27 октября 2026 года Google DeepMind представила Genie 4, новую версию своей «модели мира». Это нейросеть, которая не просто выдаёт готовый ролик, а генерирует пространство в реальном времени: по нему можно перемещаться с клавиатуры, а сцену менять текстовыми командами прямо во время сессии.

Что умеет Genie 4

  • Правки на ходу. Команды вроде «измени погоду», «поверни камеру», «добавь человека или предмет» срабатывают, пока вы находитесь внутри мира. Gemini подстраивает команду под сцену и продолжает её развитие между вашими вводами.
  • Звук вместе с картинкой. Фоновые шумы, музыка и диалоги генерируются одновременно с изображением. Персонажи говорят и реагируют на происходящее. У Genie 3 звука не было.
  • Физика и люди. DeepMind заявляет более правдоподобную аэродинамику и столкновения, а также естественные движения персонажей, которыми можно управлять.
  • Дольше держит сцену. По данным TechCrunch, мир остаётся согласованным до двух минут, вдвое дольше, чем у Genie 3.
  • Связка с Gemini. Gemini Omni отвечает за реалистичный вид и поведение объектов, другие модели Gemini выступают «режиссёром»: планируют шаги и следят за связностью.

Все сгенерированные видео и звук помечаются невидимым водяным знаком SynthID.

Кто и когда сможет попробовать

Сейчас Genie 4 доступна как research preview ограниченному кругу тестировщиков. В ближайшие недели доступ обещают подписчикам Google AI Ultra в Project Genie и партнёрам раннего доступа в Gemini API и Google AI Studio. Для Project Genie открыт лист ожидания. Цены, сроки и список стран Google пока не называла.

Ограничения

DeepMind прямо пишет, что модель ранняя и экспериментальная. В длинных сессиях, после нескольких правок и при активном перемещении детали и объекты начинают «плыть». Над точностью звука, читаемым текстом в кадре и пространственной точностью ещё работают.

Что это значит для пользователей

Видеонейросети вроде Veo, Kling и Seedance делают ролик, который можно только посмотреть. Genie 4 делает сцену, в которую можно «зайти» и поменять её изнутри. Google видит применение в черновой раскадровке для кино, прототипах игр, обучении и тренировке роботов: в одном из экспериментов гуманоид Apollo играл в шашки внутри симуляции. Для обычного пользователя это пока демонстрация, но направление понятно: следующий шаг после генерации видео — генерация интерактивных миров.

Источники: блог Google DeepMind, блог Google, TechCrunch. Обложка: Google DeepMind.