ディープマインド、ネイティブ音声・会話・物理表現を強化したワールドモデル「Genie 4」を発表

Google DeepMindは「Genie 4」を発表した。Ars Technicaによると、AI生成のインタラクティブな世界にネイティブ音声、人間の会話、より現実的な物理を加え、まず開発者とAI Ultra加入者に提供される。

Ars Technicaによると、Google DeepMindはワールドモデル「Genie」の最新版となる「Genie 4」を発表した。DeepMindのブログにも、2026年10月付のModelsカテゴリーに「Genie 4: A new generation of world simulation」という記事が掲載されている。ワールドモデルは、テキストの指示からリアルタイムで1フレームずつ対話型の仮想環境を生成するもので、事前にレンダリングされたシーンや手作業でプログラムされた操作は必要ない。Ars Technicaは、Googleがこうしたモデルを汎用人工知能への一歩と位置づけ、DeepMindはロボット向けの無限の訓練環境や、創造分野での試作の高速化につながり得ると述べていると報じている。

Ars Technicaによれば、Genie 4はGeminiモデルの「Gemini 3.8 Flash」を誘導役のエージェントとして使い、目標を分解して生成された各フレームを評価する。天候やカメラなどの条件は実行中にも変更できる。DeepMindは、空気力学や衝突の扱いが改善され、人物の動きもより自然になったと説明している。環境音や人間の会話を含むネイティブ音声を備えたDeepMind初のワールドモデルとされ、会話はシミュレーションの変化に合わせて適応するという。これらは同社の主張であり、独立した検証はされていない。またDeepMindは、Genie 4の世界が一貫性を保つのは数分程度で、その後は始まりの状況を忘れてしまうと認めている。

公開時期は示されていない。Ars Technicaによると、すでに少数の信頼できるテスターがモデルを使っており、開発者にはGemini APIとAI Studioを通じて提供される予定だが、価格は未発表だ。一般ユーザーにはProject Genieを通じて段階的に提供され、月額100ドルからのGoogle最上位プランAI Ultraが先行する。のちに低価格プランへ広がる可能性があり、ウェイトリストも開設されている。DeepMindは、ワールドモデルは今も活発な研究分野であり、Genie 3は限定的なProject Genieのウェブ体験を超えて広がらなかったと強調している。