Google DeepMind apresenta Genie 4, modelo de mundo interativo em tempo real

A Google DeepMind apresentou o Genie 4, sucessor do modelo de mundo Genie 3 demonstrado em agosto de 2025. Diferente dos geradores de vídeo convencionais que entregam arquivos completos, o Genie 4 calcula cenas quadro a quadro em tempo real, respondendo continuamente aos comandos do usuário via controles de teclado e prompts de texto.

Pela primeira vez nos modelos de mundo em tempo real da DeepMind, o Genie 4 gera nativamente áudio de fundo sincronizado, como o som do vento soprando entre as árvores, além de diálogos responsivos de personagens. Os personagens na simulação são projetados para conversar entre si, reagir a mudanças no ambiente, mover-se naturalmente e ser controlados diretamente pelos usuários.

Impulsionado por Modelos Gemini em Segundo Plano

O Genie 4 baseia-se nas capacidades do modelo de vídeo da DeepMind, o Gemini Omni, para alcançar visuais e comportamentos realistas. Para manter a consistência ambiental durante as mudanças de cena, modelos Gemini subjacentes gerenciam o planejamento de eventos em segundo plano. Se um usuário insere um prompt para mudar o clima, o Gemini ajusta a instrução para que ela se adapte perfeitamente ao ambiente em execução.

Em cenários de múltiplas etapas, o Gemini 3.8 Flash monitora continuamente o feed visual, divide os objetivos em passos individuais e utiliza novos quadros para verificar se cada ação foi bem-sucedida, revisando seu plano caso as condições mudem.

A DeepMind também está combinando o Genie 4 com sua iniciativa de robótica, Gemini Robotics, utilizando o Gemini 4 Argon. Em uma demonstração, o Argon dividiu um jogo de damas em instruções passo a passo. O Genie 4 então simulou o robô humanoide Apollo, da Apptronik, jogando damas com base nessas instruções, realizando todo o processo virtualmente, sem a necessidade de um robô físico.

Limitações Atuais e Planos de Acesso

A DeepMind enfatiza que o Genie 4 continua sendo uma prévia de pesquisa experimental. Embora o modelo mantenha a coerência estrutural em interações curtas, detalhes visuais podem oscilar e objetos persistentes podem desaparecer durante sessões prolongadas ou após múltiplas modificações via prompt. Pesquisas continuam sendo realizadas em relação a som preciso em tempo real, física complexa e renderização de texto legível.

Todas as mídias produzidas pelo Genie 4 incorporarão a marca d'água invisível SynthID da Google para sinalizar conteúdo gerado por IA.

Atualmente, o acesso ao Genie 4 é restrito a testadores selecionados. A DeepMind planeja lançar o modelo em breve para assinantes do Google AI Ultra por meio do aplicativo web Project Genie, bem como para parceiros com acesso antecipado à Gemini API e ao Google AI Studio. A longo prazo, a DeepMind vislumbra modelos de mundo híbridos que combinem raciocínio de linguagem e código com simulação em nível de pixel como campos de treinamento fundamentais para agentes de IA e robôs físicos.