Компанія Google анонсувала запуск Genie 4 — мультимодальної нейромережі, здатної створювати реалістичні інтерактивні симуляції та миттєво реагувати на команди користувача. Нова розробка є кроком до створення універсального штучного інтелекту і дозволяє генерувати не лише візуальний ряд, а й фізику об'єктів та просторовий звук.
Компанія Google анонсувала запуск Genie 4 — мультимодальної нейромережі, здатної створювати реалістичні інтерактивні симуляції та миттєво реагувати на команди користувача. Нова розробка є кроком до створення універсального штучного інтелекту і дозволяє генерувати не лише візуальний ряд, а й фізику об'єктів та просторовий звук.
Згідно з анонсом, Genie 4 тісно інтегрована з екосистемою Gemini, де остання виконує функцію координатора, що відповідає за логіку та безперервність подій у згенерованому світі.
Користувачі можуть керувати симуляцією за допомогою стандартних клавіатурних команд або текстових промптів. Нейромережа дозволяє на льоту змінювати погоду, переміщувати камеру або додавати нових персонажів, при цьому система автоматично адаптує ці запити до загального контексту сцени. Особливу увагу приділили розрахунку фізики: модель імітує аеродинаміку, зіткнення об'єктів та забезпечує природні рухи людей у кадрі.
Значною інновацією розробники називають нативну генерацію аудіо. Genie 4 самостійно створює фонові шуми, музику та генерує людську мову. Персонажі у згенерованому світі можуть вести інтерактивні діалоги та реагувати на дії користувача в режимі реального часу.
Для забезпечення послідовності складних подій система використовує модель Gemini 3.8 Flash як своєрідного керівного агента. Вона безперервно аналізує кадри, розбиває глобальні цілі на дрібні кроки та коригує план дій, якщо користувач втручається у процес. Паралельно компанія тестує інтеграцію з Gemini 4 Argon для створення тренувальних середовищ у робототехніці.
Наразі інструмент тестують у кількох індустріях. Розробники ігор використовують його для перетворення ідей на інтерактивні прототипи без написання коду, режисери проганяють різні ракурси та освітлення в режимі швидкої «чернетки», а фотожурналісти експериментують із перетворенням плоских архівних знімків на динамічні просторові локації. Команда проєкту зазначає, що об'єднання систем є кроком до створення гібридних моделей, які будуть «набагато більш узгодженими та керованими, ніж будь-який із цих підходів міг би досягти окремо».
Водночас у Google визнають, що модель має певні обмеження. Під час тривалих сесій або після великої кількості правок об'єкти в симуляції можуть зникати чи деформуватися, а точність відображення тексту потребує вдосконалення. Для запобігання поширенню фейків увесь згенерований контент автоматично маркується цифровим водяним знаком SynthID.
Зараз Genie 4 працює у форматі закритого дослідницького прев’ю для довірених партнерів. Згодом доступ до інструмента отримають передплатники сервісу Google AI Ultra в межах Project Genie, а також розробники через Gemini API та Google AI Studio.
