DeepMind annuncia Genie 4, un modello del mondo in tempo reale con audio nativo

Google DeepMind ha annunciato Genie 4, un modello del mondo in tempo reale con audio nativo, il 27 ottobre 2026. Genie 4 è un'anteprima di ricerca per tester fidati, non un rilascio generale. [1]

Che cosa ha annunciato DeepMind?

DeepMind dice che Genie 4 «sblocca un realismo senza precedenti e migliora la simulazione interattiva in tempo reale». È il primo modello del mondo in tempo reale del laboratorio a generare audio in modo nativo, musica, rumore ambientale e dialogo interattivo compresi. I personaggi conversano e reagiscono agli input dell'utente in tempo reale. Il post è di Raia Hadsell, Diego Rivas e Hang Qi. DeepMind ha pubblicato l'annuncio su X alle 16:10 UTC. [1] [2]

Che cosa può cambiare chi usa il modello?

Ci si sposta con i comandi standard da tastiera e si orienta la scena con prompt di testo. Il linguaggio naturale può cambiare il meteo, spostare la camera o aggiungere una persona o un oggetto in tempo reale. Gemini adatta il prompt alla scena e orienta tra un input e l'altro. [1]

DeepMind dice che il modello copre la fisica, come l'aerodinamica e le collisioni, e l'azione umana. Nelle sue parole, «il salto più netto è il modo in cui Genie 4 simula le persone». [1]

Gemini Omni ancora le simulazioni all'aspetto e al comportamento del mondo reale. Altri modelli Gemini forniscono il ragionamento per coerenza e continuità. Gemini 3.8 Flash agisce come agente guida nel ciclo, osserva la scena, scompone gli obiettivi in passi e verifica ogni passo. [1]

Chi può provare Genie 4?

L'anteprima è ora per tester fidati. Arriverà agli abbonati di Google AI Ultra in Project Genie e ai partner in accesso anticipato dell'API Gemini e di Google AI Studio. Una lista d'attesa è aperta in Project Genie. Non è disponibile in generale. Tutto il video e l'audio di Genie 4 porterà la filigrana SynthID. [1]

A che cosa dice DeepMind che serve?

DeepMind inquadra la simulazione del mondo come «un aspetto cruciale della costruzione dell'AGI». Gli usi comprendono ambienti di addestramento per robot e agenti, e nuove esperienze interattive. Il predecessore è Genie 3, dell'agosto 2025. [1]

Un articolo a parte sugli agenti Gemini in Minecraft è in science/gemini-4-argon-agents-beat-minecraft-in-27-hours.

Dove dice DeepMind che il modello non basta?

DeepMind dice che i dettagli visivi e la permanenza degli oggetti possono slittare nelle esecuzioni più lunghe. Può accadere anche dopo più modifiche complesse del prompt, o durante la navigazione. DeepMind dice che Genie 4 resta coerente nelle sessioni brevi. Interazioni fisiche complesse, accuratezza dell'audio in tempo reale, testo leggibile, accuratezza spaziale e coerenza a lungo termine restano aree di ricerca aperte. [1]