Google DeepMind го претстави Genie 4, новата генерација на нивниот „world model“, односно модел што создава интерактивни светови низ кои корисникот се движи во реално време. Според компанијата, сликата е значително пореалистична, а звукот, музиката и дијалозите се генерираат истовремено со светот.
Движењето и камерата се контролираат со тастатура, а со текстуални насоки сцената може да се менува додека трае симулацијата, на пример да се смени времето или да се додаде нова личност или предмет. Ова е, според DeepMind, нивниот прв модел од овој тип што генерира звук директно, па ликовите можат да зборуваат и да реагираат на корисникот.
Genie 4 се потпира на моделите Gemini. Gemini Omni, претставен во мај, треба да обезбеди реален изглед и однесување на светот, додека Gemini 3.8 Flash ја следи сцената, ги дели целите на чекори и проверува дали секој чекор е извршен.
DeepMind експериментира и со Gemini 4 Argon, кој во една демонстрација симулира како хуманоидниот робот Apollo на Apptronik игра Дама.
Компанијата најголем напредок гледа кај симулацијата на луѓе, кои според неа се движат природно и реагираат на околината. Моделот веќе го пробуваат луѓе од филмската индустрија за брзи пробни снимања, фотоновинари кои од архивска фотографија создаваат симулација на местото и програмери на игри за прототипи пред да напишат код. Јасно е дека DeepMind гледа и подалеку, бидејќи вакви симулации ги опишува како средина за обука на роботи и „AI“ агенти.
Сепак, DeepMind признава дека деталите и предметите во сцената можат да се менуваат како што симулацијата трае подолго, по повеќе измени или при движење низ просторот. Сложената физика, точноста на звукот, читливиот текст и долгорочната конзистентност се сè уште отворени проблеми. Сите видеа и звуци ќе содржат невидлив воден жиг SynthID.
Засега Genie 4 го добиваат само избрани корисници, а DeepMind најавува дека наскоро ќе стигне до претплатниците на Google AI Ultra преку Project Genie и до партнерите со ран пристап во Gemini API и Google AI Studio, без конкретен датум. Project Genie беше пуштен во јануари со претходниот Genie 3, тогаш само во САД и со светови ограничени на 60 секунди, а не е познато дали Genie 4 го менува ова ограничување.
Од мај Google постепено го шири Project Genie до претплатниците на AI Ultra ширум светот и наведува дека е достапен во повеќе од 140 земји.
