Genie 4 dostał dźwięk i Gemini w roli reżysera. Liczb o wydajności Google tym razem nie podał

Google DeepMind zaprezentował Genie 4, model świata, do którego można wejść, poruszać się klawiaturą i tekstem zmieniać to, co dzieje się w scenie. Nowością jest dźwięk razem z dialogami oraz Gemini, które na bieżąco pilnuje symulacji. Brakuje za to twardych liczb, które Google podawał jeszcze przy poprzedniku.

Genie 4 generuje świat z dźwiękiem, a Gemini go pilnuje

Google DeepMind ogłosił Genie 4 27 października 2026 roku. Użytkownik porusza się po wygenerowanym otoczeniu klawiaturą, steruje kamerą i promptem zmienia scenę w locie: dodaje deszcz, nową postać albo przedmiot. Według DeepMind model jest natywnie multimodalny, więc razem ze światem powstaje muzyka, odgłosy otoczenia i dialogi postaci reagujących na gracza. Firma nazywa go swoim pierwszym modelem świata działającym w czasie rzeczywistym, który sam generuje dźwięk.

Ciekawsze jest to, co otacza model. Gemini Omni utrzymuje wygląd i zachowanie świata blisko rzeczywistości. Gemini 3.8 Flash działa w pętli jako agent prowadzący: obserwuje scenę, rozbija cel na kroki i na kolejnych klatkach sprawdza, czy dany krok naprawdę się wydarzył. W pokazie robotycznym Gemini 4 Argon planuje zadanie dla humanoida Apollo firmy Apptronik, który gra w warcaby, a Genie 4 renderuje kolejne kroki.

Na razie dostęp mają tylko zaufani testerzy w ramach research preview. Następni w kolejce są subskrybenci Google AI Ultra w Project Genie oraz partnerzy z wczesnym dostępem w Gemini API i Google AI Studio. Pozostali mogą zapisać się na listę oczekujących. Wideo i dźwięk z Genie 4 mają być oznaczane znakiem wodnym SynthID.

Google sprzedaje zabawę, a celuje w symulacje dla robotów i filmowców

Punkt odniesienia to sierpień 2025 roku. Przy Genie 3 DeepMind podawał konkretne parametry: 720p, 24 klatki na sekundę i spójność przez kilka minut. Project Genie, czyli publiczny interfejs zbudowany na Genie 3, ruszył w styczniu 2026 roku wyłącznie dla subskrybentów AI Ultra w USA, którzy skończyli 18 lat. Genie 4 przesuwa akcent z oglądania świata na symulowanie zdarzeń: uruchamiasz akcję, a model dopowiada, jak świat zareaguje i jak to brzmi.

Kim są prawdziwi klienci, widać w części o testerach. Filmowcy kręcą w symulacji kilka dubli, zmieniając kamerę, światło i dialogi. Twórcy gier dostają prototyp, zanim napiszą pierwszą linijkę kodu w silniku. Fotoreporterzy sprawdzają, jak z archiwalnego zdjęcia zrobić przestrzeń, po której da się przejść. Firmy chcą szybko generować scenariusze do symulacji.

Najwięcej może na tym zyskać robotyka. Zamiast ręcznie budowanych środowisk model może wygenerować dowolnie wiele wariantów kuchni czy magazynu, w których robot się uczy. Na koniec DeepMind opisuje hybrydowe modele świata: model językowy planuje i pilnuje logiki zdarzeń, a model pikselowy rysuje fizyczną rzeczywistość. Kto buduje agentów, rozpozna znajomy podział na planistę i wykonawcę.

Bez liczb o czasie i fizyce realizm pozostaje obietnicą

Tu ogłoszenie jest najsłabsze. DeepMind nie podał rozdzielczości, liczby klatek, opóźnienia ani tego, jak długo świat pozostaje spójny. Sam przyznaje, że szczegóły i trwałość obiektów rozjeżdżają się przy dłuższej symulacji, zwłaszcza po kilku złożonych zmianach promptu albo podczas poruszania się po scenie. Złożone interakcje fizyczne, wierność dźwięku, czytelny tekst i dokładność przestrzenna to według firmy wciąż otwarte problemy badawcze.

Dla trenowania robotów to kluczowe. Robot, który uczy się podnosić kubek w świecie, gdzie kubek po chwili zamienia się w inny kubek, uczy się na fałszywych danych. Klipy na blogu to wybrane nagrania sterowane długimi, starannie dopracowanymi promptami, a nie losowa próbka. SynthID ogranicza ryzyko podrobionych nagrań, ale pomoże tylko temu, kto umie i chce sprawdzić znak wodny.

Rozstrzygnie cena w Gemini API i pierwszy robot wytrenowany w Genie

Najważniejszy sygnał przyjdzie z Gemini API. Kiedy Genie 4 trafi do deweloperów, poznamy cenę za minutę symulacji, opóźnienie i realny czas spójności świata, czyli dokładnie to, czego zabrakło na blogu. Drugi sygnał to robotyka: jeśli Apptronik albo inny partner pokaże zachowanie wytrenowane w Genie 4, które działa na prawdziwym sprzęcie, będzie to mocniejszy argument niż wszystkie pokazy z saksofonistą na jeziorze.

Dla czytelników w Europie otwarta pozostaje dostępność. Project Genie startował tylko w USA, a przy Genie 4 Google nie wymienia na razie żadnych krajów.

Werdykt Lilith

Google dał saksofoniście na jeziorze głos i posadził obok niego Gemini z listą kontrolną. Inżynier, który chce w tym świecie nauczyć robota podnosić kubek, najpierw zapyta o jedyną rzecz, którą blog przemilczał: jak długo ten kubek pozostanie tym samym kubkiem.