Genie 4: IA do Google cria mundos com som e personagens que conversam com você

Genie 4 é o novo modelo de mundo do Google DeepMind, e os mundos que ele cria finalmente têm som. Descreva uma cena em uma frase ou forneça uma imagem de referência, e o modelo gera um lugar que você pode explorar usando o teclado enquanto reproduz o vento nas árvores, as ondas na praia e as vozes das pessoas que estão ali. Agora, essas pessoas podem manter conversas que reagem ao que você faz — algo que, segundo o DeepMind, representa a verdadeira fronteira desta versão.

Para quem experimentou as versões anteriores, a grande mudança é o controle. Você pode digitar uma instrução para mudar o clima, movimentar a câmera ou incluir uma pessoa ou um objeto na cena, e o Gemini reformula seu pedido para que ele se encaixe no que já está na tela. Entre um comando e outro, o Gemini continua conduzindo a simulação para que o mundo não desmorone. A experiência lembra menos um videogame e mais a direção de um set de filmagem que nunca para de rodar — e alguns dos primeiros testadores já estão usando o modelo exatamente assim.

Gemini planeja a cena enquanto Genie dá vida a ela

Genie 4 se apoia nos demais modelos da família do Google. De acordo com o anúncio do DeepMind, o Gemini Omni ancora cada simulação na aparência e no comportamento do mundo real, enquanto outros modelos Gemini cuidam do raciocínio necessário para manter a coerência da cena de um momento para o outro. O Gemini 3.8 Flash funciona como um agente orientador: acompanha o mundo enquanto Genie 4 o desenha, divide um objetivo em etapas, verifica os quadros recebidos para confirmar se cada etapa deu certo e altera o plano quando você interfere.

Segundo o DeepMind, o maior salto está nos personagens. Eles se movimentam de maneira mais natural, reagem ao ambiente e podem ser conduzidos enquanto a simulação está em andamento; além disso, o modelo lida com fenômenos físicos como aerodinâmica e colisões. As demonstrações no blog da empresa incluem uma semente de bordo girando até cair na grama, uma estação ferroviária rural lotada no Japão dos anos 1980 e uma corrida de dragões em primeira pessoa, acompanhada por batidas de asas estrondosas — todo o áudio foi gerado pelo próprio Genie 4. Genie 3 produzia mundos silenciosos em 720p e a 24 quadros por segundo; desta vez, o DeepMind não divulgou dados de resolução nem de taxa de quadros, então só é possível avaliar a melhoria com base nos próprios vídeos da empresa.

Os jogos não são o único objetivo. O DeepMind afirma que simular o mundo é uma etapa crucial rumo à inteligência artificial geral, e uma das demonstrações combina Genie 4 com Gemini 4 Argon para simular o robô humanoide Apollo, da Apptronik, jogando damas. Argon divide a tarefa em etapas e as envia ao Genie 4 como legendas em texto enquanto a cena é renderizada. A perspectiva de longo prazo para os negócios está em criar mundos de treinamento seguros e infinitamente variáveis para robôs e agentes de software — muito antes de alguém vender um jogo feito com Genie.

Cineastas e fotojornalistas tiveram acesso primeiro

O DeepMind vem testando Genie 4 com grupos das áreas de criação, jornalismo, educação, jogos e engenharia. Cineastas o usam como um modo de rascunho para a pré-visualização: entram em uma cena ao vivo e fazem várias tomadas enquanto ajustam ângulos de câmera, iluminação, diálogos e ação. Desenvolvedores de jogos transformam uma ideia em um protótipo explorável em segundos, antes mesmo de escrever uma linha de código para o mecanismo do jogo. Parceiros corporativos estão experimentando o modelo para gerar cenários rapidamente.

O experimento mais delicado envolve fotojornalistas, que estão testando como uma única fotografia de arquivo pode se transformar, em segundos, em uma versão simulada daquele lugar, povoada e em movimento. O DeepMind também menciona a visualização do avanço de uma inundação repentina ou de um incêndio florestal. Um passeio convincente por uma rua histórica real, com pessoas inventadas conversando pelo caminho, também é uma falsificação convincente. A resposta do DeepMind é o SynthID, a marca-d’água invisível inserida em todo vídeo e áudio produzido pelo Genie 4, além de avaliações internas de segurança e uma implementação gradual. O SynthID só ajuda se as plataformas e o público realmente usarem um detector, e nada na tela informa a quem assiste casualmente que aquelas imagens são sintéticas.

Os mundos ainda perdem consistência

O DeepMind é excepcionalmente franco sobre as limitações. Genie 4 mantém um ambiente coeso em sessões curtas, mas os detalhes visuais e a permanência dos objetos podem mudar à medida que a simulação se prolonga, depois de várias alterações complexas nos comandos ou quando você se desloca pela cena. Interações físicas complexas, áudio preciso em tempo real, texto legível, precisão espacial e consistência de longo prazo estão todos na lista de problemas de pesquisa ainda sem solução. Em termos simples, a estante por onde você passou há um minuto talvez já não seja a mesma quando você voltar.

A maioria das pessoas também ainda não tem como experimentar o modelo. Genie 4 está disponível apenas como prévia de pesquisa para testadores de confiança. O Google diz que em breve o modelo chegará aos assinantes do Google AI Ultra por meio do Project Genie, seu aplicativo web para criar mundos, e aos parceiros de acesso antecipado da Gemini API e do Google AI Studio; a lista de espera já está aberta. Não há data de lançamento, preço divulgado além da assinatura Ultra — o plano de IA mais caro do Google — nem informações sobre quais países terão acesso primeiro. Quando o Project Genie foi lançado, em 29 de janeiro de 2026, com o Genie 3, ficou disponível apenas para assinantes do Ultra nos Estados Unidos com 18 anos ou mais, e as sessões tinham duração máxima de 60 segundos.

O DeepMind anunciou Genie 4 em 27 de outubro de 2026, em uma publicação assinada por Raia Hadsell, Diego Rivas e Hang Qi. A trajetória começou em fevereiro de 2024 com um modelo que transformava imagens em jogos de plataforma 2D simples, passou para o 3D com Genie 2, em dezembro de 2024, e chegou à exploração em tempo real com Genie 3, em agosto de 2025. Cada geração acrescentou algo: uma terceira dimensão, depois movimento em tempo real, agora som e fala. O que Genie 4 ainda precisa provar é que um mundo consegue se lembrar de si mesmo por mais tempo do que dura uma pausa para o café.

Tags: inteligência artificial, Google, Gemini, Google DeepMind, Genie 4, modelos de mundo