Google DeepMind развивает свою модель симуляции мира с помощью Genie 4, способной генерировать более реалистичные среды, создавать для них звуковое сопровождение и изменять сцены по запросу. Эта технология, пока находящаяся в исследовательской стадии, нацелена в частности на робототехнику, видеоигры и аудиовизуальный превизуализацию.
После генерации текстов, изображений и видео игроки в области ИИ обратили внимание на другую способность — симуляцию сред, в которых пользователь может перемещаться и действовать. Представленный 27 октября 2026 года Genie 4 вписывается в эту эволюцию. Разработанная Google DeepMind, эта модель симуляции мира (world model, то есть система, воссоздающая виртуальную среду и её функционирование) позволяет создавать интерактивные сцены, внешний вид и поведение которых меняются в зависимости от действий пользователя.
Среды, управляемые естественным языком
Genie 4 отличается прежде всего возможностью изменять симуляцию во время её выполнения. Инструкция на естественном языке, то есть сформулированная обычной фразой, может использоваться для смены погоды, перемещения камеры или добавления нового объекта или персонажа. Система должна адаптировать сцену, не нарушая её целостности.
Модель также генерирует звуки, связанные со средой, будь то фоновые шумы, музыка или интерактивные диалоги. Google DeepMind также сообщает об интеграции возможностей из своего семейства Gemini для улучшения согласованности сцен и управления событиями, включающими несколько этапов. Эта связка направлена на сближение визуального представления с логическими рассуждениями, необходимыми для развития среды.
Genie 4 может поддерживать согласованную сцену около двух минут, сообщает TechCrunch, что в два раза дольше, чем его предшественник Genie 3. Однако эта продолжительность остаётся ограниченной для сложных или длительных симуляций.
От цифрового творчества до робототехники
Предполагаемые области применения выходят за рамки развлечений. В видеоиграх такая модель может ускорить создание прототипов, доступных для исследования, до разработки в традиционном движке. В аудиовизуальной сфере, по словам тестировщиков, она может облегчить превизуализацию сцен, позволяя быстро тестировать ракурсы, освещение или движение.
Робототехника — ещё одно потенциальное направление использования. Смоделированная среда может служить для изучения поведения агента, то есть программной или робототехнической системы, действующей автономно, в различных ситуациях перед его столкновением с реальными условиями. Google DeepMind описывает, в частности, эксперименты, сочетающие Genie с моделями Gemini, способными разбивать задачу на этапы, а затем отслеживать её выполнение в симуляции.
Однако эти перспективы ещё предстоит подтвердить в рабочих условиях. Визуально убедительная сцена не гарантирует, что смоделированные законы физики, взаимодействия или реакции будут достаточно надёжными для обучения автономной системы.
Технология всё ещё экспериментальная
Google признаёт несколько ограничений: объекты и некоторые детали могут со временем «дрейфовать», сложные физические взаимодействия требуют доработки, а тексты, интегрированные в сцены, не всегда читаемы. Точность звуков и долгосрочная согласованность также являются направлениями исследований.
Модель сначала предлагается ограниченной группе тестировщиков. Затем доступ должен быть расширен для подписчиков Google AI Ultra через Project Genie, а также для некоторых партнёров API Gemini и Google AI Studio. О каком-либо широком развёртывании на данном этапе не сообщается.
Интерес к Genie 4, согласно этим первым данным, будет зависеть не столько от его визуального реализма в коротких последовательностях, сколько от способности сохранять согласованные, предсказуемые и контролируемые среды в течение времени.
