Il 27 ottobre 2026 Google DeepMind ha presentato Genie 4, il suo nuovo "modello di mondo". Un modello di mondo è un'IA che, a partire da testi o immagini, crea in tempo reale un mondo virtuale in cui ci si può muovere e interagire. Con Genie 4 il realismo delle immagini è migliorato molto, e ora il modello genera insieme anche i suoni ambientali, la musica e i dialoghi dei personaggi. Al momento è offerto come anteprima di ricerca a un gruppo ristretto di tester.
Che cos'è Genie 4
In Genie 4, quando si provoca un evento, l'IA genera di seguito come reagisce il mondo, quali suoni si sentono e come si muovono e parlano le persone presenti. L'utente controlla con la tastiera gli spostamenti e la direzione della camera, e modifica la scena con il testo.
- Cambiare il mondo a parole: si possono dare sul momento istruzioni come cambiare il meteo, muovere la camera o far comparire nuovi personaggi e oggetti
- Fisica realistica: crea movimenti vicini alla fisica reale, come i flussi d'aria o gli urti tra oggetti
- Movimento delle persone: si muovono in modo naturale e reagiscono ai cambiamenti intorno a loro; secondo Google DeepMind è il progresso più importante
- Generazione del suono: crea insieme i suoni tipici di ogni luogo, come il vento che scuote gli alberi o il rumore delle onde, oltre alla musica; Genie 4 è il primo modello di mondo in tempo reale dell'azienda a generare anche l'audio
- Dialoghi: i personaggi parlano sul momento in base alle azioni dell'utente e agli eventi del mondo
Google DeepMind considera la simulazione del mondo un passo importante verso un'IA versatile quanto un essere umano (AGI). Secondo l'azienda, servirà a creare ambienti in cui addestrare in sicurezza robot e agenti di IA, e alla produzione in settori come il cinema, il giornalismo, i videogiochi e la manifattura.
L'abbinamento con Gemini
Genie 4 integra le capacità dei modelli Gemini. Gemini Omni rende l'aspetto e i movimenti del mondo più vicini alla realtà, mentre altri modelli Gemini si occupano di ragionare perché il mondo resti coerente.
Per esempio, Gemini 3.8 Flash fa da guida e osserva di continuo il mondo in fase di generazione. Suddivide l'obiettivo in più passaggi e controlla sulle immagini se ciascuno è riuscito. Se l'utente cambia le istruzioni a metà, rifà il piano. Google DeepMind mostra anche un esempio in cui abbina Gemini 4 Argon e Genie 4 per simulare passo dopo passo Apollo, il robot umanoide di Apptronik, mentre gioca a dama.
Come lo usano i tester
Google DeepMind lo ha provato con tester dei settori della produzione video, del giornalismo, dell'istruzione, dei videogiochi e dell'ingegneria. Gli usi presentati sono questi:
- Produzione video: entrare nella scena prima delle riprese e provare più "ciak" cambiando l'angolazione della camera, le luci e le battute
- Giornalismo e storia: ricreare in pochi secondi un luogo come un mondo in movimento a partire da una sola foto d'epoca; si sta provando anche a mostrare come si propaga un'alluvione o un incendio boschivo
- Videogiochi: creare in pochi secondi, a partire da un'idea, un prototipo esplorabile e provarne a parole l'aspetto e il gameplay
- Simulazione: alcune aziende lo stanno valutando come strumento per creare rapidamente scenari diversi
I tempi di disponibilità
Genie 4 è stato reso disponibile prima a un gruppo ristretto di tester. In seguito è previsto l'arrivo in Project Genie, per gli abbonati a Google AI Ultra, e per i partecipanti all'accesso anticipato dell'API Gemini e di Google AI Studio. Sui tempi l'azienda dice solo "a breve". Per Project Genie è aperta l'iscrizione a una lista d'attesa. L'annuncio non indica né il prezzo né le aree in cui sarà disponibile, Giappone compreso.
Misure di sicurezza e problemi aperti
Google DeepMind afferma di aver applicato limitazioni basate sulla stessa politica di sicurezza degli altri suoi modelli e di aver avviato l'anteprima dopo una valutazione di sicurezza interna. Le immagini e i suoni creati da Genie 4 contengono SynthID, una filigrana invisibile che permette di riconoscere i contenuti generati dall'IA.
L'azienda spiega però che Genie 4 è ancora un modello sperimentale in fase iniziale. Mantiene la coerenza del mondo per brevi periodi, ma se resta in funzione a lungo, se si sommano molte istruzioni complesse o se ci si muove all'interno della scena, i dettagli e la posizione degli oggetti possono slittare. Le interazioni fisiche complesse, la precisione dell'audio, la resa del testo, l'accuratezza spaziale e la coerenza sul lungo periodo restano temi di ricerca.
Il punto di vista di CoAI
I modelli di mondo sono un campo in cui le aziende fanno a gara nello sviluppo. Il 24 ottobre anche Tencent ha pubblicato Hy-Nomas, un modello di mondo aperto. Genie 4 si distingue perché genera sul momento non solo le immagini ma anche il suono e i dialoghi, e si appoggia a Gemini per mantenere uno sviluppo coerente.
Il grande pubblico, però, dovrà aspettare. I primi a poterlo usare saranno gli abbonati a Google AI Ultra, il piano di fascia più alta, e alcuni sviluppatori, e non si sa se sarà disponibile in Giappone. Chi è interessato alla produzione video o alla prototipazione di videogiochi può valutarne le capacità dai video dimostrativi, in attesa che vengano annunciati aree e prezzi.
