GoogleがGenie 4を予告

Genie 4はGoogleが2024年に投入した一連の世界モデルの最新版で、同社は滑らかな動きやその他の複雑な細部の描画で前世代を上回るとしている。このモデルは内部で他のGoogleのシステムに依存している。5月に発表された動画生成モデルGemini Omniが視覚素材の写実性を保つのを助け、低コストな推論モデルGemini 3.8 Flashが個々のフレームの一貫性を確保する。DeepMindの担当者によると、Geminiはシーンを観察し、目標をステップに分解し、世界が変化したりユーザーが介入したりすると計画を適応させる。

消費者や開発者向けの提供に加え、DeepMindはGenie 4とGoogleの推論最適化されたフラッグシップ大規模言語モデルGemini 4 Argonを組み合わせたロボティクス用途を研究している。この構成では、Argonが短い要望をワークフローの各ステップを記述する数十の詳細なGenie 4プロンプトに変換でき、より精密なプロンプトは描画品質を高めるようだ。同社はこれにより、AIにロボットを制御させる訓練にシミュレーションがより有用になると示唆している。GoogleはGoogle AI Ultra、Gemini API、Google AI Studioを通じた広範な提供に先立ち、限られた数の早期利用者でGenie 4をテストしている。