A Google DeepMind anunciou em 27 de outubro de 2026 o Genie 4, seu novo "modelo de mundo". Um modelo de mundo é uma IA que, a partir de textos ou imagens, cria em tempo real um mundo virtual em que é possível andar e interagir. No Genie 4, o realismo da imagem melhorou bastante, e agora ele também gera ao mesmo tempo o som ambiente, a música e as falas dos personagens. No momento, ele está disponível como prévia de pesquisa para um grupo restrito de testadores.
O que é o Genie 4
No Genie 4, quando um acontecimento é provocado, a IA gera em sequência como o mundo reage, que sons surgem e como as pessoas presentes se movem e falam. O usuário controla pelo teclado o deslocamento e a direção da câmera e vai mudando a cena por meio de texto.
- Mudar o mundo com palavras: é possível dar comandos na hora, como mudar o clima, mover a câmera ou fazer surgir novos personagens e objetos
- Física realista: cria movimentos próximos aos da física real, como o fluxo do ar e as colisões entre objetos
- Movimento das pessoas: elas se movem com naturalidade e reagem às mudanças ao redor; a Google DeepMind considera este o maior avanço
- Geração de som: cria ao mesmo tempo os sons de cada lugar, como o vento balançando as árvores ou o barulho das ondas, além de música; o Genie 4 é o primeiro modelo de mundo em tempo real da empresa que gera o som junto
- Falas: os personagens falam na hora, de acordo com as ações do usuário e os acontecimentos do mundo
A Google DeepMind vê a recriação do mundo como um passo importante rumo a uma IA tão versátil quanto um ser humano (AGI). Segundo a empresa, ela ajuda a criar ambientes para treinar robôs e agentes de IA com segurança, além de apoiar a produção em áreas como cinema, jornalismo, games e manufatura.
A combinação com o Gemini
O Genie 4 incorpora a capacidade dos modelos Gemini. O Gemini Omni deixa a aparência e o movimento do mundo mais próximos da realidade, e outros modelos Gemini ficam encarregados de raciocinar para que o mundo continue coerente.
Por exemplo, o Gemini 3.8 Flash atua como guia e acompanha o tempo todo o mundo que está sendo gerado. Ele divide o objetivo em várias etapas e confere na imagem se cada uma deu certo. Se o usuário mudar as instruções no meio do caminho, ele refaz o plano. A Google DeepMind também mostra um exemplo em que combina o Gemini 4 Argon e o Genie 4 para simular, etapa por etapa, o robô humanoide Apollo, da Apptronik, jogando damas.
Como os testadores usam
A Google DeepMind testou o modelo com testadores das áreas de produção audiovisual, jornalismo, educação, games e engenharia. Os usos apresentados são os seguintes:
- Produção audiovisual: entrar na cena antes da filmagem e experimentar várias "tomadas", mudando o ângulo da câmera, a iluminação e as falas
- Jornalismo e história: recriar em segundos um lugar como um mundo em movimento a partir de uma única foto antiga; também se testa mostrar como uma enchente ou um incêndio florestal se espalha
- Games: criar em segundos, a partir de uma ideia, um protótipo que pode ser explorado e testar com palavras o visual e a jogabilidade
- Simulação: empresas avaliam o modelo como ferramenta para criar rapidamente cenários variados
Previsão de lançamento
O Genie 4 começou a ser oferecido primeiro a um grupo restrito de testadores. A previsão é que ele chegue depois ao "Project Genie", para assinantes do Google AI Ultra, e aos participantes do acesso antecipado da API do Gemini e do Google AI Studio. Quanto ao prazo, a empresa diz apenas "em breve". O Project Genie aceita inscrições em lista de espera. O anúncio não informa preço nem as regiões de disponibilidade, incluindo o Japão.
Medidas de segurança e desafios que permanecem
A Google DeepMind diz ter aplicado restrições baseadas na mesma política de segurança de seus outros modelos e ter iniciado a prévia depois de uma avaliação interna de segurança. As imagens e os sons criados pelo Genie 4 levam o SynthID, uma marca d'água invisível que permite identificar que foram gerados por IA.
Por outro lado, a empresa explica que o Genie 4 ainda é um modelo experimental em estágio inicial. Ele mantém a coerência do mundo por pouco tempo, mas, se ficar rodando por muito tempo, receber várias instruções complexas seguidas ou o usuário se movimentar pela cena, os detalhes e a posição dos objetos podem ir se desalinhando. Interações físicas complexas, precisão do som, exibição de texto, precisão espacial e coerência ao longo do tempo continuam em pesquisa.
A visão do CoAI
Os modelos de mundo são uma área em que as empresas disputam o desenvolvimento. Em 24 de outubro, a Tencent também lançou o Hy-Nomas, um modelo de mundo aberto. O diferencial do Genie 4 é gerar na hora não só a imagem, mas também o som e as falas, e se apoiar no Gemini para manter um desenrolar coerente.
Mas o público em geral ainda vai ter que esperar. Os primeiros a usar serão os assinantes do Google AI Ultra, o plano mais alto, e alguns desenvolvedores, e ainda não se sabe se ele estará disponível no Japão. Quem tem interesse em produção audiovisual ou em protótipos de games pode avaliar a capacidade pelos vídeos de demonstração enquanto aguarda o anúncio das regiões e dos preços.
