DeepMind lança Genie 4, modelo de mundo que simula física e fala humana em tempo real

A Google DeepMind anunciou em outubro de 2026 o Genie 4, a nova versão do seu modelo de mundo (world model, na sigla em inglês para o tipo de IA que gera ambientes virtuais interativos a partir de um comando de texto). Diferente de um jogo tradicional, o Genie 4 não precisa de ambientes pré-renderizados nem de elementos programados à mão: você descreve o que quer e o modelo gera a experiência quadro a quadro, em tempo real, enquanto o usuário explora o espaço (Ars Technica, 27/10/2026).

A DeepMind já havia causado impacto no mercado de games com o Genie 3, lançado em 2025, que chegou a derrubar ações de empresas do setor. A empresa, porém, não trata a tecnologia como ferramenta de entretenimento: segundo a Google, modelos de mundo são peça chave no caminho para a inteligência artificial geral (AGI, sigla em inglês para o tipo de IA capaz de realizar qualquer tarefa cognitiva humana), porque permitem criar ambientes de treino praticamente ilimitados para sistemas físicos, como robôs.

Física mais realista e gente que não parece boneco de cera

O Genie 4 melhora em quase tudo em relação ao antecessor. A DeepMind afirma que o modelo simula melhor fenômenos como aerodinâmica e colisões, o que deixa as cenas mais coerentes visualmente. Pessoas dentro das simulações também ganharam movimento mais natural e reações mais condizentes com mudanças no ambiente, reduzindo o efeito de estranheza (uncanny valley) comum em vídeo gerado por IA.

A novidade mais chamativa é o áudio nativo: o Genie 3 era mudo, e o Genie 4 passa a gerar som ambiente e permite que o usuário especifique elementos sonoros no próprio prompt. O salto maior é a fala humana: a DeepMind promete diálogo interativo que se adapta conforme a simulação muda, algo que até agora só se via em vídeo de IA fora do contexto de mundos simulados.

Um agente de IA dirige a simulação por baixo dos panos

A parte técnica que mais interessa a quem constrói com IA é como o Genie 4 se mantém coerente. O modelo usa o Gemini 3.8 Flash como agente orientador: esse modelo menor quebra o objetivo do prompt em etapas e avalia cada quadro gerado, corrigindo o rumo da simulação. É um mecanismo parecido com o que modelos de raciocínio fazem ao gerar prompts internos adicionais para chegar na resposta certa, só que aplicado a vídeo interativo em vez de texto.

Isso permite trocar parâmetros no meio do caminho (mudar o clima, adicionar elementos, mover a câmera) sem perder o contexto original, um recurso que já existia no Genie 3 e segue no Genie 4. O limite segue claro, porém: a DeepMind reconhece que os mundos gerados permanecem consistentes por apenas alguns minutos antes de o modelo esquecer como a simulação começou. Para quem pensa em usar isso como ambiente de treino longo para um agente ou robô, essa janela de memória curta é a primeira restrição prática a considerar.

Acesso ainda fechado, preço ainda não divulgado

A DeepMind trabalha com um grupo pequeno de testadores de confiança e ainda não tem cronograma definido para abrir o acesso de forma ampla. O que já está definido:

• Desenvolvedores vão poder acessar o Genie 4 via Gemini API e AI Studio, mas a Google ainda não divulgou preço para esse uso.
• Consumidores terão acesso por fases, começando pelo plano mais caro da Google, o AI Ultra, que parte de 100 dólares por mês.
• A Google pode expandir depois para os planos AI Pro e AI Plus, mas isso ainda não tem data.
• O acesso de consumidor segue passando pelo Project Genie, experiência web que limita o quanto dá para fazer com o modelo.
• Há uma lista de espera aberta para quem quer tentar acesso antecipado.

O que muda para quem constrói agentes e robôs

Para times de TI e desenvolvedores que trabalham com agentes de IA ou robótica, o recorte interessante do Genie 4 não é o vídeo bonito, é a possibilidade de gerar ambiente de treino sob demanda. Hoje, treinar um robô físico ou um agente que precisa agir no mundo real exige dados de simulação caros de produzir (seja com motores de física tradicionais, seja com captura de dados reais). Um modelo de mundo que gera esse ambiente a partir de um prompt, com física mais confiável e pessoas que reagem de forma plausível, reduz parte desse custo de coleta de dados.

Na prática, isso ainda não chega pronto para uso em produção: sem preço de API publicado e sem SLA de disponibilidade, qualquer equipe que queira testar o Genie 4 para treinar um agente depende primeiro de conseguir acesso via lista de espera, e depois de avaliar se a janela de poucos minutos de consistência é suficiente para o cenário que pretende simular. Para prototipagem rápida de interfaces ou de interações de produto, porém, a promessa de mundo gerado sob demanda, com áudio e fala incluídos, já é um caso de uso mais imediato do que treino de robótica em larga escala.

O que ainda está em aberto

A DeepMind é explícita ao dizer que modelo de mundo continua sendo área de pesquisa ativa: o Genie 3 nunca saiu da experiência limitada do Project Genie, e não há garantia de que o Genie 4 vá além disso tão cedo. Preço de API, data de disponibilidade geral e o desempenho real fora dos testes controlados pela DeepMind são as perguntas que seguem sem resposta por enquanto. Quem depende de ambiente de simulação para treinar agente ou robô físico no Brasil vai precisar acompanhar esses detalhes antes de decidir se vale montar um pipeline em cima do Genie 4 ou seguir com as alternativas de simulação já estabelecidas.

Fonte: Ars Technica — IA