Компания Google объявила о запуске Genie 4, своей новейшей модели в категории «мировых моделей» (World Models), которая представляет собой качественный скачок в способности искусственного интеллекта имитировать реальность. В отличие от больших языковых моделей (LLM), которые предсказывают слова, Genie 4 фокусируется на создании внутренней симуляции среды, предсказывая, как будут развиваться пространство, время, гравитация и другие физические силы внутри сцены.
Эволюция симуляции: звук, физика и согласованность
Genie 4 отличается от своего предшественника (Genie 3) рядом существенных улучшений, наиболее заметным из которых является поддержка нативной генерации звука (Native Audio Generation), что делает её первой мировой моделью от Google с такой функцией. Модель не просто генерирует визуальные сцены, но и автоматически создает окружающие звуки, соответствующие симулируемой среде, а также генерирует человеческие диалоги, которые динамически реагируют и меняются по мере развития событий в сцене.
Что касается технических характеристик, модель достигла следующих показателей:
- Согласованность сцены: Модель способна поддерживать стабильность и согласованность сцены в течение двух минут, что вдвое превышает возможности предыдущей версии.
- Физическая симуляция: Модель поддерживает симуляцию сложных сценариев, таких как аэродинамика и столкновения, с естественными движениями человека, которые органично реагируют на окружающую среду.
- Интерактивность в реальном времени: Пользователи могут формировать мир, изменять погоду, перемещать камеру или добавлять новые элементы с помощью естественных текстовых команд в режиме реального времени.
Интеграция с Gemini 3.8 Flash
Genie 4 работает параллельно с моделью Gemini 3.8 Flash, которая выполняет роль «направляющего агента» (Guiding Agent). Gemini разбивает сложные команды на небольшие шаги и постоянно отслеживает сцену во время её генерации моделью Genie 4, чтобы гарантировать выполнение задачи в рамках заданного курса, а также вмешивается для корректировки шагов, если пользователь меняет ход событий непредвиденным образом.
Что меняется на практике?
Это развитие знаменует собой переход от простого «создания видео» к «построению интерактивных миров». Для разработчиков и исследователей это означает возможность создания высокоточных виртуальных тестовых сред, включающих реалистичный звук и физику, что может открыть новые горизонты в обучении роботов или разработке игр и расширенной реальности (XR). Способность объединить звук и физическое движение в одной модели сокращает разрыв между цифровой симуляцией и осязаемой реальностью.
Доступность и технические ограничения
Google пояснила, что Genie 4 все еще находится на стадии исследовательского превью (Research Preview) и в настоящее время доступна избранной группе доверенных тестировщиков. В ближайшие недели она будет выпущена для подписчиков Google AI Ultra в рамках проекта Project Genie, а также для партнеров по раннему доступу к Gemini API и Google AI Studio.
Тем не менее, компания отметила, что модель все еще является экспериментальной, и в длительных сессиях могут возникать некоторые визуальные несоответствия. Для обеспечения прозрачности весь контент, созданный моделью, будет помечен невидимым водяным знаком с использованием технологии SynthID от Google для идентификации контента, созданного искусственным интеллектом.