Не Genie 2, а Genie 4: Google удвоила жизнь виртуального мира до двух минут

Модель мира — это нейросеть, которая строит живую виртуальную сцену. По этой сцене можно перемещаться и менять её, как в компьютерной игре, только мир не запрограммирован заранее, а рисуется по описанию. Исследовательская версия означает ранний доступ для узкого круга доверенных тестировщиков, а не готовый продукт.

Что измеряли?

Строго говоря, это не научная статья с выборкой, а релиз модели с демонстрацией возможностей на брифинге для прессы. Google показала, как долго Genie 4 удерживает сцену без развала, насколько правдоподобно ведут себя физика и персонажи и можно ли менять мир прямо во время симуляции. Отдельно компания провела эксперимент с роботами.

Пользователь вводит промпт (текстовую команду для нейросети) и получает мир, по которому можно двигаться. Посреди симуляции можно дописать новый промпт: сменить погоду, ракурс камеры, добавить людей или предметы. Звук генерируется под происходящее в кадре.

Тем, кто искал в сети genie 2 google, стоит учесть: в материалах о релизе предшественником Genie 4 названа Genie 3, и сравнение идёт именно с ней.

Связка с Gemini, основной ИИ-моделью Google, стала плотнее. Gemini работает как режиссёр: планирует шаги и проверяет кадры, а Genie рисует картинку. В эксперименте, связанном с Gemini Robotics, модель Gemini 4 Argon разбивала задачу на шаги, а Genie 4 проигрывала их в реальном времени.

Что обнаружили?

• Сцена остаётся цельной до двух минут, это вдвое дольше лимита Genie 3.
• Картинка заметно реалистичнее, чем у Genie 3, вышедшей чуть больше года назад; физика и персонажи стали ближе к живым людям.
• Звук идёт в реальном времени: музыка, фоновые шумы и диалог с персонажами.
• Правки делаются свободным текстом прямо во время симуляции, без перезапуска.
• В эксперименте с роботами Gemini 4 Argon дробила задачу на шаги, а Genie 4 их симулировала. Так сценарии для роботов можно проверить до того, как они произойдут в реальности.
• Доверенные тестировщики нашли неожиданное применение: прототипы фильмов.

Сам исследователь Google описывает развитие так:

В будущем мы всё чаще будем видеть гибридные модели мира, где Gemini пишет код и текст, а Genie в реальном времени принимает это и симулирует реальность на разных уровнях абстракции. : Теджас Кулкарни, директор по исследованиям Google

Про кино инженер DeepMind высказался конкретнее:

Работа в реальном времени ценнее всего там, где важно не выпадать из творческого потока. Например, на этапе поиска идей, на этапе раскадровки, везде, где нужно быстро перебирать варианты. : Диего Ривас, инженер Google DeepMind

Время релиза говорит само за себя. Genie 4 вышла через пару месяцев после GWM Worlds 2 от стартапа Runway, тоже интерактивной модели со звуком. Параллельно рынок сжимается: World Labs, компанию Фэй-Фэй Ли, покупает AMD, Amazon ведёт переговоры о покупке Decart, а Rivian купила Third Dimension, чтобы тестировать беспилотники в симуляции своими силами.

Что это значит для вас?

Автору Дзена Genie 4 пока не инструмент для готового контента, а будущий черновик раскадровки. Если вы делаете ролики или иллюстрированные истории, думайте о модели как о способе быстро «прогуляться» по сцене до съёмки. Готовые ролики со звуком Google делает другой своей моделью, Veo, которая собирает клипы в высоком разрешении по тексту, картинке или видео.

Маркетологу стоит следить за режимом правок на ходу. Сменить погоду или ракурс одной фразой значит перебрать варианты рекламной сцены за минуты, а не за съёмочный день. Ривас добавил, что превращать такие прототипы в готовые материалы со временем сможет Gemini Omni, мультимодальная модель (понимает текст, картинки и звук вместе), но до этого, по его словам, ещё далеко.

Предпринимателю из РФ и СНГ: о доступности Genie 4 в России Google не сообщала. В ближайшие недели модель получат подписчики Google AI Ultra и партнёры раннего доступа Gemini API (интерфейса, через который программы подключаются к модели). Разумный шаг сейчас — собрать сценарии, где симуляция сэкономит деньги: обучение, презентации, проверка идей.

По данным Google DeepMind (брифинг для прессы о релизе Genie 4)