Google DeepMind anuncia Genie 4, world model multimodal com áudio nativo e simulação em tempo real

O Genie 4 é um world model que gera o mundo e o áudio ao mesmo tempo, em tempo real. A DeepMind diz que é o primeiro world model em tempo real da empresa com áudio nativo, incluindo sons ambientes e diálogos que reagem às ações do usuário. A navegação usa controles padrão de teclado, e o texto serve para moldar a cena enquanto ela evolui.

A arquitetura mistura dois lados. O Genie gera a realidade física quadro a quadro, enquanto o Gemini Omni ancora a aparência e o comportamento reais. O Gemini 3.8 Flash atua como agente no loop: observa os frames, quebra objetivos em etapas, confere se cada uma foi concluída e replaneja quando o mundo muda ou o usuário intervém. A empresa também testa o Gemini 4 Argon, que divide uma tarefa em passos enviados como legendas de texto ao Genie durante a renderização, em conexão com o Gemini Robotics. A DeepMind chama essa linha de modelos híbridos.

Há limites declarados. Detalhes visuais e permanência de objetos podem derivar em sessões longas, depois de várias edições de prompt ou durante a navegação. Física complexa, precisão do áudio em tempo real, texto legível, precisão espacial e consistência de longo prazo seguem como pesquisa em andamento. Todo vídeo e áudio gerado leva marca d'água SynthID.

Quanto à disponibilidade, é research preview para trusted testers. O acesso virá para assinantes do Google AI Ultra no Project Genie e para parceiros de early access da Gemini API e do Google AI Studio, com waitlist para o Project Genie. Ainda não é produto aberto a desenvolvedores.

A peça central do Genie 4 vem de entregas anteriores. Em 13 de junho de 2026, o CEVIU noticiou "Apresentando o Gemini Omni", arquitetura multimodal com áudio, visão e texto em tempo real, que agora ancora as simulações do Genie 4. Em 7 de junho de 2026, em "Google lança Project Genie: simule locais reais com IA e Street View", o Project Genie já aparecia como ferramenta de simulação de ambientes, e agora é o canal de acesso ao novo modelo. Em 19 de outubro de 2026, o CEVIU cobriu "Google DeepMind Lança Gemini 4 Argon: IA Multimodal para Robótica com Baixa Latência", e oito dias depois o Argon aparece em experimentos com o Genie 4 para robótica.

Para quem trabalha com agentes e robótica, a leitura é que o Genie 4 mira ambientes de treinamento e teste em simulação, com um modelo de linguagem guiando o mundo gerado. Por ora, a restrição de acesso e os problemas de consistência em sessões longas sugerem cautela antes de contar com isso em fluxo de produção.