Genie 4は音声を得てGeminiを監督役に据えた。ただし性能の数字は今回出していない

Google DeepMindは、中に入ってキーボードで歩き回り、テキストで場面を書き換えられるワールドモデル「Genie 4」を発表した。新しいのは会話を含む音声のネイティブ生成と、シミュレーションを走らせながら監視するGeminiの存在だ。一方で、前世代では示していた具体的な数値が今回は見当たらない。

Genie 4は音のある世界を生成し、Geminiに見張りを任せる

Google DeepMindは2026年10月27日にGenie 4を発表した。ユーザーは生成された環境をキーボードで移動し、カメラを操作し、プロンプトで場面をその場で変えられる。雨を降らせる、新しい人物や物体を登場させる、といった具合だ。DeepMindによれば、モデルはネイティブにマルチモーダルで、音楽や環境音、プレイヤーに反応する人物の会話が世界と同時に生成される。同社はこれを、音声をネイティブに生成する初のリアルタイム・ワールドモデルだとしている。

注目すべきはモデルの周辺だ。Gemini Omniは世界の見た目と振る舞いを現実に近づける。Gemini 3.8 Flashはループの中でガイド役のエージェントとして動き、場面を観察し、目標を手順に分解し、新しいフレームを見て各手順が実際に完了したかを確かめる。ロボティクスのデモでは、Gemini 4 ArgonがApptronikの人型ロボット「Apollo」にチェッカーをさせるタスクを計画し、Genie 4がその各ステップを描画している。

現時点で利用できるのは、research previewとしての信頼できるテスターだけだ。次はProject GenieのGoogle AI Ultra加入者と、Gemini APIおよびGoogle AI Studioの早期アクセスパートナーに広がる予定で、それ以外の人はウェイトリストに登録できる。Genie 4が生成する映像と音声にはすべてSynthIDの透かしが入る。

娯楽として見せつつ、狙いはロボット訓練と映像のプリビズ

比較の基準は2025年8月だ。Genie 3のときDeepMindは、720p、毎秒24フレーム、数分間の一貫性という具体的な仕様を示していた。Genie 3を使った公開インターフェースProject Genieは、2026年1月に米国の18歳以上のAI Ultra加入者だけに開放された。Genie 4は、世界を眺めることから出来事をシミュレートすることへと重心を移している。何かを起こせば、世界がどう反応し、どんな音がするかをモデルが考える。

本当の顧客が誰なのかは、テスターについての段落からわかる。映画制作者はシミュレーションの中でカメラや照明、台詞を変えながら何テイクも撮る。ゲーム開発者はエンジンのコードを1行も書く前にプロトタイプを手にする。フォトジャーナリストは、1枚のアーカイブ写真を歩き回れる空間に変える方法を試している。企業はシミュレーション用のシナリオを素早く作りたい。

最も影響が大きいのはロボティクスだ。手作業で組んだ環境の代わりに、ロボットが学ぶための台所や倉庫のバリエーションをいくらでも生成できる。DeepMindは最後にハイブリッドなワールドモデルを描く。言語モデルが計画を立てて出来事の論理を保ち、ピクセルモデルが物理的な現実を描く。エージェントを作っている人なら、プランナーと実行役というおなじみの分担に気づくはずだ。

持続時間と物理の数字がなければ、リアリズムは約束にとどまる

発表の弱点はここにある。DeepMindは今回、解像度もフレームレートもレイテンシも、世界がどれだけ一貫性を保てるかも示していない。同社自身、シミュレーションが長くなると細部や物体の永続性がずれていくと認めている。特に複雑なプロンプト編集を重ねたときや、場面の中を移動しているときだ。複雑な物理的相互作用、音声の正確さ、読める文字、空間の正確さは、同社によればまだ研究途上の課題だ。

ロボットの訓練にとって、これは決定的だ。マグカップがしばらくすると別のマグカップに変わってしまう世界でつかみ方を学ぶロボットは、偽のデータで学んでいることになる。ブログの映像は、長く入念に調整したプロンプトで作られた選りすぐりの録画で、無作為のサンプルではない。SynthIDは捏造映像のリスクを下げるが、透かしを確認できて、確認する気がある人にしか役に立たない。

決め手はGemini APIでの価格と、Genieで学んだ最初のロボット

最大のシグナルはGemini APIで現れる。開発者がGenie 4を使えるようになれば、シミュレーション1分あたりの価格、レイテンシ、一貫性が実際に続く時間がわかる。まさにブログが省いた部分だ。もう一つのシグナルはロボティクスで、Apptronikなどのパートナーが、Genie 4で訓練した動作を実機で動かして見せられれば、湖に浮かぶサックス奏者のデモよりずっと強い根拠になる。

欧州の読者にとっては、提供地域も未知数だ。Project Genieは米国限定で始まり、Genie 4についてGoogleはまだ対象国を明らかにしていない。

Lilithの判定

Googleは湖の上のサックス奏者に声を与え、その隣にチェックリストを持ったGeminiを座らせた。だがこの世界でロボットにマグカップのつかみ方を教えたいエンジニアが最初に尋ねるのは、ブログが黙っていたただ一つのことだ。そのマグカップは、いつまで同じマグカップでいられるのか。