27 октября Google DeepMind представила Genie 4, модель, генерирующую интерактивные среды в реальном времени вместе со звуком, музыкой и диалогами. Пользователь управляет с клавиатуры и мыши, может менять сцену прямо во время сессии, вводя команды на естественном языке. Сегодня доступ к модели имеет лишь ограниченная группа тестировщиков. Подписчикам Google AI Ultra в рамках Project Genie и партнёрам по API доступ обещан как «скоро», без конкретных дат. DeepMind прямо указывает в документации, что объекты, согласованность сцен и физика по-прежнему могут давать сбои.
Редакция SpazioCrypto изучила объявление DeepMind, подписанное Раей Хадселл, Диего Ривасом и Хань Ци, публикацию в блоге Google и страницу модели. Прямой доступ к посту в X и воспроизведение демонстрации на YouTube оказались недоступны: текст поста верифицирован через embed, опубликованный каналом AI Lately. Характеристики Genie 3 взяты из материала The Decoder от августа 2025 года.
This is Genie 4, our most realistic and interactive world model yet. 🌐
, Google DeepMind (@GoogleDeepMind) October 27, 2026
Explore dynamic environments in real time to see how the scene responds, sounds, and how the people in it move, react, and speak. pic.twitter.com/6mmSUm9BBO
Что делает Genie 4
Genie 4 является моделью мира: она производит не видеоролик для просмотра, а среду, реагирующую на команды кадр за кадром. Отправной точкой служит текстовый запрос или изображение, используемое как первый кадр. Далее среду можно исследовать с помощью клавиш управления движением и камерой. В ходе сессии допустимо менять погоду, смещать ракурс, добавлять людей или объекты. По данным DeepMind, модель Gemini адаптирует каждый запрос к сцене и продвигает мир вперёд даже между командами пользователя.
Модель опирается на семейство Gemini. Gemini Omni привязывает сцены к внешнему виду и поведению реального мира. Другие модели Gemini обеспечивают логику, удерживающую симуляцию согласованной. Это то же семейство, которое Google продвигает в корпоративном секторе через Gemini-агент для бизнеса, также находящийся в режиме закрытого доступа.
Главное новшество: нативный звук
DeepMind позиционирует Genie 4 как первую модель мира реального времени с нативной генерацией аудио. Каждая среда имеет собственные фоновые звуки и музыку. Персонажи говорят, а диалоги адаптируются к командам и событиям.
Именно здесь проходит граница с Genie 3, анонсированным в августе 2025 года. Согласно The Decoder, та модель генерировала миры с разрешением 720p и частотой 24 кадра в секунду, с визуальной памятью до одной минуты и сменой сцен через текст, называемой promptable world events. Аудио в ней отсутствовало. Для Genie 4 DeepMind не публикует ни разрешения, ни частоты кадров, ни продолжительности сессий и не предоставляет никаких измеримых сравнений с предыдущей версией. Страница модели говорит лишь о «нескольких минутах непрерывного взаимодействия».
Интерактивный прототип, не видео
Это различие принципиально для понимания области применения. Видеогенератор создаёт законченный клип. Genie 4 создаёт сцену, которая реагирует на того, кто её направляет. DeepMind перечисляет конкретные сценарии использования: режиссёры могут снимать несколько дублей в живой симуляции, фотожурналисты пробуют превратить одну архивную фотографию в целую среду, разработчики тестируют визуальные стили и игровые механики из текстового описания, корпоративные партнёры оценивают быструю генерацию сценариев. Эти возможности дополняют инструменты, которые уже используются создателями контента, в том числе те, что Adobe и NVIDIA активно развивают.
Наиболее стратегическим направлением остаётся симуляция для агентов и роботов. В объявлении Gemini 3.8 Flash наблюдает за кадрами, делит цель на шаги, проверяет каждый из них и корректирует план при изменении мира или вмешательстве пользователя. В другой демонстрации Gemini 4 Argon работает с Genie 4 над роботизированной задачей с роботом Apollo компании Apptronik и партией в шашки. Обучение агентов в генерируемых мирах является той же ставкой, что и физический ИИ от NVIDIA и LG. Расстояние между демонстрацией и производственной линией хорошо показывают гуманоидные роботы на заводах.
Ограничения, признанные самой DeepMind
По сути, объявление не скрывает слабых мест. Визуальные детали и постоянство объектов могут деградировать, особенно в длительных сессиях, после множественных текстовых изменений или при навигации по среде. Предметом дальнейших исследований остаются сложные физические взаимодействия, точность аудио в реальном времени, читаемый текст, пространственная точность и долгосрочная согласованность.
Страница модели добавляет ещё три ограничения. Первое: взаимодействие нескольких агентов и пользователей в одной среде. Второе: реальные места нельзя воспроизвести с точностью. Третье: продолжительность ограничена несколькими минутами, длительные сессии недоступны. В примечании указано, что показанные записи являются реальными, но сокращёнными сессиями с иллюстративными результатами. Никаких бенчмарков и независимых оценок нет: всё увиденное является корпоративной демонстрацией.
Кто и когда сможет попробовать
Короткий ответ: почти никто, пока что. Модель находится в исследовательском превью для доверенных тестеров, список ожидания открыт. Следующими получат доступ подписчики Google AI Ultra в рамках Project Genie, а также партнёры с ранним доступом к API Gemini и AI Studio. Конкретных дат и стран не называется.
Прошлый опыт помогает скорректировать ожидания. Project Genie появился 29 января 2026 года вместе с Genie 3 и, согласно PetaPixel, при запуске был доступен только подписчикам Ultra в США, достигшим совершеннолетия, за 250 долларов в месяц, с ограничением длительности генерации до 60 секунд. Расширились ли эти условия впоследствии, неизвестно. Для пользователей за пределами США подтверждённого пути доступа сегодня не существует. По части прозрачности DeepMind заявляет, что все видео и аудио, созданные Genie 4, будут иметь водяной знак SynthID: тема особенно актуальная после таких случаев, как видео, получившее награду Nikon и затем дисквалифицированное из-за применения генеративного ИИ.
Genie 4 коротко
Что подтверждено, а что нет
- Подтверждено: модель мира в реальном времени с нативным аудио, редактирование сцен через текст в ходе сессии, превью для отобранных тестеров, водяной знак SynthID на видео и аудио, задекларированные ограничения по объектам, физике, аудио и длительности.
- Не указано: разрешение, частота кадров, максимальная длительность в минутах, страны и даты доступности, цены API, бенчмарки и независимые оценки.
- Что отслеживать: открытие доступа подписчикам Ultra в Project Genie и API-партнёрам, а также первые независимые тесты на согласованность и физику.
Более широкий взгляд
Наша интерпретация, которую мы открыто обозначаем как таковую: Genie 4 переносит гонку генеративного ИИ с уровня клипа на уровень мира. Видео смотрят, среду используют: проверяют игровой уровень, снимают сцену, обучают агента. Именно поэтому задекларированные ограничения здесь весят куда больше, чем в обычном видеогенераторе. Объект, исчезающий в клипе, это эстетический дефект. В симуляторе для роботов или агентов это уже ошибочные данные. Ценность продукта лежит в быстром прототипировании, но не в надёжной симуляции.
Три сигнала заслуживают внимания. Первый: когда и где доступ выйдет за пределы тестеров и с какой длительностью сессий. Второй: появятся ли независимые оценки постоянства объектов, согласованности и физики, которых сейчас нет. Третий: насколько использование совместно с агентами, такими как те, что работают на компьютере от имени пользователей, выйдет из стадии демонстраций в реальные рабочие процессы.
