Google DeepMind представила Genie 4 — модель, которая в реальном времени создаёт исследуемые виртуальные миры по текстовым и графическим запросам. Она генерирует звуковое сопровождение, включая фоновый шум, музыку и диалоги персонажей; пользователь может перемещаться по миру с клавиатуры и задавать изменения обычным языком. Доступ пока предоставляется доверенным тестировщикам.
По данным материала, модель поддерживает согласованность сцены до двух минут — вдвое дольше, чем Genie 3. Genie 4 работает только на инфраструктуре Google: через веб-приложение Project Genie и ранний доступ к Gemini API. Сессии длятся несколько минут, а повторные изменения запросов могут приводить к смещению объектов.
В отличие от генератора видеороликов, Genie 4 моделирует интерактивную среду покадрово. Внутри симуляции работает модель Gemini, которая планирует происходящее. Такой подход может быть полезен при создании сред для обучения ИИ-агентов и роботов.