Google DeepMind apresentou Genie 4 em research preview no dia 27 de outubro de 2026. O novo modelo de world model gera mundos fotorrealistas e interativos, permitindo que usuários digitem prompts durante a simulação para modificar a cena em tempo real. Uma das principais inovações é a geração de áudio sincronizado que acompanha o mundo simulado, incluindo música, ruídos ambientes e diálogos interativos.
Genie 4 representa um avanço significativo em relação a seu predecessor, Genie 3, lançado como research preview há pouco mais de um ano. O novo modelo oferece fotorrealismo muito superior, suporte a áudio completo e capacidades de edição freeform, como alterar clima, ângulo de câmera ou adicionar pessoas e objetos durante a execução. A duração das simulações consistentes dobrou, chegando agora a dois minutos, além de melhorias em física e personagens mais humanoides.
A integração com Gemini, o modelo de IA do Google, foi aprofundada em Genie 4. O Gemini atua como diretor, planejando etapas e verificando frames enquanto Genie gera os elementos visuais. Um experimento ligado a Gemini Robotics demonstrou essa sinergia: um modelo Gemini 4 Argon decompos tarefas em passos que Genie 4 simulou em tempo real, abrindo caminho para testar cenários de robôs em simulação antes de sua aplicação no mundo real.
Os casos de uso comerciais mencionados incluem gaming, aprendizagem interativa e robótica. Um exemplo de aplicação educacional seria entrar em uma pintura de cena histórica e conversar com os personagens retratados sobre o evento. Tejas Kulkarni, diretor de pesquisa do Google, descreveu a tendência futura: "O que veremos cada vez mais no futuro são esses modelos mundiais híbridos, onde você tem uma combinação de Gemini escrevendo código e texto, e Genie ingerindo isso em tempo real e simulando realidade em diferentes níveis de abstração".
Trusted testers já identificaram um novo caso de uso promissor: prototipagem de filmes. Diego Rivas, engenheiro do Google DeepMind, destacou o valor de manter o estado de fluxo na criatividade, especialmente em fases de ideação e storyboarding para rápida geração de ideias. O Google também oferece Veo, seu modelo de geração de vídeo IA que produz clipes em alta definição com áudio sincronizado a partir de prompts de texto, imagem ou vídeo, ferramenta que cresceu em popularidade entre cineastas. Futuramente, Gemini Omni, um modelo multimodal, poderia converter esses protótipos em assets criativos, embora essas capacidades ainda estejam distantes.
Apesar dos avanços, Genie 4 ainda enfrenta limitações. Detalhes e objetos podem sofrer desvios conforme a simulação se prolonga. A equipe também não resolveu completamente como garantir precisão do áudio gerado e legibilidade de texto dentro do mundo simulado. Rivas enfatizou que ainda é cedo para Genie 4 e que a experiência final do produto ainda não está clara.
O lançamento ocorre em contexto de consolidação no setor de world models. World Labs de Fei-Fei Li está sendo adquirida pela AMD, a Amazon negocia aquisição da Decart, e Rivian adquiriu Third Dimension para levar capacidades de simulação para testes de veículos autônomos. Runway havia lançado GWM Worlds 2, seu segundo world model, alguns meses antes, com capacidades dinâmicas e geração de áudio.
Genie 4 está disponível agora como research preview para trusted testers. Nas próximas semanas, será expandido para assinantes Google AI Ultra em Project Genie (plataforma para gerar mundos interativos de prompts de texto ou imagem), além de parceiros de early access da Gemini API e Google AI Studio.
