Genie 4: o busto que não cai no mundo mais realista da Google
Como funciona o Genie 4, modelo de mundo da Google DeepMind, o que a demo oficial mostra, as falhas apontadas no Hacker News e por que o alvo real é treinar robôs.
O que foi dito
Um busto de mármore cai sobre uma melancia, a fruta se abre e o busto fica inclinado ali. A cena é uma das demonstrações oficiais do Genie 4, modelo de mundo da Google DeepMind apresentado na terça-feira, 27 de outubro.
No Hacker News, o usuário mlmonkey comentou o vídeo logo após o lançamento, apontando que o comportamento do busto não condiz com física real. O detalhe, segundo ele, ajuda a decidir se o modelo serve para vídeo bonito ou para treinar robôs.
“o busto deveria ter tombado, se a física estivesse modelada direito”
O que é o Genie 4
Segundo a Google, o Genie 4 é nativamente multimodal: gera o mundo, som, música e diálogo ao mesmo tempo. O Gemini Omni ancora a aparência e o comportamento do mundo real, enquanto o Gemini 3.8 Flash age como diretor, observando a cena e dividindo objetivos em passos.
Na prática, o usuário controla a câmera pelo teclado e muda a cena com texto, pedindo chuva, outro ângulo ou uma pessoa nova; o mundo continua dali, segundo a descrição da Google.
A demo oficial tem pouco mais de dois minutos, com cenas como grou-coroado, vitral, trem no Japão, moto, dragão e castelo. A consistência chega a dois minutos, o dobro do Genie 3, e todos os sons da demo, inclusive a fala, saem do próprio modelo.
Acesso, preço e limites
A Google diz que os personagens conversam e reagem à cena em tempo real. Ao TechCrunch, o engenheiro Diego Rivas, do Google DeepMind, disse que o tempo real vale mais onde manter o fluxo criativo importa, como ideação e storyboard.
Justine Moore, partner da a16z, teve acesso antecipado ao modelo e avaliou a possibilidade de mudar o mundo com texto e interagir com ele usando áudio nativo.
“um passo enorme”
O Genie 4 não é produto. A Google diz que liberou uma prévia para testadores confiáveis; a chegada ao AI Ultra e o acesso antecipado via API Gemini e AI Studio estão nos planos, sem data. O Ars Technica diz que o AI Ultra começa em cem dólares por mês, com acesso limitado pelo Project Genie, e que o preço para desenvolvedores não foi anunciado.
A equipe reconhece lacunas, segundo o TechCrunch: detalhes e objetos podem derivar com o tempo, e a precisão do áudio e a legibilidade do texto não estão resolvidas. O blog da Google lista permanência de objetos, física complexa, precisão espacial e consistência de longo prazo como áreas de pesquisa.
Todo vídeo e áudio gerado pelo Genie 4 leva SynthID, marca d'água digital da Google para identificar conteúdo gerado por IA.
Demo x alegações
O comentário de mlmonkey sobre o busto não é o único no Hacker News. O usuário smusamashah apontou que um pedaço grande do castelo, incluindo uma catapulta, desaparece quando a câmera volta, no voo do dragão, entre um minuto e vinte e cinco e um minuto e vinte e nove segundos.
O TechCrunch confirma que a própria equipe admite que detalhes e objetos podem derivar com o tempo. Isso não prova que o modelo falha sempre, mas mostra que o vídeo de lançamento é uma seleção do que funciona.
Outro usuário, sodacanner, questionou se a demo responde de fato aos comandos digitados, comparando-a a vídeos gerados por IA com widgets de teclado sobrepostos.
“não parece nem responder aos inputs; parece que pegaram vídeos gerados por IA e colocaram widgets de teclado em cima”
O alvo real: robôs
Em 2025, o Genie 3 derrubou ações de empresas de games. Agora, segundo a Google, o alvo é outro: o modelo pode criar ambientes de treinamento para robôs e agentes.
No experimento citado pela Google, o Gemini 4 Argon divide uma tarefa em passos e o Genie 4 simula o ambiente em tempo real; o exemplo é o robô Apollo, da Apptronik, jogando damas.
O TechCrunch descreve isso como uma forma possível de testar cenários de robôs em simulação, não como um treinamento propriamente dito. Para treinar um robô, o modelo precisaria aprender a relação entre a ação do robô e o próximo estado do mundo, algo que a Google não detalha para o Genie 4, descrito como dirigido por texto e câmera.
A diferença entre abrir um caminho, como diz a Google, e treinar um robô, é a diferença entre uma demo e um produto.
O que fica
O Ars Technica lembra que o Genie 3 nunca passou da experiência limitada do Project Genie, e aponta que o Genie 4 pode ter o mesmo destino. Enquanto isso, empresas como AMD, Amazon e Rivian vêm adquirindo empresas ligadas a modelos de mundo e simulação, movimento que indica consolidação do setor.
A Google diz que o Genie 4 é o primeiro modelo de mundo em tempo real dela a gerar áudio nativamente. Também é, segundo o que a própria demo e os comentários no Hacker News mostram, um vídeo de lançamento com um erro visível de física, acesso restrito e uma promessa de robótica que não foi demonstrada como treinamento.
A pergunta que fica não é se o vídeo é bonito, mas se o mundo continua existindo quando se olha para o outro lado.
Ver a transcrição
OpenAI e Anthropic dizem ter derrubado a mesma hipótese de 25 anos da computação. É verdade?
O Microduck, robô-patinho da keynote da NVIDIA, não é da NVIDIA (e ela vai comprar a dona dele)
O Jev foi invadido? O "vazamento" que é piada do CEO #Shorts
O Jev foi invadido? O 'vazamento' que é piada e o hype de US$ 7,5 bilhões
“Aguentar 18 meses”: o aviso de Jason Clinton, da Anthropic, e o que é fato nas falhas do PHP
Agentes de IA nas contas dos bancos: o que ninguém confirmou #Shorts
Bancos barram agentes de IA: o que ninguém confirmou e o que gente de peso diz
PHP: duas falhas críticas vazaram antes do patch (e a chave que era o número 4) #Shorts