구글 딥마인드, 실시간 인터랙티브 월드 모델 ‘Genie 4’ 공개

구글 딥마인드(Google DeepMind)가 2025년 8월 시연된 Genie 3의 후속작인 월드 모델 Genie 4를 공개했다. 완성된 파일 형태의 결과물을 출력하는 기존 비디오 생성기와 달리, Genie 4는 키보드 조작과 텍스트 프롬프트를 통한 사용자 입력에 실시간으로 반응하며 장면을 프레임 단위로 계산한다.

DeepMind의 실시간 월드 모델 중 최초로 Genie 4는 반응형 캐릭터 대화와 함께 나무 사이를 지나는 바람 소리와 같은 동기화된 배경 오디오를 자체적으로 생성한다. 시뮬레이션 내 캐릭터들은 서로 대화하고, 환경 변화에 반응하며, 자연스럽게 움직일 뿐만 아니라 사용자가 직접 제어할 수도 있도록 설계되었다.

배경에서 작동하는 Gemini 모델의 힘

Genie 4는 사실적인 비주얼과 동작을 구현하기 위해 DeepMind의 비디오 모델인 Gemini Omni의 기능을 기반으로 구축되었다. 장면 전환 시 환경의 일관성을 유지하기 위해, 기반이 되는 Gemini 모델들이 배경에서 이벤트 계획을 관리한다. 사용자가 날씨를 바꾸라는 프롬프트를 입력하면, Gemini는 실행 중인 환경에 맞춰 지침을 매끄럽게 조정한다.

다단계 시나리오에서 Gemini 3.8 Flash는 시각적 피드를 지속적으로 모니터링하고 목표를 개별 단계로 세분화하며, 새로운 프레임을 사용해 각 작업의 성공 여부를 확인하고 상황이 변하면 계획을 수정한다.

DeepMind는 또한 Gemini 4 Argon을 사용하여 Genie 4를 로봇 공학 프로젝트인 Gemini Robotics와 결합하고 있다. 한 시연에서 Argon은 체커 게임을 단계별 지침으로 나누었다. 이후 Genie 4는 해당 지침을 바탕으로 Apptronik의 휴머노이드 로봇 Apollo가 체커를 두는 모습을 시뮬레이션했으며, 이 모든 과정은 실제 로봇 없이 가상으로 진행되었다.

현재의 한계와 액세스 계획

DeepMind는 Genie 4가 여전히 실험적인 연구 프리뷰 단계임을 강조했다. 이 모델은 짧은 상호작용 동안에는 구조적 일관성을 유지하지만, 세션이 길어지거나 여러 번 프롬프트를 수정할 경우 시각적 세부 사항이 변하거나 고정된 물체가 사라질 수 있다. 정확한 실시간 사운드, 복잡한 물리 법칙, 가독성 있는 텍스트 렌더링에 대한 연구는 현재 진행 중이다.

Genie 4로 제작된 모든 미디어에는 AI 생성 콘텐츠임을 표시하기 위해 구글의 보이지 않는 워터마크인 SynthID가 포함된다.

현재 Genie 4는 일부 테스터에게만 제한적으로 제공된다. DeepMind는 조만간 Project Genie 웹 애플리케이션을 통해 Google AI Ultra 구독자들에게 모델을 출시할 예정이며, Gemini API 및 Google AI Studio 조기 액세스 권한을 가진 파트너들에게도 제공할 계획이다. 장기적으로 DeepMind는 언어 및 코드 추론을 픽셀 수준의 시뮬레이션과 결합한 하이브리드 월드 모델이 AI 에이전트와 물리적 로봇의 핵심 훈련장이 될 것으로 전망하고 있다.