Genie 4 это модель миров Google DeepMind, анонсированная 27 октября 2026 года. Она строит интерактивную сцену в реальном времени и сама генерирует звук: фоновый шум, музыку и речь персонажей. Управление двумя способами: клавиши для движения и камеры, текст для изменений. Доступ пока исследовательский, через лист ожидания Project Genie и ранний доступ в Gemini API и AI Studio.
Google DeepMind показала модель, которая не рисует видео по запросу, а строит мир, в который можно войти. Вы двигаете камеру клавишами, говорите обычным текстом, что изменить, и сцена перестраивается на ходу: меняется погода, появляется человек, начинается разговор.
Что объявили
27 октября 2026 года DeepMind представила Genie 4, четвёртое поколение своей модели миров. В анонсе её называют самым реалистичным и интерактивным вариантом на сегодня.
Главное отличие от предыдущих версий: звук. Genie 4 нативно генерирует аудио вместе с картинкой. Это не отдельная дорожка, а часть симуляции: шум ветра в лесу, музыка, шаги и речь персонажей появляются в тот же момент, что и действие.
Доступ пока ограничен. Модель вышла как research preview для доверенных тестеров. Дальше её обещают в Project Genie для подписчиков Google AI Ultra, а также партнёрам через Gemini API и AI Studio. На Project Genie открыта запись в лист ожидания.
Как в этом участвовать
Управление двухслойное. Клавиатура отвечает за движение и камеру, как в игре. Текст задаёт смысл: «начнётся дождь», «поверни налево», «пусть подойдёт человек в куртке». Модель адаптирует запрос к текущей сцене, а не выполняет его в вакууме.
Между вашими командами мир не замирает. Gemini следит за сценой и продолжает её, чтобы не было пауз и разрывов. Именно поэтому это похоже на симуляцию, а не на набор склеенных клипов.
Что внутри работает
Genie 4 построен на моделях Gemini. Gemini Omni отвечает за реалистичность внешнего вида и поведения, остальные модели Gemini дают рассуждение, которое держит связность сцены.
Отдельная деталь: в реальном времени в цикле работает Gemini 3.8 Flash. Он наблюдает за кадром, разбивает задачу на шаги и проверяет, получилось ли. Если мир меняется или вы вмешиваетесь, план перестраивается на ходу.
DeepMind отдельно упоминает эксперименты с Gemini 4 Argon и Gemini Robotics. Argon разбивает задачу на шаги и подаёт их текстом, пока Genie рисует сцену. Это путь к симуляциям для обучения роботов: сначала в воображаемом мире, потом в железе.
Что стало лучше
Genie 4 меняет несколько вещей сразу. Мир правится на лету: погода, камера, новые объекты и персонажи появляются по текстовой команде, и сцена подхватывает изменение без перезапуска. Физика и человеческое движение шагнули дальше: в анонсе называют аэродинамику и столкновения, но главным скачком считают людей. Персонажи двигаются естественно, реагируют на окружение и слушаются управления в реальном времени. Звук перестал быть отдельной дорожкой: у каждого мира есть собственный фон, а кульминация это интерактивный диалог, в котором персонажи говорят и отвечают на ваши действия прямо во время симуляции. Связка с Gemini добавляет ещё один слой: можно проигрывать не один эпизод, а цепочку из задачи, шагов и проверки результата.
Кому это уже показывали
Тестеры из кино, журналистики, образования, игр и инженерии описали несколько сценариев.
- Режиссёры используют Genie 4 как быстрый черновик сцены: заходят внутрь и делают несколько дублей подряд, меняя камеру, свет, реплики и действие.
- Фотожурналисты превращают одну архивную фотографию в объёмную сцену, чтобы показать, как выглядело место или как разворачивалось событие вроде наводнения.
- Разработчики игр собирают прототип уровня до строчки кода в движке: проверяют стиль, материалы и механику.
- Промышленные партнёры смотрят на модель как на генератор сценариев с нуля для обучения агентов и роботов.
Где границы
DeepMind честно перечисляет слабые места, и это важно для ожиданий.
Мир держится короткими сессиями. На длинных прогонах визуальные детали и постоянство объектов уплывают, особенно после нескольких сложных правок и при активном перемещении по сцене.
Сложная физика, точность звука, читаемый текст в кадре, пространственная точность и долгая согласованность остаются открытыми задачами.
То есть перед нами не готовый инструмент для продакшена, а исследовательский прототип, который показывает направление.
Что с безопасностью
Все видео и аудио, сгенерированные Genie 4, помечаются SynthID, невидимой цифровой меткой. Она нужна, чтобы отличать синтетику от записи.
Перед превью модель прогнали через внутренние проверки безопасности, а доступ сначала дали ограниченному кругу партнёров. Это стандартная осторожность Google для технологий, которые могут выглядеть как реальные съёмки.
Что это значит на практике
Genie 4 меняет не производство видео, а способ придумывать сцены. Вместо раскадровки на бумаге режиссёр входит в мир и смотрит, как он живёт. Вместо текстового описания уровня разработчик проверяет механику ногами.
Для контента это пока дорогой эксперимент: доступа нет, стабильность ограничена, а результат не предназначен для прямого монтажа. Но направление понятное: генерация уходит от «сделай мне клип» к «сделай мне место, где можно что-то сделать».
Следить стоит за двумя вещами. Когда откроют доступ через API и AI Studio, и насколько быстро уйдёт дрейф объектов на длинных сессиях. От этих двух пунктов зависит, станет Genie 4 инструментом или останется демо.