Google DeepMindは2026年10月27日、新たな世界モデル「Genie 4」を発表しました。同社はリアルタイムの対話型シミュレーションで、これまでにない写実性を実現したと説明しています。Genie 4はネイティブのマルチモーダルモデルで、音楽や環境音、対話の音声を、生成される世界と同時に作り出せます。同社によると、リアルタイムで音声を生成する世界モデルとしては初めてです。
This is Genie 4, our most realistic and interactive world model yet. 🌐 Explore dynamic environments in real time to see how the scene responds, sounds, and how the people in it move, react, and speak.
— Google DeepMind (@GoogleDeepMind) October 27, 2026
Genie 4にはGeminiファミリーの機能が組み込まれています。現実世界の見た目や挙動の土台となるのが「Gemini Omni」で、そのほかのGeminiモデルがシミュレーションの一貫性と連続性を保つための推論を担います。ユーザーが出来事を起こすと、世界がどう反応し、どんな音が鳴り、人物がどう動いて話すかをGenie 4が描き出します。
同社は特に強化した点として、4つの能力を挙げています。1つ目はリアルタイムでの世界の操作です。キーボードで移動やカメラ操作を行い、自然言語で天候の変更や人物・物体の追加ができます。Geminiが指示を周囲の場面に合わせて調整し、入力の合間も世界が破綻なく進むよう誘導します。2つ目は物理と人の動きの写実性で、空気力学や衝突といった物理現象を再現し、人物は自然に動き、環境に反応します。3つ目は音の表現で、風や波といった環境音に加え、状況に応じて変わる対話を生成します。4つ目はGeminiとの連携による複雑な出来事のシミュレーションです。
この連携では、Gemini 3.8 Flashが案内役として働きます。場面を観察して目標を段階的な手順に分け、届いたフレームから各手順の成否を確認し、状況の変化やユーザーの介入に応じて計画を修正します。さらにGemini 4 Argonを使った実験も紹介されました。Argonがユーザーの指示を手順に分解し、テキストの字幕としてGenie 4に与える仕組みです。例として、Apptronik社の人型ロボット「Apollo」がチェッカーをする様子が示されました。
提供面では、信頼できるテスターに向けたリサーチプレビューとして展開を始めています。今後は一般ユーザーや開発者向けに広げる計画で、最初にProject Genieを通じたGoogle AI Ultraの契約者と、Gemini APIおよびGoogle AI Studioの早期アクセスパートナーが対象になります。Project Genieでは待機リストも受け付けています。
テスターからは、映画制作の事前確認、1枚の写真から環境を再現する試み、ゲーム開発での試作、企業でのシナリオ生成といった用途が挙がりました。一方で同社は、Genie 4は初期段階の実験的モデルだと強調します。シミュレーションが長く続いたり複雑な編集を重ねたりすると、細部や物体の永続性がずれることがあるといいます。複雑な物理的相互作用や文字の描画なども研究課題です。安全面では内部評価を実施し、生成される映像と音声にはSynthIDの電子透かしが入ります。
出典：Genie 4: A new generation of world simulation — Google DeepMind