Genie 4 od Google DeepMind: co to jest, co potrafi i jak dostać dostęp

👁 122 przeczytań

Google DeepMind pokazał 27 października 2026 roku Genie 4, nową wersję swojego modelu świata. Taki model nie robi gotowego filmu. Generuje świat, po którym chodzi się klawiaturą i myszką, a każdą kolejną klatkę tworzy na bieżąco. W Genie 4 można w trakcie zabawy wpisać „zacznij padać deszcz” albo „wprowadź nową postać” i świat to uwzględnia. Do tego model pierwszy raz sam generuje dźwięk: tło, muzykę i rozmowy postaci.

Modelu jeszcze nie testowałem, bo nikt spoza wąskiej grupy testerów nie ma do niego dostępu. Ten tekst zbiera wszystko, co Google i DeepMind oficjalnie opublikowali, oficjalne filmy z przykładami i to, jak dostać się na listę oczekujących. Będę go uzupełniał, kiedy Genie 4 trafi do Project Genie.

Oficjalny film z premiery

Co to jest Genie 4

Genie to seria modeli świata Google DeepMind. Model świata przewiduje, jak zmienia się otoczenie i jak wpływają na nie twoje ruchy. Generator wideo, na przykład Veo, robi z promptu zamknięty klip. Model świata nie zna z góry całego nagrania. Generuje kolejne klatki na bieżąco, zależnie od tego, gdzie idziesz i w którą stronę patrzysz. Szerzej o całej kategorii piszę w przewodniku modele świata: co to i po co.

Genie 4 to czwarta generacja. DeepMind opisuje go jako swój najbardziej realistyczny i interaktywny model świata. Najważniejsza zmiana jest pod maską: Genie 4 korzysta z rodziny Gemini. Gemini Omni ma pilnować, żeby świat wyglądał i zachowywał się jak prawdziwy. Inne modele Gemini odpowiadają za rozumowanie, czyli za to, żeby symulacja trzymała się kupy także po kilku zmianach.

Genie 4 a Genie 3: co się zmieniło

Uwaga na ostatnie dwa wiersze. Przy Genie 3 DeepMind podał rozdzielczość i klatkaż od razu. Przy Genie 4 tych liczb nie ma ani na blogu, ani na stronie modelu. Nie zgaduję ich.

Cztery nowe możliwości, z oficjalnymi przykładami

DeepMind pogrupował nowości w cztery obszary. Przy każdym opisuję, co pokazuje oficjalne demo i jaki prompt je wywołał. Prompty skróciłem i przetłumaczyłem. Pełne wersje są na blogu DeepMind.

1. Sterowanie światem w czasie rzeczywistym

Piszesz polecenie w trakcie, a model zmienia świat: pogodę, ujęcie kamery, dodaje osobę albo przedmiot. Gemini dopasowuje twoje polecenie do tego, co jest w scenie. Między twoimi poleceniami pilnuje, żeby świat dalej toczył się spójnie.

Przykład z demo: saksofonista na betonowej platformie unoszącej się na jeziorze we mgle. Prompt zaczyna od zdjęcia referencyjnego („użyj go jako pierwszej klatki, zachowaj platformę, kulę światła, drzewko i mężczyznę w brązowym garniturze”). Potem opisuje styl: dokument kręcony na taśmie 16 mm, niski kontrast, zgaszone kolory, rozproszone światło. Na koniec opisuje kamerę, która może swobodnie latać nad wodą i nie jest przyczepiona do muzyka, oraz dźwięk: jezioro, wiatr i „realistyczny saksofon, bez muzyki spoza sceny”.

Dwa inne dema z tej grupy używają podziału na otoczenie i postać. Otoczenie to łąka na wzgórzu z polnymi kwiatami. Postacią jest długa wstęga różowej satyny, która wije się w kształcie litery S i faluje na wietrze. W drugim demie świat to Antarktyda z balonami na horyzoncie, a postać to widok z kosza balonu, z liną i palnikiem w kadrze.

2. Realizm fizyki i ludzi

DeepMind pisze, że Genie 4 symuluje aerodynamikę, zderzenia i podobne zjawiska. Za najbardziej dramatyczny skok uważa jednak ludzi: postaci mają się ruszać naturalnie, reagować na otoczenie i dać się sterować w trakcie. Przykłady:

• Arbuz na kamiennym postumencie w ogrodzie, w ostrym popołudniowym świetle, z kroplami w zwolnionym tempie. To test fizyki rozpryskującego się owocu.
• Nasiono klonu spadające w trawę, ujęcie makro. Prompt ma jedno zdanie.
• Zatłoczona wiejska stacja kolejowa w Japonii w latach 80., z czerwonym pociągiem, kolejarzem w granatowym mundurze i tłumem z bagażami. To test wielu ludzi naraz.

3. Dźwięk generowany razem ze światem

To pierwszy model świata DeepMind działający w czasie rzeczywistym, który sam generuje dźwięk. Każdy świat ma odgłosy własnego otoczenia, od wiatru w drzewach po fale. Za prawdziwą granicę DeepMind uważa mowę: postaci rozmawiają ze sobą i reagują na to, co robisz. Przykłady:

• Kraina z witrażowego szkła: rzeka, kwiaty, góry i słońce, wszystko z kolorowego szkła z ołowianymi konturami. Prompt kilka razy powtarza, że nic nie może wyglądać naturalnie.
• Wyścig na smokach z perspektywy jeźdźca: 140 km/h, inne smoki obok i zamek z katapultami. Prompt każe trzymać kamerę w oczach jeźdźca i nigdy go nie pokazywać. Osobna linijka opisuje dźwięk: łopot skrzydeł, wiatr na wysokości i dudnienie wulkanu.
• Para na motocyklu na moście pod Hongkongiem o świcie, stylizowana na kino niezależne z 1995 roku, kręcone na 35 mm.

4. Złożone zdarzenia prowadzone przez Gemini

Tu pracuje Gemini 3.8 Flash jako agent w pętli. Patrzy na generowaną scenę, rozbija cel na kroki i po każdej klatce sprawdza, czy krok się udał. Kiedy świat się zmieni albo użytkownik się wtrąci, poprawia plan. Dzięki temu w świecie działa przyczyna i skutek, a zadania mogą mieć kilka kroków. Przykłady z demo: robot UR5 dozujący pipetą płyn, który wywołuje iskry, magik z prawdziwym pawiem w otwartej skrzyni i widz wychodzący z Royal Opera House po spektaklu.

Osobny przykład dotyczy robotyki. Gemini 4 Argon rozpisuje zadanie na kroki i podaje je do Genie 4 jako podpisy w trakcie renderowania. Tak powstała symulacja humanoida Apollo firmy Apptronik grającego w warcaby. O samym Argonie pisałem w tekście Gemini 4 Argon dostępny dla wszystkich.

Jak wyglądało to w Genie 3 i Project Genie

Żeby zobaczyć, z czego robi się skok, warto obejrzeć oficjalny film Project Genie z poprzednim modelem:

Do czego używają go testerzy

DeepMind udostępnił model grupom testerów z branży kreatywnej, dziennikarstwa, edukacji, gier i inżynierii. Z ich opinii wybrał cztery zastosowania:

• Prewizualizacja w filmie. Reżyser wchodzi w żywą symulację sceny i robi kilka „dubli”, zmieniając na bieżąco kamerę, światło, dialog i akcję. Tak samo pracuję przy storyboardzie do teledysku, tylko u mnie to są nieruchome kadry.
• Archiwalne zdjęcia jako przestrzeń. Fotoreporterzy sprawdzają, jak z jednego zdjęcia 2D w kilka sekund zrobić świat, po którym można chodzić. Testują też wizualizację zdarzeń takich jak powódź błyskawiczna czy pożar.
• Prototypy gier. Twórcy gier przechodzą od pomysłu do świata do zwiedzania w kilka sekund i testują styl oraz mechanikę, zanim napiszą linijkę kodu silnika.
• Symulacje dla firm. Partnerzy biznesowi sprawdzają generowanie scenariuszy od zera.

Jak dostać dostęp do Genie 4

1. Lista oczekujących. DeepMind ma formularz zapisu do Genie 4 w Project Genie, podlinkowany na blogu i na stronie modelu (formularz waitlisty).
2. Google AI Ultra. To pierwsza grupa konsumentów, która dostanie Genie 4, w aplikacji Project Genie. W Polsce Ultra kosztuje 469,99 zł albo 979,99 zł miesięcznie, rozpisałem to w tekście Google AI Ultra cena w Polsce. Project Genie startował w USA dla osób 18+ i nie obejmował Ultra for Business. Więcej w osobnym tekście o Project Genie.
3. Gemini API i Google AI Studio. Na początek tylko partnerzy z wczesnym dostępem. Cennika API nie ma. Jak działa samo AI Studio, opisałem w przewodniku Google AI Studio.

Daty udostępnienia DeepMind nie podał, pisze tylko „wkrótce”.

Ograniczenia, które DeepMind podaje sam

• Dryf świata. Szczegóły i trwałość obiektów mogą się zmieniać z czasem. Bardziej widać to przy dłuższej sesji, po kilku złożonych poleceniach i przy chodzeniu po scenie.
• Krótkie sesje. Model wytrzymuje kilka minut ciągłej interakcji, nie dłuższe sesje.
• Wiele postaci naraz. Interakcje między użytkownikiem, kilkoma niezależnymi postaciami a otoczeniem to wciąż problem badawczy.
• Prawdziwe miejsca. Genie 4 nie odwzorowuje dokładnie istniejących lokalizacji.
• Napisy. Czytelny tekst pojawia się zwykle tylko wtedy, gdy jest w opisie świata.
• Dźwięk. Dokładność audio w czasie rzeczywistym wciąż jest poprawiana.

Do tego DeepMind dopisuje drobnym drukiem pod przykładami, że sekwencje są skrócone, a wyniki mają charakter poglądowy. Dema pokazują więc najlepsze momenty, nie średnią.

Bezpieczeństwo i znak wodny

Każdy obraz i dźwięk z Genie 4 ma dostać SynthID, niewidoczny znak wodny Google. Jak go sprawdzić i czego nie wykryje, opisałem w tekście o SynthID Detector. DeepMind pisze też o wewnętrznych testach bezpieczeństwa przed premierą i o tych samych blokadach treści, które obowiązują w innych modelach Google.

Genie 4 na tle innych modeli świata

W październiku testowałem dwa modele, do których jest dostęp: Odyssey-3 na Bieszczadach oraz LingBot World 2 i Abot World 0 w tekście modele świata na fal.ai. Żaden z nich nie generuje dźwięku z mową ani nie ma agenta, który pilnuje ciągu zdarzeń. Genie 4 zapowiada się więc na najmocniejszy model świata na rynku. Na razie jednak tylko na filmach, które wybrał sam producent.

Co sprawdzę, kiedy dostanę dostęp

Mam listę testów z poprzednich modeli, żeby wyniki dało się porównać:

• te same polskie miejsca co w Odyssey-3 (Bieszczady, Morskie Oko), bo prawdziwe lokalizacje to deklarowana słabość,
• czy postać powie coś po polsku i czy dźwięk zgadza się z ruchem ust,
• ile minut świat trzyma się, zanim zacznie dryfować,
• polski napis w kadrze, na przykład szyld sklepu,
• zmiana pogody i wejście nowej postaci w trakcie, czyli główna obietnica Genie 4.

Na start polecam przewodnik jak pisać prompty do Genie 4, w którym rozpisałem schemat oficjalnych promptów.

Najczęstsze pytania

Czy Genie 4 jest darmowy?

Nie. Na razie mają go tylko zaproszeni testerzy. Pierwsi konsumenci dostaną go w płatnym planie Google AI Ultra.

Czy Genie 4 działa w Polsce?

Jeszcze nie wiadomo. Project Genie startował w styczniu 2026 roku tylko w USA, a Google zapowiadało rozszerzenie na inne kraje bez listy. Przy Genie 4 nie podano żadnych krajów.

Czym Genie 4 różni się od Veo?

Veo robi zamknięty klip z promptu. Genie 4 generuje świat na bieżąco, a ty w nim chodzisz i zmieniasz go poleceniami.

Czy mogę pobrać nagranie z Genie 4?

W Project Genie z Genie 3 dało się pobrać filmy ze świata i z eksploracji. Przy Genie 4 Google nie opisało jeszcze, jak to będzie działać.

Ile trwa jedna sesja?

Według DeepMind kilka minut ciągłej interakcji. W Project Genie z Genie 3 limit generowania wynosił 60 sekund.

Czy Genie 4 będzie w API?

Tak, najpierw dla partnerów z wczesnym dostępem w Gemini API i Google AI Studio. Cena nie jest znana.

Źródła

• Google DeepMind: Genie 4: A new generation of world simulation, 27.10.2026
• Google DeepMind: strona modelu Genie 4 (możliwości, ograniczenia)
• Google: We’re announcing Genie 4, 27.10.2026
• Google: Project Genie, 29.01.2026
• Google DeepMind: Genie 3, sierpień 2025
• Sundar Pichai na X, 27.10.2026

Sprawdzone: 28.10.2026.