O Google DeepMind anunciou o Genie 4, um modelo de mundo que produz ambientes simulados interativos em tempo real. O post é datado de 27 de outubro de 2026.
O que ele faz
O Genie 4 é nativamente multimodal. Música, som ambiente e diálogo falado são gerados junto com o próprio mundo, e os personagens podem reagir ao que o usuário faz ou a eventos da cena. O usuário conduz a simulação com o teclado, para movimento e câmera, e com comandos de texto que mudam coisas como o clima ou acrescentam uma pessoa ou um objeto.
Segundo a DeepMind, o modelo se apoia na família Gemini. O Gemini Omni ancora a simulação na aparência e no comportamento do mundo real, enquanto outros modelos Gemini cuidam do raciocínio que mantém a cena coerente. A empresa destaca um fotorrealismo melhor, movimentos humanos mais naturais e física como aerodinâmica e colisões.
O Gemini como planejador
Para quem pensa em agentes, o ponto mais relevante é a combinação com o Gemini. No arranjo descrito, o Gemini 3.8 Flash atua como agente-guia: observa os quadros gerados, divide um objetivo em etapas, verifica se cada uma deu certo e revisa o plano se o mundo mudar ou o usuário intervir. Em um exemplo de robótica, o Gemini 4 Argon divide uma tarefa em etapas que são enviadas ao Genie 4 como legendas em texto. As demonstrações incluem um Universal Robots UR5 manuseando uma pipeta e o humanoide Apollo, da Apptronik, jogando damas. A DeepMind coloca como meta testar como sistemas de IA lidam com diferentes ambientes antes do uso no mundo real.
Disponibilidade
O Genie 4 é uma prévia de pesquisa para testadores de confiança, vindos de indústrias criativas, jornalismo, educação, games e engenharia. A descrição é de que chegará em breve aos assinantes do Google AI Ultra no Project Genie e aos parceiros de acesso antecipado da API Gemini e do Google AI Studio. Há uma lista de espera aberta para o Project Genie. A fonte não informa preço nem data para um lançamento mais amplo.
A DeepMind diz que parceiros corporativos estão avaliando o modelo para geração rápida de cenários e identificando lacunas. Equipes criativas o usam em pré-visualização, e desenvolvedores de jogos, em protótipos rápidos.
Limites e salvaguardas
A DeepMind chama o Genie 4 de inicial e experimental. Detalhes visuais e a permanência dos objetos podem se desviar em sessões mais longas, depois de muitas edições de comando ou ao se deslocar pela cena. Interações físicas complexas, precisão do áudio em tempo real, texto legível, precisão espacial e consistência de longo prazo continuam sendo áreas abertas de pesquisa. Todo vídeo e áudio gerado leva marca d'água SynthID, e a empresa afirma ter feito avaliações internas de segurança antes da prévia.
O que ainda não se sabe
A fonte não diz como será cobrado o acesso pela API Gemini, quais limites de uso valerão nem quando os parceiros o receberão. Esses detalhes decidem se isso vira algo que uma equipe de operações possa usar.