A Google DeepMind lançou o Genie 4, um modelo de mundo interativo em tempo real. Com a simulação em andamento, o usuário pode usar linguagem natural para mudar o clima, mover a câmera e acrescentar pessoas e objetos à cena; a imagem segue evoluindo sem precisar ser gerada de novo. A DeepMind afirma que este é o primeiro modelo de mundo em tempo real a gerar áudio de forma nativa: sons ambiente, trilha e falas dos personagens saem sincronizados com a imagem, e os personagens ainda podem responder em tempo real ao que o usuário faz ou ao que acontece na cena.
"Genie 4 is our first real-time world model to generate audio natively."
(O Genie 4 é o nosso primeiro modelo de mundo em tempo real a gerar áudio de forma nativa.)
O que faz e quem pode usar
Segundo a apresentação oficial, as melhorias do Genie 4 se concentram em três frentes. A primeira é a física, com suporte a cenas de aerodinâmica e colisões. A segunda são as pessoas e personagens: movimentos mais naturais, reação ao ambiente e possibilidade de controle em tempo real pelo usuário. A terceira são eventos de várias etapas, em que o Gemini 3.8 Flash atua como agente guia: ele divide o objetivo do usuário em passos, verifica quadro a quadro se cada passo foi cumprido e ajusta o plano quando o usuário intervém no meio do caminho ou a cena muda. A DeepMind também menciona que está testando a combinação do Gemini 4 Argon com o Genie 4 em simulações ligadas à robótica.
A abertura do acesso acontece em três etapas: agora, uma prévia de pesquisa para testadores de confiança; em seguida, assinantes do Google AI Ultra (a porta de entrada se chama Project Genie) e parceiros iniciais da Gemini API e do Google AI Studio, com um formulário de lista de espera na página. Os vídeos e áudios gerados recebem marca d'água SynthID.
As limitações listadas pela própria empresa
O anúncio não traz nenhum indicador quantitativo: resolução, taxa de quadros, tempo jogável por sessão e latência de operação não são informados, e não há comparação numérica com a geração anterior, apenas descrições qualitativas como "maior realismo".
Em compensação, a DeepMind descreve com clareza os limites: quando a sessão se alonga, quando prompts complexos são ajustados por várias rodadas ou quando se anda longe na cena, os detalhes visuais e a permanência dos objetos "still shift or drift over time" (ainda se deslocam ou derivam com o tempo). Interações físicas complexas, precisão do áudio em tempo real, renderização de texto legível, precisão espacial e consistência de longo prazo estão listadas como problemas ainda em pesquisa.
Como os leitores na China veem o lançamento
Os primeiros canais de acesso ao Genie 4 são a assinatura AI Ultra e a parceria inicial via Gemini API, e nenhum dos dois está disponível na China continental, de modo que os desenvolvedores do país, por enquanto, só poderão assistir a vídeos de demonstração.
O lado chinês, porém, não está vazio. O Matrix-Game 4.0, aberto pela Kunlun Tech em meados de outubro, tem como meta rodar a 60 quadros por segundo em uma única RTX 5090, e seus pesos podem ser baixados para uso local; há também equipes que fazem modelos de mundo rodarem em NPUs nacionais a cerca de 50 quadros. Eles divulgam indicadores comparáveis, como a taxa de quadros, justamente o que o Genie 4 desta vez não traz.
A diferença provavelmente está em dois pontos: o primeiro é o áudio nativo e o diálogo dos personagens, já que a maioria das soluções de código aberto chinesas hoje entrega apenas imagem; o segundo é usar o Gemini como agente de planejamento e validar quadro a quadro tarefas de várias etapas, o que exige um modelo multimodal forte ao lado e dificilmente é alcançado por equipes que fazem apenas geração de vídeo. Só quando o Genie 4 chegar à fase de API e divulgar números de latência e duração é que os dois lados terão uma tabela para colocar lado a lado.
Fontes: blog oficial da Google DeepMind, CocoLoop; o alcance da abertura, o modelo usado pelo agente guia e as limitações conhecidas seguem as informações oficiais da DeepMind, e as taxas de quadros dos modelos de mundo chineses seguem os dados públicos de cada projeto.