Google DeepMind mengumumkan "Genie 4", "model dunia" baru, pada 27 Oktober 2026. Model dunia adalah AI yang secara real-time menciptakan dunia virtual berdasarkan teks atau gambar, yang bisa dijelajahi dan dikendalikan dari dalamnya. Di Genie 4, tingkat realisme visual meningkat pesat, dan model ini kini juga bisa membuat suara lingkungan, musik, serta percakapan para tokoh secara bersamaan. Saat ini Genie 4 disediakan sebagai pratinjau tahap riset untuk penguji terbatas.
Apa itu Genie 4
Di Genie 4, ketika sebuah peristiwa terjadi, AI terus menciptakan bagaimana dunia bereaksi setelahnya, suara apa yang terdengar, serta bagaimana orang-orang di sana bergerak dan berbicara. Pengguna mengendalikan gerakan dan arah kamera dengan keyboard, lalu mengubah adegan lewat teks.
- Mengubah dunia dengan kata-kata: pengguna bisa langsung memberi perintah seperti mengubah cuaca, menggerakkan kamera, atau memunculkan tokoh dan benda baru
- Reproduksi fisika: menciptakan gerakan yang mendekati fisika nyata, seperti aliran udara dan benturan antarbenda
- Gerakan tokoh: orang bergerak secara alami dan bereaksi terhadap perubahan di sekitarnya. Google DeepMind menyebut ini sebagai kemajuan terbesar
- Pembuatan suara: membuat suara khas setiap tempat, seperti angin yang menggoyangkan pepohonan atau debur ombak, serta musik secara bersamaan. Genie 4 adalah model dunia real-time pertama dari perusahaan ini yang juga membuat suara
- Percakapan: para tokoh berbicara secara spontan menyesuaikan dengan tindakan pengguna dan peristiwa di dunia tersebut
Google DeepMind menempatkan simulasi dunia sebagai langkah penting menuju AI yang mampu menangani beragam hal setara manusia (AGI). Perusahaan menyebut teknologi ini berguna untuk membangun lingkungan pelatihan robot dan agen AI yang aman, serta untuk produksi di bidang seperti film, jurnalisme, game, dan manufaktur.
Kombinasi dengan Gemini
Genie 4 memanfaatkan kemampuan model-model Gemini. Gemini Omni membuat tampilan dan gerakan dunia semakin mendekati kenyataan, sementara model Gemini lainnya berperan menalar agar dunia tetap konsisten.
Misalnya, Gemini 3.8 Flash bertindak sebagai pemandu yang terus mengamati dunia yang sedang dibuat. Model ini memecah tujuan menjadi beberapa langkah, lalu memeriksa video untuk memastikan setiap langkah berhasil. Jika pengguna mengubah instruksi di tengah jalan, model ini menyusun ulang rencananya. Google DeepMind juga menunjukkan contoh kombinasi Gemini 4 Argon dan Genie 4 untuk menyimulasikan langkah demi langkah robot humanoid "Apollo" buatan Apptronik yang sedang bermain dam (checkers, permainan papan dari Barat).
Cara penggunaan oleh para penguji
Google DeepMind telah menguji model ini bersama para penguji dari bidang produksi video, jurnalisme, pendidikan, game, dan rekayasa. Contoh penggunaan yang diperkenalkan adalah sebagai berikut.
- Produksi video: masuk ke dalam adegan sebelum syuting, lalu mencoba "take" berulang kali sambil mengubah sudut kamera, pencahayaan, dan dialog
- Jurnalisme dan sejarah: menghidupkan kembali sebuah tempat dari satu foto lama menjadi dunia yang bergerak dalam hitungan detik. Penggunaan untuk memperlihatkan bagaimana banjir atau kebakaran hutan menyebar juga sedang diuji
- Game: membuat prototipe yang bisa dijelajahi dari sebuah ide dalam hitungan detik, lalu mencoba tampilan dan cara bermainnya dengan kata-kata
- Simulasi: perusahaan sedang mengevaluasinya sebagai alat untuk membuat berbagai skenario dengan cepat
Rencana ketersediaan
Genie 4 mulai disediakan terlebih dahulu untuk penguji terbatas. Ke depannya, model ini direncanakan tersedia di "Project Genie" untuk pelanggan Google AI Ultra, serta bagi peserta akses awal Gemini API dan Google AI Studio. Waktunya hanya disebut "segera". Project Genie sudah menerima pendaftaran daftar tunggu. Harga dan wilayah ketersediaan, termasuk Jepang, tidak disebutkan dalam pengumuman.
Langkah keamanan dan tantangan yang tersisa
Google DeepMind menyatakan telah menerapkan batasan berdasarkan kebijakan keamanan yang sama dengan model lainnya, dan memulai pratinjau setelah melalui evaluasi keamanan internal. Video dan suara yang dibuat Genie 4 disisipi "SynthID", watermark tak kasatmata yang memungkinkan konten dikenali sebagai buatan AI.
Di sisi lain, perusahaan juga menjelaskan bahwa Genie 4 masih merupakan model eksperimental tahap awal. Dalam waktu singkat, model ini bisa menjaga konsistensi dunia, tetapi jika dijalankan lama, diberi instruksi kompleks berulang kali, atau dipakai bergerak di dalam adegan, detail dan posisi benda bisa bergeser. Interaksi fisika yang kompleks, akurasi suara, tampilan teks, akurasi spasial, dan konsistensi dalam jangka panjang masih menjadi tantangan yang sedang diteliti.
Pandangan Redaksi CoAI
Model dunia adalah bidang yang sedang diperebutkan oleh banyak perusahaan. Pada 24 Oktober, Tencent juga merilis model dunia terbuka "Hy-Nomas". Ciri khas Genie 4 adalah kemampuannya membuat tidak hanya video, tetapi juga suara dan percakapan secara seketika, serta upayanya menjaga alur yang masuk akal dengan dikombinasikan bersama Gemini.
Namun, masih perlu waktu sebelum pengguna umum bisa mencobanya. Yang pertama bisa menggunakannya adalah pelanggan Google AI Ultra, paket berlangganan tertinggi, dan sebagian pengembang, sementara ketersediaannya di Jepang juga belum diketahui. Bagi yang tertarik pada produksi video atau pembuatan prototipe game, sebaiknya lihat kemampuannya lewat video demo sambil menunggu pengumuman wilayah ketersediaan dan harganya.
