Che cosa cambia rispetto al passato
Google DeepMind ha presentato Genie 4, erede di Genie 3 mostrato nell'agosto 2025. Secondo quanto riporta The Decoder, non si tratta di un generatore di video finiti: il modello calcola la scena fotogramma per fotogramma e reagisce in tempo reale agli input. L'utente attraversa l'ambiente con la tastiera e orienta gli eventi tramite istruzioni testuali.
La novità principale indicata dall'azienda è l'audio generato direttamente: ogni mondo avrebbe un proprio sottofondo, come il vento tra gli alberi. Genie 4 gestisce anche i dialoghi, con personaggi che si parlano e reagiscono in tempo reale agli input o agli eventi della simulazione. DeepMind dichiara inoltre un salto nel realismo della resa delle persone, che dovrebbero muoversi in modo naturale e essere controllabili direttamente.
Il ruolo di Gemini dietro le quinte
Il funzionamento si appoggia ad altri modelli Gemini. Genie 4 sfrutta capacità del modello video Gemini Omni per l'aspetto e il comportamento del mondo, mentre altri modelli pianificano la simulazione per mantenerla coerente. Se un utente cambia il meteo con un prompt, Gemini adatterebbe l'istruzione alla scena in corso e guiderebbe gli eventi tra un input e l'altro.
L'esempio fornito riguarda compiti a più passaggi: Gemini 3.8 Flash osserva la scena, scompone l'obiettivo in fasi e verifica sui nuovi fotogrammi se ciascuna ha funzionato, ricalcolando il piano se il mondo cambia o l'utente interviene. DeepMind sta sperimentando anche Gemini 4 Argon per collegare il lavoro sui world model alla ricerca robotica Gemini Robotics: in una demo Argon scompone una partita a dama in istruzioni testuali che Genie 4 usa per simulare il robot umanoide Apollo di Apptronik, senza alcun robot fisico coinvolto.
Limiti dichiarati e disponibilità
DeepMind definisce Genie 4 un modello sperimentale e precoce. La coerenza regge nelle sessioni brevi, ma nelle simulazioni più lunghe o dopo diverse modifiche complesse ai prompt i dettagli visivi possono cambiare e gli oggetti non sempre persistono. L'azienda afferma di lavorare ancora sulle interazioni fisiche complesse, sull'audio in tempo reale accurato e sul testo leggibile.
Per ora l'accesso è riservato a tester selezionati come anteprima di ricerca. È previsto l'arrivo per gli abbonati Google AI Ultra nell'app web Project Genie, insieme a partner con accesso anticipato a Gemini API e Google AI Studio. Google assicura che video e tracce audio porteranno il watermark invisibile SynthID. Resta da verificare sul campo quanto le dichiarazioni sulla coerenza e sul realismo tengano in uso prolungato; il materiale non offre misure indipendenti.
