DeepMind, yeni dünya modeli Genie 4'ü araştırma önizlemesi olarak yayınladı. Model, simülasyon ortasında yazılı komutlarla sahneyi değiştirmeye ve dünyayla uyumlu ses üretmeye izin veriyor; sahne tutarlılığı iki dakikaya çıkarken Gemini entegrasyonu da derinleşti.
Google DeepMind, yeni nesil dünya modeli Genie 4’ü araştırma önizlemesi olarak yayınladığını duyurdu. Şirketin tanıtımına göre Genie 4, bugüne kadarki en fotoğrafik gerçekçi ve etkileşimli dünyaları üretiyor: Kullanıcılar simülasyon ortasında yazdıkları komutlarla havayı, kamera açısını değiştirebiliyor ya da sahneye yeni kişiler ve nesneler ekleyebiliyor.
Önceki nesilden en görünür fark ses. Genie 4 doğası gereği çok modlu çalışıyor ve müzik, ortam gürültüleri ile etkileşimli diyalogları dünya ile eşzamanlı üretiyor. Şirket, sahnenin tutarlığını koruyabilme süresinin iki dakikaya çıktığını — önceki neslin sınırının iki katına — fizik simülasyonunun ve karakterlerin insansılığının iyileştiğini belirtiyor.
Genie 4’ün bel kemiği Gemini ailesiyle kurulan yeni iş birliği: Gemini Omni simülasyonları gerçek dünya görünümü ve davranışına oturturken, Gemini 3.8 Flash döngü içinde rehber ajan olarak görev yapıyor — dünya gerçek zamanlı üretilirken sahneyi gözlemliyor, hedefleri adımlara bölüyor ve gelen kareleri denetleyerek ilerlemeyi doğruluyor. DeepMind’ın paylaştığı bir örnekte Gemini 4 Argon modeli, Apptronik’in Apollo insansı robotunun dama oynayışını adım adım gerçek zamanlı simüle etti. Google araştırma direktörü Tejas Kulkarni, gelecekte ‘Gemini’nin kod ve metin yazdığı, Genie’nin bunu gerçek zamanlı yutup gerçekliği farklı soyutlama düzeylerinde simüle ettiği’ hibrit dünya modellerinin yaygınlaşmasını beklediğini söyledi.
Öne çıkarılan kullanım alanları oyun, etkileşimli öğrenme ve robotik. Etkileşimli öğrenme için verilen örnekte kullanıcı, tarihi bir sahneyi resmeden tablonun içine girip tablodaki kişilerle olay hakkında sohbet edebiliyor. Güvenilir testçiler ise beklenmedik bir kullanım daha işaret ediyor: Film prototipleme. DeepMind mühendisi Diego Rivas, gerçek zamanlılığın ‘yaratıcı akış hâlini korumanın kritik olduğu’ fikir ve storyboard aşamalarında en değerli olduğunu söyledi.
Modelin sınırları da açıkça kabul ediliyor: Simülasyon uzadıkça ayrıntılar ve nesneler kayabiliyor, sesin doğruluğu garanti edilemiyor ve dünya içindeki metinlerin okunabilirliği henüz çözülememiş durumda. Rivas, Genie 4 için henüz erken günler olduğunu ve uçtan uca ürün deneyiminin ne olacağının belli olmadığını vurguladı.
Şirket, sorumlu yapay zekâ vurgusuyla modelin katı güvenlik korkuluklarıyla geldiğini ve üretilen tüm video ile sesin SynthID dijital filigranını taşıyacağını bildirdi. Genie 4 şu anda yalnızca güvenilir testçilere açık; önümüzdeki haftalarda Google AI Ultra abonelerine Project Genie aracı üzerinden ve Gemini API ile Google AI Studio’nun erken erişim ortaklarına sunulacak.
Dünya modelleri alanı hızla kızışıyor: Runway birkaç ay önce ses üretimi de içeren oynanabilir ikinci dünya modeli GWM Worlds 2’yi yayınlamıştı. Sektör aynı zamanda konsolide oluyor — Fei-Fei Li’nin World Labs’ı AMD tarafından 8,2 milyar dolara satın alınırken, Amazon’un Decart’ı yaklaşık 7 milyar dolara almak için görüşmede olduğu ve Rivian’ın kendi kendini süren araç testleri için Third Dimension’ı satın aldığı bildiriliyor. Genie 4, Google’ın bu kalabalık alanda önde kalmak için attığı en yeni adım olarak değerlendiriliyor.