Genie 4: Googles AI bygger verdener med lyd, som du styrer med ord

Genie 4 er Google DeepMinds nye verdensmodel, og verdenerne, den skaber, har endelig fået lyd. Beskriv en scene i en enkelt sætning, eller giv modellen et referencebillede, så skaber den et sted, du kan bevæge dig rundt i med tastaturet, mens den afspiller vinden i træerne, bølgerne på stranden og stemmerne fra menneskene på stedet. De kan nu føre samtaler, der reagerer på det, du gør – noget, DeepMind beskriver som det egentlige nybrud i denne udgivelse.

Den største forskel for alle, der har prøvet tidligere versioner, er graden af kontrol. Du kan skrive en instruktion, der ændrer vejret, drejer kameraet eller føjer en ny person eller genstand til scenen, og Gemini omskriver din anmodning, så den passer til det, der allerede er på skærmen. Mellem dine kommandoer holder Gemini simuleringen på sporet, så verden ikke falder fra hinanden. Det føles mindre som at spille et videospil og mere som at instruere på et filmset, hvor optagelserne aldrig stopper – sådan bruger nogle af de tidlige testere det allerede.

Gemini planlægger scenen, mens Genie tegner den

Genie 4 trækker på resten af Googles modelfamilie. Ifølge DeepMinds annoncering forankrer Gemini Omni hver simulering i virkelighedens udseende og adfærd, mens andre Gemini-modeller står for ræsonneringen, der holder scenen sammen fra det ene øjeblik til det næste. Gemini 3.8 Flash indgår som en styrende agent: Den holder øje med verden, mens Genie 4 tegner den, opdeler et mål i trin, gennemgår de indkommende billeder for at kontrollere, at hvert trin lykkedes, og ændrer planen, når du afbryder.

DeepMind siger, at det største spring gælder menneskene. Figurerne bevæger sig mere naturligt, reagerer på deres omgivelser og kan styres, mens simuleringen kører, og modellen håndterer fysik som aerodynamik og kollisioner. Demonstrationerne på virksomhedens blog viser blandt andet et ahornfrø, der snurrer ned i græsset, en tætpakket lokalstation i 1980’ernes Japan og et drageræs set fra førstepersonsperspektiv, ledsaget af buldrende vingeslag – al lyden er genereret af Genie 4 selv. Genie 3 skabte lydløse verdener i 720p og 24 billeder i sekundet; denne gang har DeepMind ikke offentliggjort tal for opløsning eller billedfrekvens, så forbedringen kan kun vurderes ud fra virksomhedens egne klip.

Spil er ikke det eneste mål. DeepMind siger, at simulering af verden er et afgørende skridt på vejen mod kunstig generel intelligens, og i en demonstration arbejder Genie 4 sammen med Gemini 4 Argon om at simulere Apptroniks humanoide Apollo-robot, der spiller dam. Argon opdeler opgaven i trin og sender dem til Genie 4 som tekstbeskrivelser, mens scenen bliver gengivet. På længere sigt er den kommercielle idé at skabe sikre øvelsesverdener med uendelig variation til robotter og softwareagenter – længe før nogen sælger et Genie-spil.

Filmskabere og fotojournalister fik adgang først

DeepMind har testet Genie 4 med grupper fra de kreative brancher, journalistik, uddannelse, spiludvikling og ingeniørfag. Filmskabere bruger det som et skitseværktøj til prævisualisering: De træder ind i en levende scene og gennemspiller flere optagelser, mens de justerer kameravinkler, lys, dialog og handling. Spiludviklere kan gå fra idé til en prototype, man kan udforske, på få sekunder – før de har skrevet en eneste linje motorkode. Virksomhedens partnere afprøver det til hurtig generering af scenarier.

Det mest følsomme eksperiment involverer fotojournalister, der undersøger, hvordan et enkelt arkivfoto på få sekunder kan blive til en simuleret version af stedet, fyldt med mennesker i bevægelse. DeepMind nævner også visualisering af, hvordan en oversvømmelse efter et skybrud eller en skovbrand udvikler sig. En overbevisende gåtur gennem en ægte historisk gade med opdigtede mennesker, der taler, er også en overbevisende forfalskning. DeepMinds svar er SynthID, det usynlige vandmærke, virksomheden indlejrer i al video og lyd, Genie 4 producerer, samt interne sikkerhedsvurderinger og en gradvis udrulning. SynthID hjælper kun, hvis platforme og seere rent faktisk bruger en detektor, og der er intet på skærmen, der fortæller den almindelige seer, at optagelserne er syntetiske.

Verdenerne glider stadig

DeepMind er usædvanligt åben om begrænsningerne. Genie 4 kan holde et miljø sammen i korte sessioner, men visuelle detaljer og genstandes vedvarende tilstedeværelse kan ændre sig, når simuleringen kører længere, efter flere komplekse ændringer i instruktionerne eller når du bevæger dig rundt i scenen. Komplekse fysiske samspil, præcis lyd i realtid, læsbar tekst, rumlig nøjagtighed og sammenhæng over længere tid står alle på listen over uløste forskningsproblemer. Kort sagt er bogreolen, du gik forbi for et minut siden, måske ikke den samme, når du vender tilbage.

De fleste kan heller ikke prøve det endnu. Genie 4 er en forskningsforhåndsvisning, som kun er tilgængelig for betroede testere. Google siger, at tjenesten snart kommer til Google AI Ultra-abonnenter via Project Genie, webappen til generering af verdener, samt til partnere med tidlig adgang til Gemini API og Google AI Studio. Der er allerede åbnet for opskrivning på ventelisten. Der er ingen lanceringsdato, ingen pris ud over Ultra-abonnementet – Googles dyreste AI-abonnement – og ingen oplysninger om, hvilke lande der får adgang først. Da Project Genie blev lanceret den 29. januar 2026 med Genie 3, var tjenesten kun åben for Ultra-abonnenter i USA, der var fyldt 18 år, og sessionerne var begrænset til 60 sekunder.

DeepMind annoncerede Genie 4 den 27. oktober 2026 i et indlæg underskrevet af Raia Hadsell, Diego Rivas og Hang Qi. Serien begyndte i februar 2024 med en model, der omdannede billeder til enkle 2D-platformspil, fortsatte i 3D med Genie 2 i december 2024 og nåede frem til udforskning i realtid med Genie 3 i august 2025. Hver generation har føjet noget nyt til: en tredje dimension, derefter bevægelse i realtid og nu lyd og tale. Det, Genie 4 stadig skal bevise, er, at en verden kan huske sig selv længere end en kaffepause.

Tags: kunstig intelligens, Google, Gemini, Google DeepMind, Genie 4, Project Genie