Google DeepMind presenta Genie 4: mondi interattivi da una frase

Cos'è Genie 4 di Google DeepMind

Genie 4 è un «modello del mondo» presentato da Google DeepMind il 27 ottobre 2026. A differenza di un generatore di video, Genie 4 non produce una clip già finita: costruisce l'ambiente un fotogramma alla volta mentre l'utente lo attraversa con la tastiera, e reagisce a ogni movimento.

Si parte da una descrizione testuale. Google DeepMind mostra per esempio una stazione ferroviaria giapponese degli anni Ottanta, affollata e ricca di dettagli d'epoca, generata da un solo prompt. Nessuno ha disegnato quella stazione: Genie 4 la inventa e la tiene in piedi mentre la si esplora.

Cosa cambia rispetto a Genie 3

La novità principale di Genie 4 è l'audio. Secondo Google DeepMind il modello è nativamente multimodale: musica, rumori d'ambiente e dialoghi vengono generati insieme alle immagini. È la prima volta che un modello del mondo in tempo reale di DeepMind lo fa.

Genie 4 migliora anche la fisica, con simulazioni di aerodinamica e urti: tra le demo ci sono semi d'acero che cadono e un cocomero che si spacca. I personaggi si muovono in modo più naturale e rispondono a ciò che l'utente dice o fa.

Infine la durata: Genie 4 mantiene una scena coerente fino a 2 minuti, il doppio del limite di Genie 3. In pratica si può girare un angolo, tornare indietro e ritrovare gli oggetti dove li si era lasciati.

Come si modifica una scena con Genie 4

Con Genie 4 il mondo si cambia mentre è in corso, con comandi di testo. Nella stazione giapponese si può scrivere un evento, come l'arrivo di un'anziana con le valigie, e il personaggio compare nella scena. Allo stesso modo si cambiano il meteo, l'inquadratura, le persone e gli oggetti, senza far ripartire la simulazione.

Google DeepMind mostra anche una scena ispirata al cinema di Hong Kong del 1995, in cui l'utente decide azioni e dialoghi dei personaggi come farebbe un regista. Suoni, musica e voci li genera Genie 4.

Il ruolo di Gemini e la simulazione per i robot

Genie 4 lavora insieme ad altri modelli della famiglia Gemini. Gemini Omni serve ad ancorare l'aspetto della scena al mondo reale, mentre Gemini 3.8 Flash fa da agente guida: osserva la scena, divide un obiettivo in passi, controlla i nuovi fotogrammi e ripianifica quando l'utente interviene.

Google DeepMind ha usato questa combinazione anche per la robotica. In un esperimento, Gemini 4 Argon ha diviso una partita a dama in passi e Genie 4 ha mostrato l'umanoide Apollo di Apptronik che li eseguiva in tempo reale. Nessun robot fisico ha partecipato: tutto è avvenuto in simulazione, che è proprio lo scopo, cioè provare un compito prima di farlo nel mondo reale.

Quando arriva Genie 4 e quali sono i limiti

A fine ottobre 2026 Genie 4 è un'anteprima di ricerca riservata a tester selezionati. Google DeepMind ha annunciato che arriverà agli abbonati Google AI Ultra dentro Project Genie e ai partner con accesso anticipato alle API di Gemini, ed è aperta una lista d'attesa. Non sono stati comunicati prezzi né date precise per l'Italia.

Google DeepMind dichiara anche i limiti. Più a lungo dura la simulazione, più i dettagli e la permanenza degli oggetti tendono a cambiare. L'audio non è sempre preciso, le scritte dentro il mondo spesso non si leggono e le interazioni fisiche complesse restano un problema aperto. Tutti i contenuti generati portano la filigrana SynthID, che li identifica come prodotti da un'AI.

Domande