Genie 4 přidal zvuk a Gemini jako režiséra. Čísla o výkonu Google tentokrát vynechal

Google DeepMind představil Genie 4, model světa, do kterého se dá vstoupit, pohybovat se klávesnicí a textem měnit, co se ve scéně děje. Novinkou je zvuk včetně dialogu a Gemini, které simulaci průběžně hlídá. Chybí ale tvrdá čísla, která Google u předchůdce ještě uváděl.

Genie 4 generuje svět se zvukem a nechává ho hlídat Gemini

Google DeepMind oznámil Genie 4 27. října 2026. Uživatel se ve vygenerovaném prostředí pohybuje klávesnicí, otáčí kamerou a promptem mění scénu za chodu: přidá déšť, novou postavu nebo předmět. Podle DeepMindu je model nativně multimodální, takže spolu se světem vzniká i hudba, okolní zvuky a dialog postav, které reagují na hráče. Firma ho označuje za svůj první model světa v reálném čase, který generuje zvuk sám.

Podstatné je, co stojí kolem modelu. Gemini Omni drží vzhled a chování světa blízko realitě. Gemini 3.8 Flash běží ve smyčce jako řídicí agent: sleduje scénu, rozkládá cíl na kroky a u nových snímků kontroluje, jestli krok opravdu proběhl. V robotické ukázce plánuje Gemini 4 Argon úkol pro humanoida Apollo od firmy Apptronik, který hraje dámu, a Genie 4 jednotlivé kroky vykresluje.

Model zatím dostali jen důvěryhodní testeři v rámci research preview. Jako další na řadě jsou předplatitelé Google AI Ultra v Project Genie a partneři s předběžným přístupem v Gemini API a Google AI Studio. Ostatní se můžou zapsat na čekací listinu. Video i zvuk z Genie 4 mají nést vodoznak SynthID.

Google prodává zábavu, ale míří na simulace pro roboty a filmaře

Pro srovnání stačí vrátit se do srpna 2025. U Genie 3 DeepMind uváděl konkrétní parametry: rozlišení 720p, 24 snímků za sekundu a soudržnost na několik minut. Project Genie, tedy veřejné rozhraní nad Genie 3, se v lednu 2026 otevřel jen předplatitelům AI Ultra v USA starším 18 let. Genie 4 posouvá důraz od prohlížení světa k simulaci událostí: spustíte děj a model domýšlí, jak svět zareaguje a jak to zní.

Kdo jsou skuteční zákazníci, ukáže pasáž o testerech. Filmaři v simulaci točí víc záběrů. Mění kameru, světlo i dialog. Herní vývojáři mají hotový prototyp dřív, než napíšou kód. Fotoreportéři zkoušejí z jedné staré fotky udělat místo, kterým se dá projít. A firmy chtějí rychle stavět scény pro simulace.

Pro roboty je to nejzajímavější směr. Model nemusí čekat, až někdo ručně postaví kuchyň nebo sklad. Vyrobí jich, kolik je potřeba, a robot se v nich učí. DeepMind v závěru popisuje hybridní model světa. Jazykový model plánuje a hlídá logiku děje, pixelový model kreslí, co je vidět a slyšet. Kdo staví agenty, pozná známé dělení na plánovače a vykonavatele.

Bez čísel o délce a fyzice zůstává realismus jen slibem

Tady je oznámení nejslabší. DeepMind tentokrát neuvedl rozlišení ani počet snímků za sekundu. Neřekl, jak rychle model reaguje, ani jak dlouho svět drží pohromadě. Sám přiznává, že se detaily a předměty při delší simulaci mění. Nejvíc po několika složitých úpravách promptem nebo při pohybu scénou. Fyzika složitějších srážek, přesný zvuk, čitelný text a prostor jsou podle firmy pořád otevřené úkoly.

Pro trénink robotů je to zásadní. Robot, který se učí brát hrnek ve světě, kde se hrnek po chvíli promění v jiný, se učí na falešných datech. Ukázky na blogu jsou vybrané nahrávky s dlouhými, pečlivě vyladěnými prompty, žádný náhodný vzorek. SynthID tlumí riziko podvržených záběrů, pomůže ale jen tomu, kdo vodoznak umí a chce ověřit.

O úspěchu rozhodne cena v Gemini API a první robot, který se v Genie učil

Hlavní signál přijde s Gemini API. Až Genie 4 dostanou vývojáři, uvidíme cenu za minutu simulace. Uvidíme i latenci a to, jak dlouho svět vydrží. Přesně tohle blog vynechal. Druhý signál dají roboti. Pokud Apptronik nebo jiný partner ukáže robota, který se učil v Genie 4 a pak zvládl úkol ve skutečném světě, bude to silnější argument než všechny ukázky se saxofonistou na jezeře.

Otevřená je i dostupnost pro Evropu. Project Genie začínal jen v USA. U Genie 4 Google zatím žádné země neuvádí.

Lilithin verdikt

Google dal saxofonistovi na jezeře hlas a vedle něj posadil Gemini s kontrolním seznamem. Inženýr, který chce v tomhle světě učit robota brát hrnek, se ale nejdřív zeptá na jedinou věc, kterou blog zamlčel: jak dlouho ten hrnek zůstane stejným hrnkem.