Google DeepMind ha presentato oggi Genie 4, la nuova generazione del suo modello di simulazione di mondi. Rispetto al predecessore genera ambienti più realistici, aggiunge un audio nativo e permette di cambiare la scena in tempo reale con semplici istruzioni testuali. Per ora è un’anteprima di ricerca riservata a un gruppo ristretto di tester, ma Google ha già indicato la strada per portarlo agli abbonati e agli sviluppatori.
I cosiddetti world model sono uno dei terreni su cui oggi si gioca la corsa all’intelligenza artificiale: non producono un video da guardare, ma un mondo che risponde ai comandi dell’utente fotogramma dopo fotogramma. Su questo fronte la concorrenza è serrata, come dimostra la mossa di AMD su World Labs che avevamo raccontato nelle tech news del 29 settembre.
Cosa cambia con Genie 4
La novità più evidente è il suono. Genie 4 crea insieme alle immagini anche la colonna sonora della scena, con musica, rumori d’ambiente e dialoghi. Secondo DeepMind il modello rende in modo più credibile la fisica degli oggetti e il comportamento delle persone, che nelle versioni precedenti erano tra i punti più deboli.
Cresce anche la durata. The Verge riferisce che le sessioni restano coerenti per circa due minuti, il doppio del minuto circa di Genie 3. È un limite ancora breve, ma rende possibili esplorazioni meno frammentate.
Modifiche in tempo reale con il linguaggio naturale
Con Genie 4 il mondo generato si può guidare mentre lo si attraversa. Basta scrivere una richiesta per cambiare il meteo, spostare la telecamera oppure far comparire nuove persone e nuovi oggetti, senza ripartire da zero. Dietro le quinte lavorano anche i modelli Gemini: secondo The Verge Genie 4 si appoggia a Gemini 3.8 Flash, mentre DeepMind spiega che Gemini aiuta a pianificare e verificare le simulazioni più complesse, comprese quelle pensate per l’addestramento dei robot.
Per chi segue la sfida tra i grandi laboratori, il lancio arriva a pochi giorni da GPT-6.1 Terra di OpenAI e conferma quanto Google punti su modelli capaci di simulare il mondo fisico, oltre che di scrivere testo e codice. Della famiglia Gemini avevamo parlato anche nelle tech news del 1° ottobre dedicate a Gemini 4 Argon.
Quando arriva Genie 4 e quanto costa
Nella prima fase Genie 4 resta un’anteprima di ricerca aperta solo a tester selezionati. In seguito arriverà in Project Genie per gli abbonati a Google AI Ultra, piano che secondo Ars Technica parte da 100 dollari al mese, e in accesso anticipato nella Gemini API e in AI Studio per alcuni partner, con una lista d’attesa già attiva. Google non ha ancora comunicato i prezzi per l’uso tramite API né date precise per l’Italia.
I limiti dichiarati da DeepMind
La stessa DeepMind ammette che il modello non è perfetto. Con il passare dei minuti i mondi tendono a perdere coerenza, l’audio non è sempre preciso rispetto a ciò che accade sullo schermo e il testo leggibile, come insegne e scritte, resta difficile da riprodurre. Sono i nodi che separano ancora questi sistemi da un uso concreto nei videogiochi o nella formazione.
Aiutaci a crescere: lasciaci un like :)