Google DeepMind روز ۲۷ اکتبر از Genie 4، نسل تازه مدل جهان‌های تعاملی خود، رونمایی کرد. این مدل هم مانند نسخه‌های پیشین یک توصیف متنی یا یک تصویر را به محیطی تبدیل می‌کند که کاربر می‌تواند با صفحه‌کلید و به‌طور هم‌زمان در آن حرکت کند. تمرکز نسخه جدید بر سه ضعف قدیمی است: واقع‌نمایی، نبود صدا و ناتوانی در تغییر صحنه پس از شروع آن.
چشمگیرترین تغییر به صدا مربوط است. به گفته DeepMind، این نخستین مدل جهان بی‌درنگ این آزمایشگاه است که صدا را به‌طور بومی تولید می‌کند؛ بنابراین هر صحنه فضای صوتی خودش را دارد، از صدای باد و آب گرفته تا موسیقی‌ای که شخصیت‌ها می‌نوازند. شخصیت‌ها همچنین حرف می‌زنند و به کارهای کاربر یا رویدادهای جهان شبیه‌سازی‌شده واکنش نشان می‌دهند.
اکنون می‌توان صحنه را در حین اجرا بازنویسی کرد. یک دستور تایپی می‌تواند هوا را عوض کند، دوربین را جابه‌جا کند یا آدم یا شیئی تازه به صحنه بیاورد و Gemini درخواست را با آنچه روی صفحه است هماهنگ می‌کند. در فاصله میان دو دستور هم Gemini صحنه را زیر نظر دارد و آن را طوری هدایت می‌کند که جهان منسجم بماند. DeepMind همچنین از بهبود فیزیک، مانند برخوردها و جریان هوا، و حرکت بسیار طبیعی‌تر انسان‌ها خبر می‌دهد.
Genie 4 در لایه‌های زیرین از خانواده Gemini بهره می‌گیرد. Gemini Omni ظاهر و رفتار اجزای صحنه را به واقعیت گره می‌زند و Gemini 3.8 Flash نقش برنامه‌ریزی را دارد که همیشه در چرخه حاضر است: هدف را به گام‌های کوچک‌تر می‌شکند، فریم‌های تازه را بررسی می‌کند و پیش از رفتن به گام بعد از درستی هر گام مطمئن می‌شود. در یک آزمایش رباتیک، Gemini 4 Argon زیرنویس‌های گام‌به‌گام را به Genie 4 داد تا ربات انسان‌نمای Apollo ساخت Apptronik در حال بازی چکرز شبیه‌سازی شود؛ DeepMind این را راهی برای تمرین وظایف ربات‌ها در جهان‌های خیالی پیش از اجرای واقعی می‌داند.
به گزارش TechCrunch و The Verge، هر صحنه Genie 4 حدود دو دقیقه منسجم می‌ماند، یعنی تقریباً دو برابر Genie 3 که Google در اوت ۲۰۲۵ معرفی کرده بود. TechCrunch این عرضه را در بازاری شلوغ قرار می‌دهد که GWM Worlds 2 از Runway هم در آن حضور دارد و استارتاپ‌های این حوزه یکی‌یکی خریداری می‌شوند. پژوهشگران Google DeepMind به خبرنگاران گفتند آینده از آنِ سامانه‌های ترکیبی است که در آن مدل‌های زبانی برنامه‌ریزی می‌کنند و Genie تصویر را می‌سازد.
فعلاً دسترسی بسیار محدود است. Genie 4 تنها در اختیار آزمایشگران مورد اعتماد قرار گرفته و پس از آن مشترکان Google AI Ultra در Project Genie و شرکای دسترسی زودهنگام Gemini API و Google AI Studio نوبت می‌گیرند؛ فهرست انتظار هم باز است. آزمایشگرانی از سینما، روزنامه‌نگاری، آموزش، بازی‌سازی و مهندسی از آن برای استوری‌بورد، تبدیل عکس‌های آرشیوی به فضاهای قابل‌گشت‌وگذار و ساخت نمونه اولیه بازی استفاده کرده‌اند. همه ویدئوها و صداهای تولیدشده واترمارک SynthID شرکت Google را دارند و DeepMind می‌گوید مدل پیش از این پیش‌نمایش ارزیابی‌های ایمنی داخلی را گذرانده است.
DeepMind صراحتاً می‌پذیرد که Genie 4 هنوز آزمایشی است. ماندگاری اشیا و جزئیات صحنه در جلسه‌های طولانی یا پس از ویرایش‌های پرشمار ممکن است دگرگون شود و فیزیک برهم‌کنش‌ها، دقت صدا، خوانایی نوشته‌ها و دقت فضایی همچنان نیازمند کار است. نه TechCrunch و نه The Verge خودشان مدل را امتحان نکرده‌اند، پس کیفیتی که در ویدئوهای نمایشی Google دیده می‌شود هنوز به‌طور مستقل سنجیده نشده است.