Google DeepMind 27 октября представила Genie 4 — модель, которая создаёт интерактивное окружение вместе со звуками, музыкой и речью персонажей. По описанию разработчиков, диалоги меняются в ответ на действия пользователя и события в сцене. Началось ограниченное исследовательское тестирование.

Само перемещение по сгенерированному миру и его изменение текстовыми командами появились ещё в Genie 3: там можно было менять погоду, добавлять предметы и персонажей. Поэтому главное новое свойство четвёртой версии — звук, создаваемый самой моделью одновременно с изображением, включая интерактивную речь. Это расширяет такой мир от визуального окружения до сцены, с которой можно разговаривать.

Управлять последовательностью событий помогает Gemini 3.8 Flash: она наблюдает за кадрами, разбивает цель на шаги и корректирует план по ходу симуляции. DeepMind также описала эксперимент, где Gemini 4 Argon направляет симуляцию человекоподобного робота, играющего в шашки. Это показ взаимодействия моделей в искусственной среде, а не результат испытания физического робота.

Разработчики признают, что детали и постоянство объектов могут нарушаться при долгой сессии или сложных правках. Физика взаимодействий, точность звука и устойчивость пространства ещё требуют доработки. В анонсе Google доступ для подписчиков AI Ultra через Project Genie и ранних партнёров Gemini API и AI Studio обозначен как будущий: сейчас модель получают выбранные тестировщики.