O Google DeepMind anunciou o Genie 4 na terça-feira, seu mais novo modelo mundial para simulação interativa em tempo real, trazendo o que a empresa chama de realismo sem precedentes e áudio nativo para ambientes gerados por IA que os usuários podem controlar em tempo real com linguagem natural.

O Genie 4 gera os mundos mais fotorrealistas e interativos que a DeepMind já produziu, de acordo com a cobertura do TechCrunch após uma coletiva de imprensa. Os usuários podem digitar avisos no meio da simulação para mudar uma cena – mover a câmera, mudar o clima ou apresentar novas pessoas e objetos – enquanto o modelo gera áudio sincronizado dinamicamente, incluindo som ambiente, música e diálogo interativo.

Os modelos mundiais – sistemas de IA que simulam ambientes interativos em vez de apenas prever texto ou renderizar imagens estáticas – tornaram-se uma das fronteiras mais contestadas da IA. Acompanhe os últimos lançamentos de modelos de IA no AI Buzz Wire à medida que a corrida acelera.

Construído em Gêmeos, dirigido por Gêmeos

O Genie 4 está profundamente integrado à família de modelos Gemini do Google. De acordo com o anúncio da DeepMind, o Gemini Omni ancora simulações na aparência e comportamento do mundo real, enquanto outros modelos Gemini fornecem o raciocínio complexo necessário para manter uma simulação coerente ao longo do tempo.

TechCrunch descreveu a arquitetura como Gemini atuando como um diretor que planeja etapas e verifica os frames enquanto Genie cria os visuais. Em um experimento de pesquisa vinculado à Gemini Robotics, um modelo Gemini 4 Argon dividiu as tarefas em etapas que o Genie 4 simulou em tempo real – uma demonstração que a DeepMind posiciona como uma maneira possível de ensaiar cenários de robôs em simulação antes que eles aconteçam no mundo físico.

“O que veremos cada vez mais no futuro são esses modelos de mundo híbrido, onde você tem uma combinação de Gemini escrevendo código e texto, e Genie ingerindo isso em tempo real e simulando a realidade em diferentes níveis de abstração”, disse Tejas Kulkarni, diretor de pesquisa do Google, durante um briefing, de acordo com o TechCrunch.

Duplique a Persistência, Melhor Física

O salto geracional em relação ao Genie 3 – lançado como uma prévia da pesquisa há pouco mais de um ano – é substancial. O Genie 4 pode manter uma cena consistente por até dois minutos, dobrar o limite de seu antecessor e oferecer melhor física e personagens mais humanos, de acordo com o TechCrunch. Ele também suporta edições de formato livre que não eram possíveis antes, como alterar o clima ou os ângulos da câmera em tempo real ou adicionar novas pessoas ou objetos a uma simulação em execução.

O modelo não está isento de lacunas. A equipe da DeepMind reconheceu durante o briefing que detalhes e objetos podem se desviar quanto mais tempo uma simulação é executada, e que a empresa ainda não resolveu como garantir que o áudio gerado permaneça preciso ou que o texto no mundo permaneça legível.

Um mercado modelo mundial em consolidação

O Genie 4 chega no momento em que a indústria mundial de modelos começa a se consolidar. O TechCrunch observa que o lançamento ocorre alguns meses depois que a Runway lançou o GWM Worlds 2, um modelo de mundo jogável com geração de áudio. Enquanto isso, o World Labs de Fei-Fei Li está sendo adquirido pela AMD, a Amazon está em negociações para comprar a Decart e a Rivian adquiriu a Third Dimension para trazer recursos de simulação internamente para testes de direção autônoma.

O Google está claramente tentando ficar à frente desse campo lotado – e os investidores perceberam. Reportagens da imprensa notaram que as ações da Alphabet subiram mais de 2% após o lançamento do Genie 4, que chegou pouco antes do relatório de lucros trimestrais da empresa na quarta-feira. O antecessor Genie 3 abalou as ações dos videogames quando estreou no ano passado, enquanto os investidores enfrentavam a implicação de que mundos gerados em tempo real poderiam eventualmente competir com o desenvolvimento de jogos tradicionais.

De jogos a storyboards de filmes e robótica

A DeepMind enquadra a simulação mundial como um passo crucial em direção à AGI, permitindo ambientes de treinamento seguros para robôs e agentes. Os casos de uso comercial propostos abrangem jogos, aprendizagem interativa e fabricação. Um exemplo especulativo da empresa: entrar na pintura de uma cena histórica e conversar com seus sujeitos sobre o acontecimento retratado.

Mas os primeiros usuários estão apontando para algo inesperado: a pré-produção de filmes. “O aspecto do tempo real torna-se mais valioso nas áreas onde manter um estado de fluxo no espaço de criatividade se torna incrivelmente útil”, disse Diego Rivas, engenheiro do Google DeepMind, durante a coletiva de imprensa, por TechCrunch. "Por exemplo, na fase de idealização, na fase de storyboard - sempre que você precisar de uma idealização rápida."

Testadores confiáveis ​​​​já usam o Genie 4 para criar protótipos de filmes, e Rivas sugeriu que os usuários poderiam eventualmente contar com o Gemini Omni para transformar esses protótipos em ativos criativos acabados, embora ele tenha enfatizado que essas capacidades ainda estão distantes.

Disponibilidade

O Genie 4 está sendo lançado agora em versão prévia de pesquisa para um grupo limitado de testadores confiáveis. Nas próximas semanas, ele chegará aos assinantes do Google AI Ultra por meio do Project Genie – a ferramenta do Google para gerar mundos interativos a partir de prompts de texto ou imagem – bem como aos parceiros de acesso antecipado na API Gemini e no AI Studio.

Quer os modelos mundiais se tornem a próxima mudança de plataforma ou continuem a ser uma demonstração de pesquisa impressionante, o Genie 4 deixa uma coisa clara: a linha entre assistir a vídeos gerados por IA e jogar dentro deles está desaparecendo.

Fique à frente da IA

Acompanhe todos os lançamentos de modelos de fronteira e avanços em pesquisas — leia mais notícias sobre IA no AI Buzz Wire.

Obtenha os últimos desenvolvimentos de IA aqui.