Google DeepMind открыла тестерам Genie 4: модель мира строит управляемые сцены со звуком

Genie 4 Google DeepMind называет моделью мира. Это нейросеть, которая не просто рисует видео, а удерживает правила виртуального пространства: что где стоит, как движется и что случится дальше. Речь не о мире радиоуправляемых моделей и не о мире моделей из пластика, так в ИИ называют цифровой макет реальности. Анонс вышел в блоге Google DeepMind, компания подаёт его как рассказ о своём исследовании.

Что измеряли и почему цифр нет?

Замеров в анонсе нет: ни таблиц сравнения с другими системами, ни скорости отклика, ни оценок качества. Компания описывает, что модель умеет и как она устроена.

Устройство такое. Genie 4 опирается на модели семейства Gemini. Gemini Omni привязывает симуляцию к тому, как вещи выглядят и ведут себя в реальном мире. Другие модели Gemini отвечают за сложные рассуждения, нужные, чтобы мир оставался связным и последовательным.

Бытовая аналогия: один участник следит, чтобы трава выглядела как трава и мяч падал вниз. Второй следит, чтобы сцена не рассыпалась, когда вы меняете погоду или добавляете героя, и чтобы машина, уехавшая за угол, не исчезла без следа.

Что заявляет Google DeepMind о возможностях?

Числовых результатов в анонсе нет, поэтому привожу заявленные возможности так, как их описывает компания:

• Управление в реальном времени. Можно запустить событие и направлять сцену командами на естественном языке: двигать камеру, менять погоду, вводить новых персонажей.
• Собственный звук. Каждый мир сам генерирует звук на лету: фоновые шумы, музыку и интерактивные диалоги.
• Реализм. Компания обещает «беспрецедентный реализм», но это её формулировка, без независимой проверки.
• Обучение машин. Симуляции нужны как безопасные среды для тренировки роботов и ИИ-агентов (программ, которые сами выполняют задачи по шагам).
• Творческие задачи. Среди отраслей названы кино, журналистика, игры и производство.
• Дальняя цель. Симуляцию мира компания называет важнейшим шагом к AGI, то есть общему искусственному интеллекту, который справляется с любыми задачами на уровне человека.

Показательно, что журналистика и обучение роботов стоят в одном абзаце анонса. Модель позиционируют сразу как творческий и как инженерный инструмент, а не как очередной генератор роликов.

Что это значит для вас?

Автору Дзена. Пока модель у тестеров, готовьте почву: учитесь описывать сцену словами, как режиссёр, через камеру, свет, погоду, звук. Промпт (текстовое задание для нейросети) для модели мира будет похож на режиссёрскую раскадровку, и этот навык пригодится для любой видеонейросети.

Маркетологу. Если обещания подтвердятся, ролик с фоном, музыкой и репликами можно будет собрать без съёмочной группы и отдельного звукорежиссёра. Закладывайте в планы тесты, а не бюджеты: ни цены, ни даты общего доступа нет.

Предпринимателю из РФ и СНГ. Genie 4 доступен лишь ограниченному кругу тестеров, дальше очередь за подписчиками Google AI Ultra в Project Genie и партнёрами в Gemini API (программном интерфейсе, через который разработчики подключают модель к своим сервисам) и AI Studio (площадке Google для разработчиков). Российским пользователям придётся ждать или искать обходные пути.

Для сценариев и описаний сцен подойдут доступные в РФ YandexGPT и GigaChat, но это текстовые помощники, а не симуляторы миров.

Мой совет на ближайший месяц: потренируйтесь писать задания в формате «камера, свет, погода, звук, герои» в доступных нейросетях. Когда модели мира откроют, выиграет тот, кто умеет режиссировать словами, а не тот, кто первым оформил подписку.

По данным блога Google DeepMind