemini от $395 — продажи с 10 декабря
Вопросы и ответы по материалу
Что известно по теме: что умеет Genie 4?
Представьте не видеоплеер, а живую декорацию. Каждый кадр рисуется заново с учётом того, куда вы повернули и что написали. Теперь у каждого мира есть собственный фон: например, ветер в деревьях. Персонажи могут разговаривать друг с другом и реагировать на ваши действия или события в сцене, причём реплики появляются в реальном времени. Больше всего DeepMind гордится тем, как модель рисует людей. По словам компании, персонажи двигаются естественнее, учитывают окружение, и ими можно управлять напрямую.
Что известно по теме: Gemini как режиссёр за кулисами?
Самая интересная часть — устройство «режиссуры». Сама Genie 4 отвечает за картинку и звук, а вот решать, что произойдёт дальше, ей помогают модели Gemini. Если вы командой меняете погоду, Gemini подстраивает это указание под уже идущую сцену, а не просто включает дождь поверх всего. Между вашими действиями она же продолжает развивать события, чтобы мир не замирал. DeepMind объясняет это на многошаговых задачах.
Что известно по теме: ограничения и доступ?
Компания сама называет Genie 4 ранней экспериментальной моделью. На коротких сессиях мир остаётся согласованным. В долгих симуляциях, а также после нескольких сложных смен промпта визуальные детали могут «плыть», и объекты не всегда сохраняются. DeepMind продолжает работать над сложным физическим взаимодействием, точным звуком в реальном времени и читаемым текстом в кадре. Доступ пока ограничен: превью получили избранные тестеры.
Внедряйте ИИ быстрее рынка вместе с инженерами и фаундерами
Внутри Vibe Club (hamidun.com/club): еженедельные живые мастермайнды и разборы архитектуры с Жемалом Хамидуном, закрытый Tech Radar, LMS и обновляемая база из 370+ боевых скиллов.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.