Genie 4 генерира интерактивни светове в реално време

Google DeepMind представи Genie 4 на 27 октомври 2026 г. — ново поколение от своя „world model“, който генерира интерактивни 3D светове в реално време от текстов или картинен промпт. Моделът не прави видео, което гледате отстрани: сцената се изчислява кадър по кадър, докато вие се движите в нея с клавиатурата и ѝ подавате нови инструкции. Засега Genie 4 е research preview само за доверени тестери.

Какво точно прави моделът

Genie 4 не зарежда готова 3D геометрия и не ползва класически графичен двигател. Всеки следващ кадър е предсказание: моделът преценява какво би се случило по-нататък в света — как реагира средата, как звучи и как се движат и говорят хората в нея.

Докато симулацията върви, можете да я променяте с обикновени изречения. DeepMind показва примери, в които се сменя времето, местят се обекти, добавят се персонажи или се пренарежда камерата — включително стилови инструкции като „16mm филм“ или „35mm кино“. В демонстрациите има и дракон, който се носи с около 140 km/h, гара от 80-те години и мотоциклетна сцена в духа на 1995 г.

Физиката също е част от предсказанието: сблъсъци между обекти, аеродинамика, течаща вода, клонки, които се огъват от вятъра. По-голямата разлика спрямо предишното поколение обаче е в хората — движението, реакциите и мимиката им изглеждат значително по-естествени.

Първият world model на Google със собствено аудио

Най-осезаемата новост е, че Genie 4 е нативно мултимодален и генерира звука заедно с картината — не го добавя след това. Това включва фонов шум на средата, музика и интерактивни реплики на персонажите, които се адаптират в момента. The Decoder го определя като първия world model на компанията в реално време, който произвежда звук директно.

Второто допълнение е по-малко показно, но вероятно по-важно: Genie 4 работи в комбинация с моделите Gemini, които поемат разсъжденията. Идеята е хибрид — Gemini следи логиката на събитията в няколко стъпки, а Genie рисува и озвучава резултата. Така един сценарий с няколко последователни действия има шанс да остане смислен, вместо да се разпадне след първия обрат.

Снимка: Unite.ai

Ограниченията, които DeepMind признава

Самата компания е ясна къде е границата: моделът поддържа около две минути непрекъсната интеракция, а не дълги сесии. При по-дълго каране или след няколко сложни промени на промпта визуалните детайли „плуват“ и обектите не остават надеждно на мястото си. Накратко — светът е консистентен, докато сесията е кратка.

За сравнение, Genie 3 беше обявен през август 2025 г. с 720p при 24 кадъра в секунда и консистентност от порядъка на няколко минути. За Genie 4 DeepMind не публикува точни числа за резолюция и кадри, така че е по-коректно да приемете, че говорим за същия клас реалновремева симулация, но с по-висок фотореализъм и аудио отгоре.

Цялото генерирано съдържание носи воден знак SynthID, с който може да бъде разпознато като създадено от AI.

Кой ще получи достъп и кога

Разпространението тръгва на етапи:

• Сега: доверени тестери в research preview, за да се съберат обратна връзка и предпазни механизми.
• Следва: абонатите на Google AI Ultra през уеб приложението Project Genie.
• За разработчици: партньори с ранен достъп през Gemini API и Google AI Studio.

Цена за API достъп не е обявена. Желаещите могат да се запишат в списъка на изчакване за Project Genie.

Защо това има значение извън игрите

Очевидното приложение са интерактивните преживявания и прототипирането на игри — вместо да строите ниво, го описвате. По-сериозният залог обаче е при роботите: world model, който генерира безброй вариации на една среда, е евтин симулатор за трениране на агенти, които после трябва да работят в реалния свят. Точно такава нужда стои и зад индустриалните планове за автоматизация, като залога на Toyota за 400 000 робота в заводите си.

Има и по-широк контекст. Текущата вълна от модели се движи към агенти, които действат в среда, а не само отговарят на въпроси — същата посока, в която тръгнаха и по-бързите агентни модели от последните месеци. Симулираният свят е мястото, където такъв агент може да сбърка хиляда пъти, без да счупи нищо.

Заключение

Genie 4 е интересен не защото прави красиви кадри — това вече го могат няколко модела — а защото ги прави докато го управлявате, с физика и звук, които се раждат в същия момент. Ограничението от около две минути и „плуващите“ детайли показват, че до стабилна виртуална среда има път. Но посоката е ясна: от генериране на видео към генериране на свят, в който може да се влезе. Реалната проверка ще дойде, когато моделът излезе от кръга на доверените тестери и попадне в ръцете на абонатите на AI Ultra.