A Google anunciou o lançamento do Genie 4, seu modelo mais recente na categoria de "Modelos de Mundo" (World Models), que representa um salto qualitativo na capacidade da inteligência artificial de simular a realidade. Ao contrário dos Grandes Modelos de Linguagem (LLMs) que preveem palavras, o Genie 4 foca na construção de uma simulação interna do ambiente, prevendo como o espaço, o tempo, a gravidade e outras forças físicas evoluem dentro da cena.
Evolução na simulação: áudio, física e consistência
O Genie 4 distingue-se do seu antecessor (Genie 3) por várias melhorias fundamentais, sendo a mais importante o facto de ser o primeiro modelo de mundo da Google a suportar a geração de áudio nativa (Native Audio Generation). O modelo não se limita a gerar cenas visuais, mas cria automaticamente sons ambientais que se adequam ao ambiente simulado, além de gerar diálogos humanos que interagem e mudam dinamicamente com a evolução dos eventos na cena.
No que diz respeito ao desempenho técnico, o modelo alcançou as seguintes características:
- Consistência da cena: O modelo pode manter a estabilidade e a consistência da cena por até dois minutos, o dobro da capacidade oferecida pela versão anterior.
- Simulação física: O modelo suporta a simulação de cenários complexos, como aerodinâmica (Aerodynamics) e colisões, com movimentos humanos que parecem naturais e respondem ao ambiente de forma orgânica.
- Interação em tempo real: Os utilizadores podem moldar o mundo, alterar o clima, mover a câmara ou adicionar novos elementos através de comandos de texto natural em tempo real.
Integração com Gemini 3.8 Flash
O Genie 4 funciona em paralelo com o modelo Gemini 3.8 Flash, que desempenha o papel de "Agente Orientador" (Guiding Agent). O Gemini decompõe comandos complexos em pequenos passos e monitoriza continuamente a cena enquanto ela é gerada pelo Genie 4 para garantir que a execução permaneça no caminho pretendido, intervindo também para ajustar os passos caso o utilizador altere o curso dos eventos de forma não planeada.
O que muda na prática?
Este desenvolvimento representa uma transição de apenas "geração de vídeo" para a "construção de mundos interativos". Para desenvolvedores e investigadores, isto significa a capacidade de criar ambientes de teste virtuais de alta fidelidade que incluem som e física realistas, o que pode abrir novos horizontes no treino de robôs ou no desenvolvimento de jogos e Realidade Estendida (XR). A capacidade de integrar áudio e movimento físico num único modelo reduz a lacuna entre a simulação digital e a realidade tangível.
Disponibilidade e limitações técnicas
A Google esclareceu que o Genie 4 ainda está na fase de Visualização de Pesquisa (Research Preview) e está atualmente disponível para um grupo selecionado de testadores de confiança. Está previsto que seja lançado nas próximas semanas para assinantes do Google AI Ultra através do Project Genie, além de parceiros de acesso antecipado ao Gemini API e Google AI Studio.
No entanto, a empresa indicou que o modelo ainda é experimental, podendo surgir algumas inconsistências visuais em sessões longas. Para garantir a transparência, todo o conteúdo produzido pelo modelo será marcado com uma marca de água invisível utilizando a tecnologia SynthID da Google para distinguir o conteúdo gerado por IA.