Google DeepMind ha lanzado Genie 4, un modelo mundial que construye mundos fotorrealistas en tiempo real. Vienen con sonido y con personajes que hablan. Se abrió a evaluadores confiables como una vista previa de la investigación el 27 de octubre, dijo el laboratorio en un publicación de blog.
Los usuarios dirigen una simulación con indicaciones de texto mientras se ejecuta, cambiando el clima, moviendo la cámara o agregando una persona u objeto. DeepMind dice que es su primer modelo mundial en tiempo real que genera audio de forma nativa. Eso incluye música, ruido ambiental y diálogos que reaccionan ante el usuario.
«Comprender y simular el mundo es un aspecto crucial para construir AGI», escribió el equipo de DeepMind.
Géminis en el bucle
Genie 4 se basa en los modelos Gemini de Google. Gemini Omni define cómo se ven y se comportan los mundos. Gemini 3.8 Flash funciona como un agente en el bucle. Observa la escena, divide un objetivo en pasos y verifica cada nuevo cuadro para confirmar que un paso funcionó.
En un experimento, Gemini 4 Argon, el modelo de Google lanzado públicamente este mesplaneó una tarea para que Genie 4 simulara: el humanoide Apolo de Apptronik jugando a las damas. DeepMind dice que esto abre infinitos escenarios de entrenamiento para robots.
Las escenas ahora permanecen consistentes por hasta dos minutos, el doble del límite de Genie 3, Rebecca Bellan reportado para TechCrunch. El laboratorio dice que la física como la aerodinámica y las colisiones son más realistas y que las personas se mueven de forma más natural.
«Lo que veremos cada vez más en el futuro son estos modelos de mundo híbrido, en los que tienes una combinación de Gemini escribiendo código y texto, y Genie ingiriéndolo en tiempo real y simulando la realidad en diferentes niveles de abstracción», dijo Tejas Kulkarni, director de investigación de Google, en una sesión informativa, según TechCrunch.
¿Quién lo recibe y cuándo?
Según DeepMind, los evaluadores en cine, periodismo, educación, juegos e ingeniería han utilizado el modelo para previsualización y prototipos de juegos. Los fotoperiodistas han intentado convertir fotografías de archivo en simulaciones. A continuación, se trata de los suscriptores de Google AI Ultra en Project Genie. Los primeros socios lo obtendrán en Gemini API y Google AI Studio. DeepMind abrió una lista de espera pero no dio fecha.
Los planes Ultra comienzan en $100 al mes, Ryan Whitwam escribió para Ars Technica. Ars también señaló que la revelación de Genie 3 el año pasado hizo caer las acciones de los juegos.
DeepMind enumera límites. Los detalles y la permanencia del objeto pueden variar a medida que la simulación se prolonga o después de varias ediciones. El texto legible y la precisión del audio aún están en desarrollo. Todo el vídeo y audio de Genie 4 lleva SynthID, la marca de agua invisible de Google.
El lanzamiento se produce mientras se consolida el campo del modelo mundial. AMD aceptó comprar laboratorios mundiales. Amazon ha estado en conversaciones para comprar Decarty Rivian compró Tercera Dimensión para simulación de conducción.