要点まとめ
Genie 4は、2026年10月27日に発表されたGoogle DeepMindのワールドモデルです。インタラクティブな世界をリアルタイムでシミュレートし、映像とともに音声や会話を生成して、キーボード操作とテキストプロンプトに応答します。信頼できるテスター向けのリサーチプレビューで、最初の一般ユーザーとしてGoogle AI Ultra購読者が想定されています。[1][2]
重要なポイント
- Google DeepMindは2026年10月27日、音声をネイティブに生成する初のリアルタイムのインタラクティブなワールドモデルとして、Genie 4を発表しました。
- TechCrunchによれば、Genie 4は最大2分間一貫したシーンを保て、Genie 3の上限の2倍ですが、確認した範囲のDeepMindの投稿には数値がありません。
- Genie 4は信頼できるテスター向けのリサーチプレビューです。DeepMindはGoogle AI Ultra購読者とAPIパートナーから順に一般ユーザーと開発者へ提供する予定で、2026年11月3日時点で価格や一般提供開始日は確認できませんでした。
- TechCrunchによれば、Genie 4のチームは、長く実行すると細部やオブジェクトがずれることがあり、正確な音声と読み取れる世界内テキストは未解決だと認めています。
- Stanford HAIは、安全上重要な用途でワールドモデルを評価するための十分な根拠を政策担当者に与える既存のベンチマークはないとしています。
- 競合各社の方向性は異なります。World LabsのMarbleは永続的な3D世界を構築し、ヤン・ルカン氏のAMI Labsは、JEPAベースのモデルのために10億3000万ドルを調達しました。
このページの内容 14 章
Genie 4とは何ですか?
Genie 4は、2026年10月27日に発表された、リアルタイムのインタラクティブなシミュレーションを目的とするGoogle DeepMindのワールドモデルです。ユーザーは標準的なキーボード操作で生成された世界の中を移動し[1]、実行中にテキストプロンプトで世界を変更できます。[1][2]
Genieは、インタラクティブな環境を生成するDeepMindのモデル群です。2025年8月5日に発表されたGenie 3は、リアルタイムで移動できる世界を生成する汎用のワールドモデルでした。[3] その後Googleは、2026年1月29日に公開したGoogle LabsのウェブアプリProject GenieにGenie 3を組み込みました。[4]
Genie 4の最大の変更点は音です。DeepMindはこのモデルを、音楽、環境音、インタラクティブな会話が世界と同時に生成される、ネイティブなマルチモーダルモデルと説明しています。[1][2] DeepMindは、音声をネイティブに生成する同社初のリアルタイムのワールドモデルだとしています。どの世界にもその舞台にふさわしい環境音があり、キャラクターはユーザーの入力や世界の出来事に合わせて会話を変えられます。[1]
Googleの表現での「ワールドモデル」とは何ですか?
GoogleのProject Genieの発表によれば、ワールドモデルは環境のダイナミクスをシミュレートし、環境がどう変化し、行動がそれにどう影響するかを予測します。Googleはこれを、静的な3Dスナップショットに基づく探索型の体験と対比しています。Genieは移動するたびに、進行方向の世界をリアルタイムで生成するためです。[4]
誰が使えますか?
Genie 4は信頼できるテスター向けのリサーチプレビューで、DeepMindは初期段階の実験的なモデルだと説明しています。[1][2] より広い提供については、このあとのアクセスに関するセクションで、わかっている範囲をまとめます。
AIにおけるワールドモデルとは何ですか?
ワールドモデルとは、環境の実用的な表現を構築し、行動に応じてその環境がどう変化するかを予測できるAIシステムです。これは2026年7月27日付のStanford HAIの政策ブリーフによる定義です。[5] DeepMindの表現も近く、ワールドモデルは世界についての理解を使ってその側面をシミュレートし、エージェントが環境の変化と自らの行動の影響を予測できるようにするものだとしています。[3] TechCrunchは、DeepMindがワールドモデルを汎用人工知能(AGI)への足がかりと位置づけていると報じました。[6]
この考え方はどこから来たのですか?
Quanta Magazineは、その起源を心理学者ケネス・クレイクの1943年の著作に求めています。そこでは、心が現実の「小規模なモデル」を持つものとして描かれていました。Quantaによれば、ヤン・ルカン氏、デミス・ハサビス氏、ヨシュア・ベンジオ氏はいずれも、ワールドモデルがより賢く安全なAIに不可欠だと考えています。[7]
なぜ研究所はワールドモデルを求めるのですか?
魅力は、エージェントが現実世界ではなくシミュレーションの中で試行や計画を行えることです。Stanford HAIのブリーフは、インフラ計画、危機対応、製造テストなどの用途を挙げています。[5] DeepMindは、3D仮想環境向けの汎用エージェントSIMAを、Genie 3の世界でテストしました。[6]
何がワールドモデルにあたるかについて合意はありますか?
ありません。Quantaは、「詳細については誰も意見が一致していない」と報じています。何が表現されるのか、どれだけ忠実か、学習されたものか組み込まれたものか、どう検出するのかが争点です。[7] Stanford HAIは、ワールドモデルにとって最も乏しい入力は、ロボットの軌跡や車両ログのような行動ラベル付きのインタラクションデータで、これはウェブから収集できないとしています。[5]
Genie 4はどのように動作しますか?
DeepMindの発表と報道から、主な構成要素を以下にまとめます。
何が世界を操作するのですか?
ユーザーは、移動とカメラ操作のための標準的なキーボード操作で世界を動かします。[1] テキストプロンプトを使うと、天候の変更、カメラの移動、人物やオブジェクトの追加など、実行中のシーンを変えられます。[1][2]
Geminiモデルはどんな役割を果たしますか?
Genie 4は、Geminiファミリーの能力を土台にしています。DeepMindによれば、Gemini Omniがシミュレーションを現実世界の外見や振る舞いに結びつけ、ほかのGeminiモデルがシミュレーションの一貫性を保つための推論を担います。[1] 処理ループの中ではGemini 3.8 Flashが誘導エージェントとして働き、生成されたシーンを観察し、目標をステップに分解し、入ってくるフレームを確認して各ステップの成功を検証します。[1]
TechCrunchはこの設計をハイブリッド型ワールドモデルと説明しています。TechCrunchが引用したGoogleのリサーチディレクター、テジャス・クルカルニ氏の言葉によれば、ハイブリッド型ワールドモデルでは、Geminiがコードとテキストを書き、Genieがさまざまな抽象度で現実をシミュレートします。[2] クルカルニ氏は記者団に、ハイブリッド型ワールドモデルは今後さらに一般的になるだろうと述べました。[2]
設計はどこから来たのですか?
初代Genieの論文(arXiv、2024年2月23日、Bruceら、Google DeepMind)は、ラベルなしのインターネット動画から、行動ラベルなしで学習された生成型のインタラクティブ環境を説明していました。110億パラメータで、ファウンデーションワールドモデルとされ、動画トークナイザー、自己回帰型ダイナミクスモデル、潜在行動モデルで構成されていました。[8]
2024年12月に発表されたGenie 2は、1枚の画像プロンプトから、最長1分間一貫性を保つプレイ可能な3D環境を生成しました。ただし、ほとんどの例は10〜20秒でした。[9] 2025年8月のGenie 3は、テキストプロンプトから毎秒24フレーム、720pのリアルタイムの世界を生成しました。[3][6]
Genie 4はGenie 3と比べて何が新しいのですか?
DeepMind自身の投稿は3つの変更を裏づけ、TechCrunchは4つ目を報じています。[1][2]
- 音と音声。TechCrunchは、Genie 4がGenie 3に音声を加えたと報じています。DeepMindは、世界とともに環境音、音楽、会話を生成すると述べています。[1][2]
- 処理ループ内のGemini。Geminiモデルが、実行中のシーンを計画し、確認します。[1]
- 実行中のテキスト操作。プロンプトで、セッション中に天候、カメラ、オブジェクトを変更できます。[1][2]
- 長さ。TechCrunchによれば、Genie 4はシーンの一貫性を最大2分保て、Genie 3の上限の2倍です。この数値はDeepMindではなく、TechCrunchによるものです。[2]
セッション長の数値が異なるのはなぜですか?
情報源も製品も異なるためです。DeepMindは、Genie 3が「数分」間一貫性を保ち、視覚的な記憶はおよそ1分前までさかのぼると説明していました。[3] 一般ユーザー向けプロトタイプのProject Genieは、生成を60秒に制限していました。[4] DeepMindのGenie 4の投稿には、確認した範囲では数値がありません。[1] TechCrunchの「2倍」という比較は、Genie 3についてのDeepMindの「数分」という説明と、テキストだけでは整合させにくいため、2分はDeepMindの仕様ではなく、TechCrunchが報じた数値として扱ってください。[2][3]
下の表は、Genieの系譜を、各情報源自身の表現で並べたものです。
Genie 4は今日使えますか?料金はいくらですか?
2026年11月3日時点で、Genie 4は信頼できるテスター向けのリサーチプレビューです。DeepMindは、フィードバックを集めたうえでモデルを一般ユーザーと開発者に提供するとしており、Project GenieのGoogle AI Ultra購読者と、Gemini APIおよびGoogle AI Studioのアーリーアクセスパートナーが最初の対象です。ウェイトリストは開設されています。[1] TechCrunchは、より広い展開が数週間以内に始まる見込みだとしています。[2]
確認した情報源には、価格も一般提供開始日も見当たりませんでした。最新の条件はGoogleの公式ページでご確認ください。
Project Genieは公開時にどのようなものでしたか?
Project Genieは2026年1月29日、Google Labsの実験的なプロトタイプのウェブアプリとして公開され、Genie 3、Nano Banana Pro、Geminiを基盤としていました。[4] 9to5Googleも、同じ公開日とGenie 3およびNano Banana Proの構成要素を報じました。[10] 対象は米国在住の18歳以上のGoogle AI Ultra購読者で、「順次、より多くの地域に拡大」されるとされていました。[10] Google自身の発表には、Google AI Ultra for Businessのユーザーは利用できないとも記されています。[4]
中核機能は、テキストと画像による世界のスケッチ、世界の探索、世界のリミックスの3つでした。生成は60秒に制限され、Genie 3のプロンプトで起こせる世界イベントは、このプロトタイプには含まれていませんでした。[4]
Genie 4はイランで利用できますか?
確認した情報源はいずれもイランに触れていないため、イランに固有のことは事実として述べられません。情報源から確認できる基本線は、Project GenieがUltra購読者向けの米国限定の提供として始まったこと、そしてDeepMindがGenie 4の最初の一般ユーザーとしてUltra購読者を挙げていることです。[1][4][10] イランの読者は、Googleの公式の提供状況と支払いに関するページを確認し、第三者によるアクセスの主張には頼らないでください。
Genie 4のようなワールドモデルは何に使えますか?
用途は、創作、エージェントやロボットの訓練、計画の3つに分かれます。
テスターはGenie 4で何をしていますか?
DeepMindによれば、クリエイティブ産業、ジャーナリズム、教育、ゲーム、エンジニアリングの分野の信頼できるテスターが、プリビジュアライゼーションやアイデア出し、アーカイブ写真のシミュレーション化などにGenie 4を試しています。[1] TechCrunchの報道は、映像のプロトタイピング、アイデア出し、ストーリーボード作成に言及しています。[2]
ワールドモデルはエージェントやロボットの訓練にどう役立ちますか?
考え方は、エージェントに、低コストで行動し、失敗できる場を与えることです。DeepMindは、SIMAエージェントのあるバージョンをGenie 3の世界でテストしました。TechCrunchが報じた記者説明会で、DeepMindのリサーチサイエンティスト、ジャック・パーカー=ホルダー氏は、モデルは「エージェントから行動を受け取るだけ」で、エージェントはその周囲でシミュレートされた世界を見る、と述べました。[6]
Genie 4について、TechCrunchは、Gemini 4 ArgonがGemini Roboticsと連携してタスクをステップに分解し、Genie 4がそれをリアルタイムでシミュレートした実験を説明しています。[2] DeepMindの投稿によれば、このデモンストレーションでは、Apptronik社のヒューマノイドロボットApolloがチェッカーをする様子がシミュレートされました。[1] これはシミュレーション内での計画を示すもので、ロボットが物理世界でタスクを実行したわけではありません。
政策研究者は何を期待していますか?
Stanford HAIは、インフラ計画、危機対応、製造テストを例に挙げ、入手が難しいロボットの軌跡や車両ログが、最も乏しい訓練用入力だと指摘しています。[5]
Genie 4の可能性と限界は何ですか?
何を提供しますか?
- 音と適応的な会話を備えたインタラクティブな世界を、ひとつのシステムで生成します。[1]
- セッション中のテキスト操作は、テスターがアイデア出しやシナリオの素早い変更に使える機能です。[1][2]
- Geminiモデルが各ステップの成功を検証する、計画と確認のループがあります。[1]
限界は何ですか?
TechCrunchによれば、Genie 4のチームは、シミュレーションが長く続くほど細部やオブジェクトがずれることがあると認め、正確な音声と読み取れる世界内テキストを確保する方法は確立できていないとしています。[2] Genie 3についてTechCrunchは、行動の範囲が限られ、複数のエージェントが相互作用する状況のモデル化が難しいと報じていました。[6]
ガバナンス上の懸念は何ですか?
Stanford HAIは、安全上重要な用途への展開でワールドモデルを評価するための十分な根拠を政策担当者に与える既存のベンチマークはないとしています。また、ワールドモデルは国家安全保障上の含意を持つデュアルユース技術だとしています。[5]
DeepMindとTechCrunchはいずれも、信頼できるテスターに限られたプレビューだと説明しています。[1][2] このことから、Genie 4に対する独立した評価はまだ存在しないと推測するのは妥当ですが、どちらの情報源もそうは明言していません。
ワールドモデルは大規模言語モデルと同じですか?
いいえ。ただし両者は重なる部分があります。Stanford HAIは、ワールドモデルを、行動に応じて環境がどう変化するかを予測するという目的で定義しています。[5] Quantaの報道は、これを、ばらばらな近道を学習するだけかもしれない大規模言語モデル(LLM)と対比しています。[7]
LLMはすでにワールドモデルを内包していますか?
オセロのプレイのような創発的な能力を、内部のワールドモデルの兆候と読む研究者もいます。[7] Quantaによれば、ハーバード大学とMITの研究者は、マンハッタンでほぼ完璧な道順を示す言語モデルを訓練しましたが、そのモデルは一貫した街路地図を学習していませんでした。街路の1%をランダムに封鎖すると、性能は急落しました。Quantaは、こうした結果から、LLMは「ヒューリスティクスの寄せ集め」を学習していると示唆されると説明しています。[7]
より良いワールドモデルへの道はどれですか?
Quantaによれば、Google DeepMindとOpenAIは、動画や3Dシミュレーションなどのマルチモーダルデータが十分にあれば、ニューラルネットワーク内にワールドモデルが生まれると賭けています。Metaのヤン・ルカン氏は、新しい非生成型のアーキテクチャが必要だと考えています。[7] ルカン氏のアプローチであるJEPAは、現実世界のデータの抽象的な表現を学習し、予測できない細部を無視して表現空間で予測を行います。これは、ピクセルを描画する生成型モデルとは対照的です。[11]
Genie 4は生成型の道に位置し、TechCrunchは、チームが細部やオブジェクトがずれることがあると認めていると報じています。[2] クルカルニ氏は、ハイブリッド型のアプローチを、Geminiがコードとテキストを書き、Genieがさまざまな抽象度で現実をシミュレートするものと説明しています。[2]
ほかにワールドモデルを開発しているのは誰ですか?
複数の企業が、異なる道筋でワールドモデルを追求しています。下の表は、情報源が報じている内容をまとめたものです。
AMI Labs
ヤン・ルカン氏のAMI Labsは、2022年にルカン氏が提唱したJEPAに基づくワールドモデルを構築するため、プレマネー評価額35億ドルで10億3000万ドルを調達し、2026年3月9日に発表しました。[12][11] CEOのアレクサンドル・ルブラン氏は、「ワールドモデル」が次の流行語になり、どの企業も資金調達のために自らをワールドモデル企業と呼ぶだろうと予測しました。また、理論から商用アプリケーションまでには何年もかかる可能性があるとも述べました。[12]
World Labs
フェイフェイ・リー氏が共同創業したWorld Labsは、2025年11月12日にMarbleを一般提供しました。Marbleは、Genieのようにその場でフレームを生成するのではなく、テキスト、画像、短い動画から、永続的でダウンロード可能な3D世界を作ります。[13][14] AMI Labsについての2026年3月9日付のTechCrunchの記事は、World Labsがその前月に10億ドルを調達していたと報じました。[12]
Runwayと市場の動き
TechCrunchによれば、Genie 4の公開は、Runwayが音声生成を含む2つ目のワールドモデルGWM Worlds 2を公開した数か月後でした。また、World LabsがAMDに買収される予定であること、AmazonがDecartの買収に向けて協議中であること、RivianがThird Dimensionを買収したことも報じています。[2] これらはTechCrunchの報道であり、確認した情報源では独立した裏づけは得られていません。
Genie 4について、まだ不確かなことは何ですか?
多くのことが未確定で、今後の焦点はおもにアクセスと評価になりそうです。
- アクセス。DeepMindは、フィードバックを集めたうえでGenie 4を一般ユーザーと開発者に提供する計画で、TechCrunchは「数週間以内」としていますが、確認した情報源では価格も一般提供開始日も公表されていません。[1][2]
- 独立した根拠。プレビューは信頼できるテスターに限られるため、品質に関する主張はDeepMindと報道に由来します。[1][2]
- ベンチマーク。Stanford HAIは、安全上重要な用途でワールドモデルを評価するための十分な根拠を政策担当者に与える既存のベンチマークはないとしています。[5]
- 定義とアーキテクチャ。この分野では、何がワールドモデルにあたるのか、またピクセル生成と抽象的な予測のどちらが優れた道なのかについて、意見が分かれています。[7][11]
- 誇大宣伝。AMIのCEO自身が、この用語が資金調達のために多用されすぎると見込んでいます。[12]
次に注目すべき点
最初の兆しとなるのは、Project GenieでのGoogle AI Ultraへの展開と、Gemini APIおよびGoogle AI Studioを通じたアーリーアクセスです。[1][2] チームは、ずれ、音声、世界内テキストの問題を認めています。[2] 本ガイドの見方では、ハイブリッド型ワールドモデルが短いセッションを超えて通用するかどうかは、こうした問題に対する独立したテストで明らかになります。Googleのテジャス・クルカルニ氏はハイブリッド型が今後さらに一般的になると予測していますが、これはあくまで予測であり、確定した結果ではありません。[2]
| モデル | 発表時期 | 情報源の説明 |
|---|---|---|
| Genie(初代論文) | 2024年2月23日 | ラベルなしのインターネット動画から、行動ラベルなしで学習した生成型のインタラクティブ環境。11Bパラメータ。[8] |
| Genie 2 | 2024年12月 | 1枚の画像プロンプトからプレイ可能な3D世界を生成。最長1分間一貫性を保つが、ほとんどの例は10〜20秒。[9] |
| Genie 3 | 2025年8月5日 | テキストから毎秒24フレーム、720pのリアルタイムの世界を生成。一貫性は数分間保持。TechCrunchはリサーチプレビューと説明。[3][6] |
| Project Genie(Genie 3搭載) | 2026年1月29日 | 米国の18歳以上のGoogle AI Ultra購読者向けの、Google Labsの実験的なウェブアプリ。生成は60秒に制限。[4][10] |
| Genie 4 | 2026年10月27日 | 音声と会話をネイティブに生成し、Geminiモデルを処理ループに組み込む。TechCrunchは最大2分の一貫性を報道。信頼できるテスター向けのリサーチプレビュー。[1][2] |
| 開発元 | アプローチ | 報じられている内容 |
|---|---|---|
| Google DeepMind(Genie 4) | フレーム、音、会話をリアルタイムで生成し、Geminiモデルが計画と確認を行う | 2026年10月27日に発表。リサーチプレビュー。[1] |
| World Labs(Marble) | テキスト、画像、短い動画から、永続的でダウンロード可能な3D世界を生成 | 2025年11月12日に一般提供。[13][14] |
| AMI Labs | JEPA:ピクセルを描画せず、抽象的な表現空間で予測する | $1.03Bを調達、2026年3月9日に発表。[12][11] |
| Runway(GWM Worlds 2) | 音声生成を含む2つ目のワールドモデル | TechCrunchによれば、Genie 4の数か月前に公開。[2] |
よくある間違い
Genie 4がすでに誰でも購読して使える公開製品だと思い込む。
正しいやり方: 日付とステータスを確認してください。Genie 4は信頼できるテスター向けのリサーチプレビューです。DeepMindはフィードバックを集めたうえで、Google AI Ultraの購読者とアーリーアクセスパートナーから順に、一般ユーザーと開発者に提供するとしています。ウェイトリストは開設されていますが、2026年11月3日時点で確認した情報源には価格も一般提供開始日も見当たりませんでした。
Genie 4が音声を備えた世界初のワールドモデルだと繰り返す。
正しいやり方: 「DeepMindとして初めて、音声をネイティブに生成するリアルタイムのワールドモデル」と書いてください。TechCrunchは、その数か月前に公開されたRunwayのGWM Worlds 2も音声を生成すると指摘しています。
異なる製品や情報源のセッション長の数値を、ひとつの主張にまとめてしまう。
正しいやり方: 数値ごとに出典を明記してください。TechCrunchはGenie 4について最大2分と報じ、DeepMindはGenie 3を「数分」間一貫性を保てると説明し、Project Genieは生成を60秒に制限していました。
ワールドモデルと大規模言語モデルを同じものとして扱う。
正しいやり方: ワールドモデルは、行動が起きたときに環境がどう変化するかを予測するための仕組みと捉えてください。Quantaは、マンハッタンでの道案内テストなどの実験から、言語モデルはばらばらなヒューリスティクスしか学習していない可能性があると報じています。
説得力のある生成世界が現実の物理法則に従い、工学や安全面の判断に使えると考える。
正しいやり方: 外見と振る舞いを再現するシミュレーターとして捉えてください。TechCrunchによれば、Genie 4のチームは、実行が長くなると細部やオブジェクトがずれることがあると認めています。Stanford HAIは、安全上重要な用途でワールドモデルを評価できる既存のベンチマークはないとしています。
デモ動画や企業側の主張を、独立して検証された結果として受け取る。
正しいやり方: DeepMindの主張と第三者による評価を区別してください。確認した情報源が伝えるのは信頼できるテスターに限定されたプレビューであり、外部による検証はおそらくまだ行われていません。
よくある質問
Genie 4とは何ですか?
Genie 4は、2026年10月27日に発表されたGoogle DeepMindのワールドモデルです。インタラクティブな世界をリアルタイムでシミュレートし、映像とともに環境音や適応的なキャラクターの会話を生成します。キーボード操作とテキストプロンプトを受け付け、実行中にシーンを変更できます。現在は信頼できるテスター向けのリサーチプレビューです。[1][2]
Genie 4は一般に利用できますか?
現時点では一般には公開されていません。DeepMindはGenie 4を信頼できるテスター向けのリサーチプレビューとし、フィードバックを集めたうえで、Project GenieのGoogle AI Ultra購読者と、Gemini APIおよびGoogle AI Studioのアーリーアクセスパートナーから順に提供するとしています。ウェイトリストは開設済みです。TechCrunchは、より広い展開が数週間以内に始まると伝えています。[1][2]
Genie 4の料金はいくらですか?
2026年11月3日時点で確認した情報源には、価格も一般提供開始日も見当たりませんでした。DeepMindは、最初の一般ユーザーとしてGoogle AI Ultraの購読者を挙げています。Genie 3を搭載した先行のウェブアプリProject GenieもUltra購読者向けに始まったため、Ultraが有力な入口とみられます。最新の条件はGoogleの公式ページでご確認ください。[1][4]
Genie 4はGenie 3と何が違いますか?
TechCrunchは、Genie 4がGenie 3に音声を加えたと報じています。DeepMindは、環境音、音楽、出来事に応じて変わる会話を挙げており、計画と確認のためにGeminiモデルを処理ループに組み込んでいます。TechCrunchは、シーンの一貫性を最大2分保てるとも報じ、Genie 3の上限の2倍としていますが、確認した範囲のDeepMindの投稿に数値はありません。[1][2]
ワールドモデルは大規模言語モデルと同じですか?
いいえ。Quantaは、言語モデルが一貫したワールドモデルではなく「ヒューリスティクスの寄せ集め」を学習している可能性を示す実験を報じています。Stanford HAIはワールドモデルを、行動に応じて環境がどう変化するかを予測するシステムと定義しています。TechCrunchは、Googleのテジャス・クルカルニ氏が、Geminiがコードとテキストを書き、Genieが現実をシミュレートするハイブリッド型を説明したと伝えています。[7][5][2]
Project Genieとは何ですか?
Project Genieは、Google Labsで提供された実験的なプロトタイプのウェブアプリです。2026年1月29日に公開され、Genie 3、Nano Banana Pro、Geminiを基盤としていました。[4] 対象は米国在住の18歳以上のGoogle AI Ultra購読者で[10]、世界のスケッチ、探索、リミックスができましたが、生成は60秒に制限されていました。[4]
用語集
- ワールドモデル
- ワールドモデルとは、環境の実用的な表現を構築し、行動に応じてその環境がどう変化するかを予測できるAIシステムです。
- Genie
- Genieは、インタラクティブな環境を生成するGoogle DeepMindのモデル群で、2024年の研究論文から2026年10月のGenie 4まで続いています。
- Project Genie
- Project Genieは、2026年1月29日に公開されたGoogle Labsのプロトタイプのウェブアプリで、米国のGoogle AI Ultra購読者がGenie 3を基盤に世界を作成・探索できました。
- 潜在行動モデル
- 潜在行動モデルは、初代Genieの構成要素で、行動ラベルなしに動画のフレーム間で何が起きたかを学習します。
- 自己回帰モデル
- 自己回帰モデルは、直前までの出力に依存しながら、1ステップずつ出力を生成するモデルです。
- ハイブリッド型ワールドモデル
- ハイブリッド型ワールドモデルは、Googleのテジャス・クルカルニ氏の説明では、コードとテキストを書くGeminiのような言語モデルと、さまざまな抽象度で現実をシミュレートするGenieのようなシミュレーターを組み合わせたものです。
- JEPA
- JEPA(Joint Embedding Predictive Architecture)は、ヤン・ルカン氏が2022年に提唱した手法で、ピクセルを描画せず、抽象的な表現空間で予測を行います。
- リサーチプレビュー
- リサーチプレビューは、より広く公開する前にフィードバックを集めるため、信頼できるテスターなど限られた層に向けて行う早期リリースです。
出典
- Genie 4: A new generation of world simulation Google DeepMind · 2026-10-27
- Google's Genie 4 world model adds audio, more realistic worlds, and real-time steering TechCrunch · 2026-10-27
- Genie 3: A new frontier for world models Google DeepMind · 2025-08-05
- Project Genie: Experimenting with infinite, interactive worlds Google (The Keyword) · 2026-01-29
- The World Model and Spatial Intelligence Era: Governing AI Beyond Language Stanford Institute for Human-Centered AI (HAI) · 2026-07-27
- DeepMind thinks its new Genie 3 world model presents a stepping stone toward AGI TechCrunch · 2025-08-05
- 'World Models,' an Old Idea in AI, Mount a Comeback Quanta Magazine (Simons Foundation) · 2025-09-02
- Genie: Generative Interactive Environments (arXiv:2402.15391) arXiv (Google DeepMind authors: Bruce et al.) · 2024-02-23
- Genie 2: A large-scale foundation world model Google DeepMind · 2024-12-04
- Google rolling out 'Project Genie' to generate playable worlds 9to5Google · 2026-01-29
- Yann LeCun's AMI Secures $1B Seed to Develop AI World Models HPCwire (AIwire) · 2026-03-11
- Yann LeCun's AMI Labs raises $1.03B to build world models TechCrunch · 2026-03-09
- Marble: A Multimodal World Model World Labs · 2025-11-12
- Fei-Fei Li's World Labs unveils its world-generating AI model Fast Company
