Google lança Genie 4, modelo que simula mundos em tempo real com áudio

O que é o Genie 4 e por que ele é diferente de um vídeo gerado por IA

Um modelo de mundo (world model, em inglês) é um tipo de IA que não apenas gera um vídeo, mas simula um ambiente interativo: o usuário pode mexer na cena enquanto ela roda, como se estivesse dentro de um jogo gerado em tempo real. O Google DeepMind lançou o Genie 4 na terça-feira, 27 de outubro de 2026, em preview de pesquisa, segundo reportagem do TechCrunch. A novidade central é deixar o testador digitar um comando no meio da simulação e ver a cena mudar na hora: trocar o clima, mover a câmera, inserir um personagem novo.

O modelo também gera áudio sincronizado com o que acontece na tela: música, som ambiente e até diálogo interativo. Até aqui, a maioria dos modelos de mundo concorrentes entregava só imagem, sem som.

Da Genie 3 para a Genie 4: o que avançou

O Google lançou a Genie 3 há pouco mais de um ano, também como preview de pesquisa. Segundo a empresa, a nova versão traz:

• Edição livre em tempo real: muda clima, ângulo de câmera, adiciona ou remove objetos e pessoas sem reiniciar a simulação
• Consistência de cena por até dois minutos, o dobro do limite da Genie 3
• Física mais precisa e personagens com comportamento mais humano
• Áudio gerado junto com a imagem, recurso que a Genie 3 não tinha

Esse avanço chega num momento de disputa acirrada no mercado de modelos de mundo. A startup Runway lançou seu próprio modelo, o GWM Worlds 2, alguns meses antes do Genie 4, também com resposta dinâmica a comandos e geração de áudio. Ao mesmo tempo, o setor começou a se consolidar: a AMD está adquirindo a World Labs, da pesquisadora Fei-Fei Li, a Amazon negocia a compra da Decart, e a montadora Rivian comprou a Third Dimension para trazer simulação para dentro de casa e testar direção autônoma.

Como Gemini e Genie trabalham juntos para testar robôs

A parte mais relevante para quem desenvolve é a integração entre Genie 4 e o Gemini, o modelo de linguagem do Google. Nessa combinação, o Gemini funciona como diretor: planeja os passos de uma tarefa e confere os frames gerados, enquanto o Genie cuida da parte visual da simulação.

Num experimento ligado ao Gemini Robotics (a linha do Google voltada a robôs físicos), um modelo chamado Gemini 4 Argon quebrou uma tarefa em etapas, e o Genie 4 simulou cada etapa em tempo real. Na prática, isso aponta um caminho concreto para quem trabalha com robótica: testar um cenário de robô inteiro dentro da simulação antes de rodar no hardware real, reduzindo o risco de quebrar peça ou colidir com algo no mundo físico.

O que vamos ver cada vez mais no futuro são esses modelos de mundo híbridos, nos quais você tem uma combinação do Gemini escrevendo código e texto, e do Genie absorvendo isso em tempo real e simulando a realidade em diferentes níveis de abstração.

What we'll increasingly see in the future are these hybrid world models, where you have a combination of Gemini writing code and text, and Genie ingesting that in real time and simulating reality at different levels of abstraction.Tejas Kulkarni, diretor de pesquisa do Google DeepMind

Para times de TI que avaliam simulação como camada de teste antes de deploy em robótica ou veículos autônomos, esse desenho de pipeline, um modelo de linguagem planejando e um modelo de mundo executando, é o que vale acompanhar: ele mostra a Google tratando o Genie menos como gerador de vídeo bonito e mais como ambiente de testes programável.

Um uso que a Google não estava vendendo: prototipagem de cenas de filme

Os testadores de confiança (trusted testers, como o Google chama quem recebe acesso antecipado aos produtos) encontraram um uso que não estava no roteiro original da empresa: pré-visualizar cenas de filme antes de gravar.

O aspecto do tempo real se torna mais valioso justamente nas áreas em que manter um estado de fluxo no processo criativo se torna extremamente útil.

The real time aspect becomes most valuable in the areas where keeping a state of flow in the creativity space becomes incredibly useful.Diego Rivas, engenheiro do Google DeepMind

Rivas citou a fase de ideação e a montagem de storyboard como os momentos em que editar a cena na hora, sem esperar um novo render, compensa mais. Ele também adiantou que a ideia, ainda distante, é plugar esses protótipos ao Gemini Omni (um modelo multimodal do Google que gera vídeo a partir de imagem, áudio e texto) para transformar o rascunho simulado em material final, embora essa parte, segundo ele, ainda esteja longe de funcionar.

O Google já tem o Veo, seu modelo de geração de vídeo com áudio sincronizado a partir de texto, imagem ou vídeo, crescendo entre cineastas. O Genie 4 não substitui o Veo: ele entra antes, na fase de rascunho e teste de ideia.

O que ainda falha e o que fica em aberto

A própria equipe do Google DeepMind admite, segundo o TechCrunch, que o Genie 4 tem limites conhecidos:

• Detalhes e objetos podem derivar (mudar de forma ou posição sem motivo) quanto mais tempo a simulação roda
• O áudio nem sempre bate com o que acontece na cena
• Texto que aparece dentro do mundo simulado às vezes fica ilegível

Rivas reforçou que ainda é cedo para dizer qual será o formato final do produto: hoje o Genie 4 é uma pesquisa em andamento, não um serviço fechado com contrato de nível de serviço.

Como e quando testar

O Genie 4 está disponível agora como preview de pesquisa, mas só para testadores de confiança selecionados pelo Google. Nas próximas semanas, o acesso deve se abrir em três frentes:

1. Assinantes do Google AI Ultra, dentro do Project Genie (a ferramenta do Google para gerar mundos interativos a partir de texto ou imagem)
2. Parceiros de acesso antecipado da API do Gemini
3. Parceiros de acesso antecipado do Google AI Studio

Para quem constrói produto, isso significa que ainda não dá para chamar o Genie 4 via API pública nem testar sem convite. Quem já usa Gemini API ou Google AI Studio em projeto atual tem a chance mais concreta de pôr a mão num ambiente simulado antes do resto do mercado. Vale acompanhar o anúncio do Google DeepMind para o momento em que isso virar endpoint documentado, porque até agora a empresa não divulgou preço nem limite de uso para a fase de preview.

Fonte: TechCrunch AI