Google DeepMind memperkenalkan Genie 4, model dunia (*world model*) untuk membuat simulasi interaktif secara real-time. Model ini tidak hanya menghasilkan gambar bergerak dari sebuah prompt. Menurut pengumuman DeepMind pada 27 Oktober 2026, Genie 4 dapat mempertahankan lingkungan yang bisa dijelajahi, merespons perubahan dari pengguna, dan menghasilkan audio—termasuk suara lingkungan, musik, serta dialog karakter—secara langsung.
Akses awal Genie 4 masih terbatas. DeepMind menyebut model ini telah dibagikan sebagai *research preview* kepada kelompok penguji tepercaya. Perusahaan berencana membawanya ke pelanggan Google AI Ultra melalui Project Genie, serta kepada mitra akses awal untuk Gemini API dan Google AI Studio. Jadi, ini belum merupakan produk terbuka yang bisa langsung dipakai semua pengembang.
Dunia yang bisa diubah saat simulasi berjalan
Genie 4 dirancang agar pengguna dapat mengarahkan simulasi menggunakan bahasa alami. Pengguna bisa mengubah cuaca, memindahkan kamera, menambahkan orang atau objek, lalu melihat bagaimana dunia virtual menyesuaikan diri. DeepMind mengatakan Gemini membantu memahami perintah tersebut berdasarkan konteks adegan, sementara Genie 4 melanjutkan simulasi agar tetap berjalan secara koheren.
Model ini juga mencoba menangani hubungan sebab-akibat yang lebih panjang. Sebuah peristiwa dapat dimulai oleh pengguna, lalu sistem mensimulasikan apa yang terjadi setelahnya: bagaimana lingkungan merespons, bagaimana orang bergerak, dan bagaimana karakter berbicara. Kemampuan ini menempatkan Genie 4 di wilayah yang berbeda dari generator video biasa. Fokusnya bukan hanya menghasilkan klip yang terlihat meyakinkan, tetapi membuat ruang yang dapat diberi input dan berubah selama interaksi.
DeepMind menyebut empat kemampuan utama dalam rilisnya: realisme visual dan gerakan yang lebih baik, pengubahan adegan secara langsung, audio native, serta penggabungan dengan model Gemini untuk menangani peristiwa kompleks. Perusahaan menampilkan simulasi dengan kendali keyboard untuk navigasi dan kamera, ditambah prompt teks untuk mengarahkan perkembangan adegan.
Audio bukan lapisan tambahan
Salah satu pembaruan paling mudah dikenali adalah kemampuan menghasilkan audio secara native. Genie 4 dapat membuat suara yang sesuai dengan tempat simulasi, seperti angin atau suara ombak. Model ini juga mencoba membuat dialog interaktif: karakter dapat berbicara dan bereaksi terhadap input pengguna atau kejadian yang berlangsung di dalam dunia virtual.
Klaim tersebut tetap perlu dibaca sebagai kemampuan dalam tahap penelitian. DeepMind mengakui bahwa akurasi audio real-time masih menjadi area yang terus dikembangkan. Demikian pula dengan teks yang muncul di dalam dunia simulasi. Teks yang jelas dan terbaca belum selalu berhasil dihasilkan, terutama ketika sistem harus mempertahankan banyak detail sekaligus.
Gemini berperan sebagai pengarah
Genie 4 tidak bekerja sendirian. DeepMind menjelaskan bahwa Gemini 3.8 Flash dapat berperan sebagai agen pengarah di dalam loop simulasi. Model tersebut mengamati adegan, memecah tujuan menjadi beberapa langkah, memeriksa frame yang masuk, lalu menilai apakah sebuah langkah berhasil. Jika dunia berubah atau pengguna menyela, Gemini dapat menyesuaikan rencana.
Dalam eksperimen yang berkaitan dengan Gemini Robotics, DeepMind juga mencoba menggabungkan Gemini 4 Argon dan Genie 4. Argon memecah instruksi pengguna menjadi rencana multi-langkah, kemudian langkah itu dikirim sebagai keterangan teks agar Genie 4 merender simulasi secara bertahap. Pendekatan ini menunjukkan arah penggunaan yang lebih praktis: menguji skenario robot atau agen dalam lingkungan virtual sebelum sistem tersebut berhadapan dengan dunia fisik.
Potensi lain yang disebut DeepMind mencakup pembuatan pengalaman interaktif, pravisualisasi film, prototipe game, serta lingkungan pelatihan untuk robot dan agen AI. Namun, semua contoh itu masih merupakan arah riset atau eksperimen, bukan daftar produk yang sudah tersedia secara komersial.
Realistis, tetapi belum stabil untuk sesi panjang
DeepMind cukup terbuka soal batasan Genie 4. Detail visual dan keberadaan objek dapat berubah atau bergeser seiring simulasi berlangsung lebih lama, setelah banyak perubahan prompt, atau ketika pengguna berpindah-pindah tempat. Interaksi antar-agen, representasi lokasi nyata, ketepatan fisika yang kompleks, dan durasi sesi panjang juga masih menjadi tantangan.
Model ini saat ini mendukung beberapa menit interaksi berkelanjutan, bukan sesi panjang tanpa batas. Itu penting karena world model harus menjaga lebih banyak hal sekaligus daripada generator video: posisi objek, kontinuitas ruang, aturan fisika, perilaku karakter, respons audio, dan riwayat perubahan yang dibuat pengguna.
DeepMind mengatakan seluruh video dan audio yang dihasilkan Genie 4 akan menyertakan SynthID, teknologi watermark digital tak kasatmata milik Google. Perusahaan juga menyatakan telah melakukan evaluasi keselamatan internal dan memilih memulai distribusi melalui penguji tepercaya sebelum akses diperluas.
Genie 4 belum membuktikan bahwa masalah konsistensi dunia simulasi sudah selesai. Tetapi rilis ini memperlihatkan arah yang jelas: model generatif mulai diperlakukan bukan hanya sebagai pembuat konten sekali jadi, melainkan sebagai mesin untuk membangun ruang yang dapat dihuni, diarahkan, dan diuji. Seberapa berguna pendekatan itu di luar demo akan bergantung pada stabilitas sesi, biaya komputasi, dan kapan akses pengembang benar-benar dibuka.
Sumber [Google DeepMind — Genie 4](https://deepmind.google/blog/genie-4-a-new-generation-of-world-simulation/). Konteks tambahan: [Google Blog](https://blog.google/innovation-and-ai/models-and-research/google-deepmind/introducing-genie-4/) dan [dokumentasi model Genie](https://deepmind.google/models/genie/).