Google DeepMind выпустила Genie 4: симуляция реального мира в реальном времени

Год назад Genie 3 обвалила акции игровых компаний. Инвесторы испугались: если ИИ генерирует игровые миры на лету, зачем платить студиям за разработку? Теперь Google DeepMind выпустила Genie 4 - и поводов для беспокойства стало еще больше.
Что изменилось по сравнению с Genie 3
Первое и самое заметное - нативный звук. Предыдущие версии генерировали только картинку. Genie 4 добавляет фоновые шумы, музыку и, что важнее всего, интерактивные диалоги с персонажами внутри симуляции. Если персонаж появляется в мире, он может ответить на вопрос - и ответ адаптируется к тому, что происходит вокруг.
Второе - удвоенное время стабильной симуляции. Genie 3 держала сцену около минуты, после чего детали начинали "плыть". Genie 4 удерживает консистентность до двух минут. Звучит скромно, но для генеративной модели, работающей покадрово без предрендеринга, это серьезный прогресс.
Третье - физика и антропоморфность. Аэродинамика, столкновения объектов, движение людей - все это выглядит заметно естественнее. Разработчики DeepMind особо подчеркивают, что персонажи стали менее "жуткими": движения более человеческие, реакции на изменения среды - более органичные.
Четвертое - редактирование на лету. Погода, угол камеры, новые объекты и люди - все это можно добавлять текстовым промптом прямо во время работающей симуляции. Мир перестраивается в реальном времени, не прерываясь.
Gemini как режиссер
Архитектурно Genie 4 работает в связке с Gemini 3.8 Flash. Схема такая: Gemini разбивает задачу на шаги, оценивает каждый сгенерированный кадр и направляет симуляцию, если та начинает отклоняться от исходного контекста. Это похоже на то, как рассуждающие модели генерируют внутренние промпты для уточнения ответа - только здесь промпты управляют визуальным потоком.
Research director Google Теджас Кулкарни описал это так: в будущем мы увидим гибридные модели, где Gemini пишет код и текст, а Genie в реальном времени превращает это в симулированную реальность на разных уровнях абстракции. Пока это звучит как дальняя перспектива, но эксперимент с роботикой уже показал, как это работает на практике: модель Gemini 4 Argon разбивала задачи на шаги, а Genie 4 симулировала их выполнение - чтобы протестировать сценарий до того, как робот попробует его в реальном мире.
Кому это нужно прямо сейчас
Google называет три направления: игры, обучение и роботика. Но среди "доверенных тестировщиков" - тех, кто получил ранний доступ, - обнаружилось еще одно применение: прототипирование фильмов. Инженер DeepMind Диего Ривас объяснил это просто: реальное время ценнее всего там, где нужно оставаться в потоке. Когда ты на стадии раскадровки или генерации идей, остановки убивают процесс. Genie 4 позволяет не прерываться.
Для примера: представим сценариста, который хочет проверить, как сцена выглядит с другого угла или в другую погоду - он просто пишет это в чат прямо во время просмотра, и мир меняется. Пока до полноценного кино еще далеко, Ривас сам признает, что связка с Gemini Omni для превращения прототипов в готовые ассеты - дело будущего.
Конкуренты не спят
Genie 4 выходит в момент, когда рынок world models начинает консолидироваться. Runway в августе выпустила GWM Worlds 2 - тоже интерактивная, тоже с аудио, тоже реагирует на пользовательский ввод. World Labs Фэй-Фэй Ли поглощает AMD. Amazon ведет переговоры о покупке Decart. Rivian купила Third Dimension для тестирования беспилотников в симуляции. Это уже не академические проекты - это индустриальная гонка.
На фоне Runway GWM Worlds 2 Genie 4 выглядит сильнее по части интеграции с большой языковой моделью: Gemini как режиссер - это архитектурное решение, которого у конкурентов пока нет в таком явном виде. Но Runway быстро учится, и разрыв может закрыться быстро.
Доступность и цена
Genie 4 пока в исследовательском превью, доступном только доверенным тестировщикам. В ближайшие недели доступ расширится: сначала подписчики Google AI Ultra (от $100 в месяц), затем разработчики через Gemini API и Google AI Studio. Точных цен на API нет - Google их не объявила.
Честные ограничения
DeepMind не скрывает проблем. Два минуты - потолок стабильности, после которого детали сцены начинают "забывать" исходный контекст. Текст внутри симуляции до сих пор нечитаем. Аудио иногда расходится с тем, что происходит на экране. Это исследовательский превью, а не продукт.
Ривас на брифинге прямо подчеркнул: еще непонятно, каким будет конечный продуктовый опыт. Год назад Genie 3 была скорее демонстрацией возможного. Genie 4 - это уже система с конкретной архитектурой и реальными тестировщиками. Разрыв между "впечатляет в демо" и "работает в продакшене" сокращается, хотя когда именно появится коммерческий релиз - Google не называет.
Похожие новости
Runway открыла веса Praxis-1: модель для роботов обошла FLUX 3 Action в RoboLab-120
Runway выложила веса и код Praxis-1 под Apache 2.0. Модель опирается на видеомодель и дала 46,2% в симуляторе RoboLab-120 против 42,9% у FLUX 3 Action, но тесты компания провела сама.
NVIDIA Cosmos 3: открытые чекпоинты генерируют видео и LiDAR для роботов
NVIDIA опубликовала рецепты Cosmos Framework для модели Cosmos 3 Nano: синхронное видео и LiDAR для беспилотников, роботов и хирургии. Через NIM инференс на H200 быстрее примерно в 2-3 раза.
Google выпустила Gemini Omni 1.2 Flash: видео до 15 секунд и цена на 30% ниже
Google открыла общий доступ к Gemini Omni 1.2 Flash: клипы до 15 секунд вместо 10, правки репликами без перегенерации и $0.07 за секунду видео в 720p.