Главное в материале

  • Genie 4 выпущена в research preview для trusted testers; в ближайшие недели доступ получат подписчики Google AI Ultra в Project Genie и партнёры Gemini API и Google AI Studio.
  • Модель добавляет звук в реальном времени, свободные правки сцены и удерживает сцену до двух минут — вдвое дольше Genie 3.
  • Отрасль мировых моделей консолидируется: World Labs покупает AMD, Amazon ведёт переговоры о Decart, Rivian купила Third Dimension.

Что нового в Genie 4

Google DeepMind во вторник, 27 октября, выпустила новую мировую модель Genie 4 в статусе research preview. По данным TechCrunch, модель создаёт самые фотореалистичные и интерактивные миры из всех предыдущих версий: пользователь может вводить текстовые подсказки прямо во время симуляции, меняя сцену на ходу — например, погоду, ракурс камеры, добавляя новых людей или объекты. Впервые модель генерирует и звук в реальном времени: музыку, фоновые шумы и интерактивные диалоги, соответствующие симулируемому миру.

Прогресс относительно Genie 3

Предыдущая версия, Genie 3, вышла в research preview чуть больше года назад. Genie 4 удерживает согласованную сцену до двух минут — вдвое дольше предшественницы — и предлагает улучшенную физику и более человекоподобных персонажей. Команда признаёт, что у модели остаются недостатки: детали и объекты могут «дрейфовать» при длительной симуляции, а точность звука и читаемость текста внутри мира пока не решены.

Интеграция с Gemini и возможные применения

Genie 4 теснее связана с моделью Gemini, которая выступает «режиссёром»: планирует шаги и проверяет кадры, пока Genie создаёт визуальную часть. В эксперименте, связанном с Gemini Robotics, модель Gemini 4 Argon разбивала задачи на шаги, которые Genie 4 симулировала в реальном времени — это показывает возможный способ тестировать сценарии для роботов в симуляции до их проверки в реальном мире. «Всё чаще мы будем видеть гибридные мировые модели, где Gemini пишет код и текст, а Genie принимает это в реальном времени и симулирует реальность на разных уровнях абстракции», — сказал директор по исследованиям Google Теджас Кулкарни на брифинге.

Кому это адресовано

Среди заявленных коммерческих применений — игры, интерактивное обучение и робототехника; один из спекулятивных примеров обучения — вход в картину с исторической сценой и разговор с её персонажами. Trusted testers, получающие ранний доступ к продуктам Google, указывают на новое применение: прототипирование фильмов. «Аспект реального времени наиболее ценен там, где важно сохранять состояние потока в творческом процессе», — отметил инженер Google DeepMind Диего Ривас, приведя в пример фазы идей и сторбординга. Ривас добавил, что со временем пользователи смогут с помощью Gemini Omni — мультимодальной модели, генерирующей видео из изображений, аудио и текста, — превращать прототипы в готовые креативные материалы, хотя, по его словам, такие возможности пока в отдалённой перспективе. У Google есть и Veo — модель генерации видео с синхронным звуком, набирающая популярность среди кинематографистов.

Контекст: консолидация рынка мировых моделей

Релиз Genie 4 происходит на фоне обострения конкуренции и консолидации отрасли. Пара месяцев назад видеостартап Runway выпустил свою вторую мировую модель GWM Worlds 2 — играбельную модель, динамически реагирующую на действия пользователя и тоже генерирующую звук. Одновременно рынок скупается крупными игроками: World Labs Фэй-Фэй Ли покупает AMD, Amazon ведёт переговоры о покупке Decart примерно за 7 млрд долларов, а Rivian приобрела Third Dimension, чтобы получить симуляционные мощности внутри компании для тестирования беспилотного вождения. Genie 4 — очередной шаг Google, чтобы удержать позиции в этой всё более плотной области.

Как получить доступ

Сейчас Genie 4 доступна как research preview для trusted testers. В ближайшие недели модель появится у подписчиков Google AI Ultra в Project Genie — инструменте Google для генерации интерактивных миров из текстовых или графических подсказок — а также у партнёров раннего доступа Gemini API и Google AI Studio. Ривас на брифинге подчёркивал, что продукт ещё на ранней стадии и неясно, каким будет итоговый пользовательский опыт.