O Google DeepMind anunciou o Genie 4, seu novo modelo de mundo, capaz de gerar e permitir a exploração de mundos interativos em tempo real, agora com áudio nativo, diálogo entre personagens e edição por texto enquanto a simulação acontece. Ele já está em prévia de pesquisa para testadores de confiança e chega em breve para assinantes do Google AI Ultra no Project Genie e para parceiros de acesso antecipado da Gemini API e do Google AI Studio.
O que é o Genie 4
Um modelo de mundo é um sistema de IA que simula como um ambiente se comporta: você define um evento e o modelo mostra o que acontece depois, como o mundo reage, como soa e como as pessoas ali se movem, reagem e falam. Segundo o Google DeepMind, o Genie 4 é nativamente multimodal, o que permite gerar música, sons ambientes e diálogo interativo junto com o mundo.
O Genie 4 incorpora capacidades da família Gemini. O Gemini Omni ancora as simulações na aparência e no comportamento do mundo real, e outros modelos Gemini fornecem o raciocínio necessário para manter a coerência e a continuidade da simulação. O Google DeepMind diz que entender e simular o mundo é um passo importante rumo à AGI e que simulações seguras e variáveis podem ajudar tanto a criar ambientes de treino para robôs e agentes quanto a criar novas experiências interativas.
As quatro capacidades que o Google destaca
- Moldar a simulação em tempo real: com linguagem natural, você muda o clima, move a câmera ou introduz uma pessoa ou objeto. O Gemini adapta o seu pedido à cena e, entre uma entrada e outra, acompanha e conduz o mundo para que ele continue evoluindo de forma coesa. A navegação e a câmera usam os controles padrão do teclado.
- Física e ação humana mais realistas: o modelo simula cenários físicos como aerodinâmica e colisões. O salto mais marcante, segundo o Google, é na simulação de pessoas, que se movem de forma natural, respondem ao ambiente e podem ser conduzidas em tempo real.
- Som do mundo: é o primeiro modelo de mundo em tempo real do Google a gerar áudio nativamente. Cada mundo traz o som ambiente do seu cenário, do vento nas árvores às ondas na praia, e o diálogo interativo se adapta na hora, com personagens que conversam e reagem às suas ações e aos eventos.
- Eventos complexos com o Gemini: no Genie 4 em tempo real, o Gemini 3.8 Flash atua como agente guia: observa a cena, divide objetivos em etapas e revisa os quadros recebidos para verificar se cada etapa deu certo, adaptando o plano quando o mundo muda ou o usuário intervém.
O post traz várias demonstrações em vídeo de interações em tempo real, com cenas como um saxofonista em uma plataforma flutuante sobre um lago, um voo de balão sobre a Antártida, uma estação de trem japonesa dos anos 1980 e um mundo todo feito de vitrais.
Gemini 4 Argon, robótica e o robô Apollo
O Google também testou o Gemini 4 Argon com o Genie 4 para unir sua pesquisa de ponta à Gemini Robotics. No exemplo, o Argon divide uma tarefa pedida pelo usuário em passos que o Genie renderiza, intercalados como legendas de texto enquanto a simulação acontece. Como o Genie 4 pode ser conduzido em tempo real por essas legendas, a simulação se adapta conforme avança rumo à conclusão da tarefa. A demonstração mostra o humanoide Apollo, da Apptronik, jogando damas, dividido em passos em tempo real. O Google vê nisso um caminho para simular uma variedade de cenários em mundos imaginados.
O que os testadores relatam
O Google trabalhou com grupos de testadores de confiança em indústrias criativas, jornalismo, educação, jogos e engenharia, que destacaram o salto em fotorrealismo, o áudio nativo e a condução em tempo real.
- Direção criativa: criativos testam o Genie 4 como um modo rascunho para pré-visualização e ideias. Cineastas podem entrar em uma simulação ao vivo e fazer várias tomadas em tempo real, ajustando câmera, luz, diálogo e ação.
- Cenários históricos: fotojornalistas exploram como uma única foto de arquivo vira, em segundos, uma simulação do ambiente, e como mundos dinâmicos podem ajudar a visualizar eventos como enchentes e incêndios.
- Conceitos de jogos: desenvolvedores testam ir de uma ideia a um protótipo explorável em segundos, experimentando estilos visuais e mecânicas por texto antes de escrever código de engine.
- Simulação: parceiros empresariais avaliam o modelo para gerar cenários do zero rapidamente e apontam lacunas que o Google precisa melhorar.
Segurança e limitações
O Google afirma que o Genie 4 tem salvaguardas rigorosas, consistentes com as políticas dos seus outros modelos, e passou por avaliações internas de segurança antes da prévia, com lançamento inicial restrito a parceiros testadores. Todo vídeo e áudio gerado inclui o SynthID, marca d’água digital imperceptível que ajuda a identificar conteúdo gerado por IA.
A própria empresa descreve o Genie 4 como um modelo inicial e experimental. Ele mantém ambientes coerentes em sessões curtas, mas detalhes visuais e a permanência de objetos podem mudar ou se desviar com o tempo, principalmente em simulações longas, depois de várias edições complexas de prompt ou ao navegar pela cena. Interações físicas complexas, precisão do áudio em tempo real, texto legível, precisão espacial e consistência de longo prazo seguem em pesquisa. O post também não traz números comparativos nem resolução ou duração máxima de sessão.
Quem pode usar e quando
Hoje, o Genie 4 está disponível apenas como prévia de pesquisa para testadores de confiança. O Google diz que ele chega em breve para assinantes do Google AI Ultra no Project Genie e para parceiros de acesso antecipado da Gemini API e do Google AI Studio, e há uma lista de espera para o Project Genie. O post não informa preço, países nem uma data para a liberação geral, e não fala do Brasil. É uma ferramenta voltada hoje a criadores, estúdios, pesquisadores e desenvolvedores que queiram testar mundos interativos, e não a quem busca um produto pronto para o dia a dia.
Perguntas frequentes
O que é o Genie 4?
É o novo modelo de mundo do Google DeepMind, que gera mundos interativos em tempo real, com som, diálogo entre personagens e edição por texto enquanto você explora.Quem pode usar o Genie 4 agora?
Apenas testadores de confiança, em prévia de pesquisa. O Google diz que chega em breve a assinantes do Google AI Ultra no Project Genie e a parceiros de acesso antecipado da Gemini API e do Google AI Studio. Há lista de espera para o Project Genie.O Genie 4 está disponível no Brasil?
O Google não informou disponibilidade por país nem preço.O vídeo gerado pelo Genie 4 tem marca d’água?
Sim. Todo vídeo e áudio gerado inclui o SynthID, uma marca d’água digital imperceptível.Fonte: Google DeepMind
Análise Crítica
O Genie 4 reúne em um só modelo fotorrealismo, física, áudio e diálogo gerados em tempo real, e a integração com o Gemini, que observa a cena e conduz o plano, aponta para modelos de mundo híbridos, o que o Google DeepMind vê como caminho futuro. O potencial para pré-visualização, protótipos de jogos e simulação para robótica é claro, e a marca d’água SynthID responde a uma preocupação importante. Os pontos de cautela são do próprio Google: o modelo é inicial e experimental, perde consistência em sessões longas, e o acesso é restrito a testadores. O post traz demonstrações escolhidas, sem benchmarks, resolução ou duração máxima, e não detalha preço, países ou data de liberação, então vale esperar o acesso para avaliar o desempenho no seu caso.
A visão do canal Invente com IA
Se você é criador, estúdio ou desenvolvedor, entre na lista de espera do Project Genie e, quando liberar, comece com ideias curtas: um cenário para pré-visualizar uma cena ou um conceito de jogo, testando câmera, luz e personagens por texto. Se você tem Google AI Ultra, fique de olho no Project Genie. Enquanto isso, vale assistir ao vídeo oficial para entender o que o modelo faz hoje e onde ainda erra.
