Google DeepMind выпустила Genie 4 в режиме исследовательского превью — это очередной шаг в гонке за доминирование на рынке generative world models. Новая модель генерирует самые фотореалистичные интерактивные миры из всех, что были доступны на данный момент, и впервые в таком инструменте добавила синхронизированный со сценой звук: музыку, шумы окружения и диалоги. Пользователи теперь могут печатать подсказки прямо во время симуляции и менять погоду, угол камеры или добавлять людей и объекты.
Выпуск Genie 4 совпадает с растущей консолидацией на рынке мировых моделей. Runway недавно представила GWM Worlds 2 — конкурирующий инструмент с похожими возможностями аудиогенерации. Одновременно Amazon ведёт переговоры о покупке Decart, AMD приобретает World Labs Фэй-Фэй Ли, а Rivian покупает Third Dimension для встроенного тестирования симуляций беспилотников. Это кажется скоординированным толчком крупных технологических компаний и автопроизводителей закрепить контроль над инструментарием, который становится ключевым для разработки робототехники и автономных систем.
Технически Genie 4 — это заметный скачок от предшественника, выпущенного полтора года назад. Модель может поддерживать согласованную сцену до двух минут (вместо одной), обеспечивает лучшую физику и более естественное поведение персонажей. Важнее то, что Google более плотно интегрировала сюда Gemini: языковая модель теперь выступает режиссёром, планируя шаги и проверяя кадры, а Genie отвечает за визуальную симуляцию. В одном из экспериментов Gemini Robotics модель разбивала задачи на этапы, которые Genie 4 симулировала в реальном времени — это показывает практический путь к тестированию сценариев роботов виртуально перед их реальным выполнением.
Официально Google позиционирует Genie 4 для игр, интерактивного обучения и робототехники. Один из примеров — интерактивное изучение истории через погружение в историческую сцену с возможностью беседовать с её персонажами. Но неофициальные юзеры, получившие ранний доступ, уже указывают на другой интересный сценарий: быстрое прототипирование фильмов. Во время презентации Google подчеркнула, что способность работать в реальном времени особенно полезна на этапах идеации и раскадровки, когда нужна быстрая итерация идей. Компания также связывает Genie 4 с собственным Veo (моделью для генерации высокого качества видео с синхронизированным звуком) и грядущим Gemini Omni, которые должны помочь превратить симуляции в финальные творческие активы — правда, компания честно признаёт, что эта интеграция ещё далеко не готова.
При этом Google не скрывает, что Genie 4 всё ещё в ранних стадиях. Детали и объекты могут дрейфовать по мере удлинения симуляции, аудио может быть неточным, а текст в сцене не всегда разборчив. Это не просто маркетинговая скромность — это реальные ограничения, которые ещё нужно решать для серьёзного коммерческого применения, особенно если речь о режиссуре или сложных симуляциях.
Для России применение world models вроде Genie 4 имеет непосредственное значение в нескольких сферах. В игровой индустрии и VR студиях такие инструменты могут ускорить прототипирование окружений и сцен, снижая затраты на донескольку итераций. Для компаний, работающих с образовательным контентом, интерактивные миры могут стать полезным инструментом создания иммерсивных курсов. Наконец, для тестирования автономных систем и робототехники локальные teams могут использовать эти модели через API либо собственные мощности — это особенно актуально, учитывая растущий интерес к беспилотным доставкам и промышленной робототехнике. Инструменты вроде Genie 4 будут доступны через Project Genie (Google's AI tool для генерации интерактивных миров), AI Ultra подписку и Gemini API.
Главная интрига в том, что мировые модели только начинают выходить из лаб в более массовое применение. Genie 4 — это не просто улучшение параметров, это первый признак того, что инструмент начинает становиться практичным для реальных рабочих процессов. Вопрос в том, насколько быстро Google сможет закрыть оставшиеся гэпы в качестве и надёжности — или же конкуренты вроде Runway первыми выведут более стабильный коммерческий продукт.