AktualnościAkcjeGoogle DeepMind udostępnia model światów Genie 4 subskrybentom Google AI Ultra

Google DeepMind udostępnia model światów Genie 4 subskrybentom Google AI Ultra

Autor: Google DeepMind Blog·

Najważniejsze informacje

  • •Google DeepMind udostępnił Genie 4, który firma nazywa swoim najbardziej realistycznym i interaktywnym modelem światów do tej pory, uprawnionym subskrybentom Google AI Ultra 18 listopada 2026 r., a członkowie Google AI Pro mogą dołączyć do listy oczekujących.
  • •Genie 4 pozwala użytkownikom edytować środowiska w czasie rzeczywistym za pomocą promptów w języku naturalnym w trakcie sesji i po raz pierwszy w serii Genie łączy wizualizacje z adaptacyjnym natywnym dźwiękiem — od ambientowych pejzaży dźwiękowych po dialogi postaci.
  • •Genie 3 otrzymał ulepszenia, które wydłużają sesje eksploracji z 60 sekund do trzech minut, umożliwiają łączenie wielu światów w dłuższe podróże oraz pozwalają inicjować nowe światy na podstawie obrazów panoramy 360 stopni.
  • •Konwersacyjny agent Project Genie pozwala użytkownikom budować własne światy poprzez opisanie swojej wizji, a modele Gemini mogą dołączać do sesji, aby wyświetlać sugestie nawigacji i automatycznie wyzwalać zdarzenia w świecie.
  • •Całe wideo i audio generowane w Project Genie zawiera znak wodny SynthID i przechodzi kontrole bezpieczeństwa, a Google DeepMind wskazał opóźnienia kamery, złożone interakcje fizyczne, precyzję dźwięku w czasie rzeczywistym oraz długoterminową trwałość scen jako trwające wyzwania badawcze.
Google DeepMind udostępnia model światów Genie 4 subskrybentom Google AI Ultra

Google DeepMind ogłosił 18 listopada 2026 r., że Genie 4, który firma nazywa swoim najbardziej realistycznym i interaktywnym modelem światów do tej pory, jest udostępniany uprawnionym subskrybentom Google AI Ultra w ramach zaktualizowanego doświadczenia Project Genie. Wydanie łączy pierwszy dostęp do Genie 4 z nowymi ulepszeniami modelu Genie 3, konwersacyjnym agentem Project Genie do budowania własnych światów oraz galerią społecznościową, w której użytkownicy mogą odkrywać, eksplorować i remixować generowane światy.

W wpisie na blogu Diego Rivas, Group Product Manager w Google DeepMind, oraz Pavan Kumar, Group Product Manager w Google Labs, napisali, że wdrożenie oferuje „bardziej responsywne, społecznościowe i interaktywne generowanie światów”. Użytkownicy mogą teraz edytować środowiska w czasie rzeczywistym za pomocą języka naturalnego, dodawać natywny dźwięk oraz udostępniać swoje twory w nowej galerii.

Genie to rodzina modeli światów Google DeepMind — systemów AI generujących grywalne, interaktywne środowiska. W przeciwieństwie do konwencjonalnych generatorów tekstu, obrazów czy wideo, modele światów mają za zadanie symulować środowiska, po których użytkownicy mogą się poruszać i z którymi mogą wchodzić w interakcje w czasie rzeczywistym. Seria rozpoczęła się od Genie 1 w lutym 2024 r., następnie Genie 2 w grudniu 2024 r. i Genie 3 w sierpniu 2025 r., przy czym Project Genie pełni rolę warstwy przeglądarkowej, pozwalającej użytkownikom generować, wchodzić do i kształtować światy stworzone przez te modele. Cztery generacje pojawiły się w mniej niż trzy lata, a to wdrożenie po raz pierwszy oddaje najnowszą z nich w ręce użytkowników — przenosząc symulację światów z demonstracji badawczej do subskrypcji konsumenckiej.

Od prototypu badawczego do wdrożenia dla subskrybentów

Google DeepMind zaprezentował Project Genie wcześniej w tym roku jako eksperymentalny prototyp badawczy pozwalający użytkownikom generować i eksplorować interaktywne światy. Zgodnie z wpisem wczesni testerzy powiedzieli zespołowi, że chcą głębszej kontroli nad tym, co dzieje się wewnątrz tych światów, oraz łatwiejszych sposobów na ich budowanie i udostępnianie. Firma stwierdziła, że nowe doświadczenie sprawia, że światy te są „znacznie bardziej responsywne, kreatywne i społecznościowe”, oraz łączy najbardziej zaawansowane modele światów z modelami Gemini, dzięki czemu użytkownicy mogą „generować, wchodzić do i kształtować światy bezpośrednio w przeglądarce”.

Oprócz pierwszego dostępu do Genie 4 aktualizacja obejmuje nowe ulepszenia Genie 3, agenta Project Genie, który pomaga użytkownikom urzeczywistniać ich wizje, oraz galerię społecznościową do odkrywania, eksplorowania i remixowania światów.

Genie 4: edycja w czasie rzeczywistym i natywny dźwięk

W przypadku Genie 4 tworzenie promptów nie kończy się już na stworzeniu świata. Użytkownicy mogą wpisać nowy prompt w trakcie sesji podczas nawigacji po świecie i edytować środowisko w czasie rzeczywistym: zmieniać pogodę, dodawać postać lub zmieniać kierunek akcji. Po raz pierwszy model łączy również swoje wizualizacje z natywnym dźwiękiem w czasie rzeczywistym, który adaptuje się wraz z rozwojem sceny — od ambientowych pejzaży dźwiękowych po dialogi postaci. Google pozycjonuje Genie 4 jako swoją opcję o najwyższej wierności odwzorowania, zapewniającą najlepsze efekty wizualne, fizykę i natywny dźwięk.

Genie 3: dłuższe sesje, osadzanie panoram, łączenie światów

Genie 3 pozostaje dostępny w selektorze modeli Project Genie dla przypadków, gdy użytkownicy chcą dłuższych sesji lub przestrzeni osadzonych na panoramach. Ulepszenia Genie 3 ogłoszone 18 listopada obejmują:

  • Wydłużone sesje i łączenie światów: Eksploracja może teraz trwać do 3 minut na generację, w porównaniu z poprzednimi 60 sekundami — potrojenie poprzedniego limitu — a użytkownicy mogą łączyć wiele światów w dłuższe podróże.
  • Osadzanie na podstawie obrazów panoramy 360 stopni: Nowe światy mogą być inicjowane na podstawie obrazów panoramy 360 stopni.
  • Zdarzenia w świecie w czasie rzeczywistym: Środowiska mogą być dynamicznie zmieniane za pomocą promptów w języku naturalnym podczas eksploracji.

Google zaprezentował, jak zdarzenia promptowalne w czasie rzeczywistym w Genie 3 mogą łączyć oddzielne światy w jeden ciągły lot przez lasy, podwodne ruiny i lodowate morza — przekształcając środowisko w trakcie lotu, a nawet przywołując smoka, na którym użytkownik może lecieć na komendę. W osobnej prezentacji osadzanie na panoramach 360 stopni utrzymywało spójność kanionu i fasady Petry — położonego w Jordanii stanowiska archeologicznego z listy UNESCO — podczas gdy widz rozglądał się dookoła.

Budowanie światów poprzez rozmowę

Agent Project Genie wykracza poza pojedynczy prompt tekstowy lub obrazowy. Użytkownicy opisują swoją wizję w języku naturalnym, a agent koordynuje pakiet multimodalnych modeli Google, aby stworzyć początkowe wizualizacje ustalające charakterystyczny wygląd świata, połączone z niestandardową muzyką tła dopasowaną do nastroju. Google stwierdził, że tworzenie interaktywnego wszechświata jest teraz „równie łatwe jak prowadzenie rozmowy”.

Modele Gemini można również wprowadzić do sesji podczas eksploracji. Firma poinformowała, że obserwują one, co dzieje się na ekranie, wyświetlają sugestie uwzględniające kontekst dotyczące dalszego kierunku lub automatycznie wyzwalają zdarzenia w świecie w miarę rozwoju podróży.

Przykłady wyróżnione w ogłoszeniu obejmują przekształcenie promptu w języku naturalnym w interaktywny spacer kosmiczny, podczas którego na komendę pojawia się obcy statek kosmiczny, oraz remixowanie kawiarni na zboczu wzgórza w szklany pawilon na pustyni.

Galeria: kuratorowane światy, współprace z twórcami i remixowanie

Nowa galeria gromadzi kuratorowane światy obok twórczości społeczności, pozwalając użytkownikom od razu zanurzyć się w eksploracji. Wyróżnione doświadczenia obejmują „Living Memory”, które przekształca osobiste zdjęcia w przestrzenie do eksploracji; „Dino Field Guide”, pozwalające wędrować przez bogate prehistoryczne siedliska osadzone na panoramach 360 stopni; oraz „Rock Paper Scissors”, w którym obiekty tematyczne rywalizują ze sobą na biurku, a Gemini pełni rolę sędziego w czasie rzeczywistym.

Galeria prezentuje również współprace z twórcami, którzy mieli wczesny dostęp do tych narzędzi. Z kreatywnym technologiem Will aka BLVCKL!GHT Google DeepMind stworzył „Villa Giallo” — klimatyczną zagadkę rozgrywającą się pokój po pokoju w gotyckiej rezydencji, zbudowaną z użyciem Genie 4. Z filmowcem Anandem Gandhi zespół zbudował „The Life of Ants”, które wykorzystuje fotorealizm Genie 4, pozwalając użytkownikom nawigować po złożonej kolonii z perspektywy mrówki.

Poza przeglądaniem kuratorowanych treści użytkownicy mogą uruchomić własne pomysły z prostego promptu lub zremixować istniejące doświadczenia z galerii za pomocą agenta Project Genie — modyfikując podstawową strukturę świata, ścieżkę dźwiękową lub reguły — a następnie opublikować swoje tworzenia w galerii społecznościowej, aby inni mogli je eksplorować i remixować.

Znaki wodne, kontrole bezpieczeństwa i otwarte wyzwania

Google DeepMind oświadczył, że zobowiązuje się do odpowiedzialnego rozwijania i wdrażania interaktywnych modeli światów. Całe wideo i audio generowane w Project Genie zawiera znak wodny SynthID — technologię znakowania wodnego firmy dla treści generowanych przez AI — a wszystkie dane wejściowe i wyjściowe modeli przechodzą kontrole bezpieczeństwa.

Firma podkreśliła, że Genie 3 i Genie 4 pozostają modelami światów w obszarze badań frontierowych. W miarę rozwoju badań aktywnie zajmuje się kluczowymi wyzwaniami, w tym opóźnieniami kamery, złożonymi interakcjami fizycznymi, precyzją dźwięku w czasie rzeczywistym oraz długoterminową trwałością scen — lista, która stanowi publiczną checklistę tego, na co zwracać uwagę, gdy modele dojrzewają poza dzisiejsze trzeminutowe sesje. Bardziej szczegółowy opis ograniczeń modeli i postępów w tych obszarach znajduje się w przeglądzie badań modelu Genie 4.

Dostępność

Uprawnieni subskrybenci Google AI Ultra mogą wypróbować nowe doświadczenie Project Genie od dziś, a członkowie Google AI Pro mogą dołączyć do listy oczekujących na tej samej stronie. Google skierował użytkowników do strony Project Genie, aby rozpocząć budowę własnych światów. Wpis nie określił harmonogramu szerszego dostępu poza listą oczekujących, pozostawiając tempo ewentualnego szerszego wdrożenia jako kolejny sygnał do obserwowania.