Genie 4 e os modelos de mundo de IA: o que o Google DeepMind construiu

O que é o Genie 4?

O Genie 4 é um modelo de mundo do Google DeepMind, anunciado em 27 de outubro de 2026, projetado para simulação interativa em tempo real. O usuário se move por um mundo gerado com controles de teclado padrão ^[1] e o modifica com prompts de texto enquanto ele está em execução. ^[1][2]

Genie é a família de modelos da DeepMind que geram ambientes interativos. O Genie 3, anunciado em 5 de agosto de 2025, era um modelo de mundo de uso geral cujos mundos podiam ser navegados em tempo real. ^[3] O Google depois levou o Genie 3 ao Project Genie, um aplicativo web do Google Labs lançado em 29 de janeiro de 2026. ^[4]

A principal mudança do Genie 4 é o som. A DeepMind descreve o modelo como nativamente multimodal: música, ruído ambiente e diálogo interativo são gerados ao mesmo tempo que o mundo. ^[1][2] A DeepMind o chama de seu primeiro modelo de mundo em tempo real a gerar áudio de forma nativa. Cada mundo traz o som ambiente do seu cenário, e os personagens podem manter diálogos que se adaptam à interação do usuário e aos eventos do mundo. ^[1]

O que significa 'modelo de mundo' na terminologia do Google?

O anúncio do Project Genie, do Google, diz que um modelo de mundo simula a dinâmica de um ambiente, prevendo como ele evolui e como as ações o afetam. O Google contrapõe isso a experiências exploráveis construídas sobre capturas 3D estáticas, porque o Genie gera em tempo real o caminho à frente conforme você se move. ^[4]

Quem pode usar?

O Genie 4 é uma prévia de pesquisa para testadores confiáveis, e a DeepMind o descreve como um modelo inicial e experimental. ^[1][2] A seção sobre acesso, mais abaixo, trata do que se sabe sobre uma disponibilidade mais ampla.

O que é um modelo de mundo em IA?

Um modelo de mundo é um sistema de IA que constrói uma representação funcional de um ambiente para prever como esse ambiente muda em resposta a ações. Essa é a definição de um relatório de políticas do Stanford HAI datado de 27 de julho de 2026. ^[5] A formulação da DeepMind é próxima: modelos de mundo usam seu entendimento do mundo para simular aspectos dele, de modo que agentes possam prever como um ambiente vai evoluir e como suas ações o afetarão. ^[3] O TechCrunch relatou que a DeepMind enxerga os modelos de mundo como um degrau rumo à inteligência artificial geral (AGI). ^[6]

De onde vem a ideia?

A Quanta Magazine a remonta à monografia de 1943 do psicólogo Kenneth Craik, que descrevia a mente carregando um 'modelo em pequena escala' da realidade. A Quanta relata que Yann LeCun, Demis Hassabis e Yoshua Bengio consideram os modelos de mundo essenciais para uma IA mais inteligente e segura. ^[7]

Por que os laboratórios os querem?

O atrativo é que um agente pode ensaiar e planejar dentro de uma simulação em vez de no mundo real. O relatório do Stanford HAI aponta usos como planejamento de infraestrutura, resposta a crises e testes de manufatura. ^[5] A DeepMind testou seu agente SIMA, um agente generalista para ambientes virtuais 3D, em mundos do Genie 3. ^[6]

Há consenso sobre o que conta como um modelo de mundo?

Não. A Quanta relata que 'ninguém consegue concordar nos detalhes': o que é representado, com que fidelidade, se é aprendido ou embutido e como seria possível detectá-lo. ^[7] O Stanford HAI diz que o insumo mais escasso para modelos de mundo são dados de interação com rótulos de ação, como trajetórias de robôs e registros de frotas, que não podem ser extraídos da web. ^[5]

Como o Genie 4 funciona?

O anúncio da DeepMind e a cobertura da imprensa descrevem as principais peças do sistema, apresentadas a seguir.

O que controla o mundo?

Os usuários conduzem com controles de teclado padrão para navegação e câmera. ^[1] Prompts de texto alteram a cena enquanto ela roda, por exemplo mudando o clima, movendo a câmera ou adicionando uma pessoa ou objeto. ^[1][2]

Que papel os modelos Gemini desempenham?

O Genie 4 é construído sobre capacidades da família Gemini. A DeepMind diz que o Gemini Omni ancora a simulação na aparência e no comportamento do mundo real, e outros modelos Gemini fornecem o raciocínio que mantém a simulação coerente. ^[1] No ciclo, o Gemini 3.8 Flash atua como agente orientador: observa a cena gerada, divide metas em etapas e verifica os quadros recebidos para confirmar que cada etapa foi bem-sucedida. ^[1]

O TechCrunch descreve esse projeto como um modelo de mundo híbrido. Nas palavras do diretor de pesquisa do Google, Tejas Kulkarni, citado pelo TechCrunch, nos modelos de mundo híbridos o Gemini escreve código e texto enquanto o Genie simula a realidade em diferentes níveis de abstração. ^[2] Kulkarni disse aos jornalistas que os modelos de mundo híbridos se tornarão mais comuns. ^[2]

De onde veio o projeto?

O artigo original do Genie (arXiv, 23 de fevereiro de 2024, Bruce et al., Google DeepMind) descrevia um ambiente interativo generativo treinado sem rótulos de ação a partir de vídeos da Internet sem anotações. Com 11 bilhões de parâmetros, foi descrito como um modelo de mundo de base, composto por um tokenizador de vídeo, um modelo de dinâmica autorregressivo e um modelo de ação latente. ^[8]

O Genie 2, anunciado em dezembro de 2024, transformava um único prompt de imagem em ambientes 3D jogáveis que se mantinham consistentes por até 1 minuto, com a maioria dos exemplos durando de 10 a 20 segundos. ^[9] O Genie 3 veio em agosto de 2025, com mundos em tempo real a partir de um prompt de texto, a 24 quadros por segundo e resolução de 720p. ^[3][6]

O que há de novo no Genie 4 em comparação com o Genie 3?

O próprio post da DeepMind sustenta três mudanças, e o TechCrunch relata uma quarta. ^[1][2]

• Som e fala. O TechCrunch informa que o Genie 4 acrescenta áudio em relação ao Genie 3. A DeepMind diz que ele gera som ambiente, música e diálogo junto com o mundo. ^[1][2]
• Gemini no ciclo. Um modelo Gemini planeja e verifica a cena enquanto ela roda. ^[1]
• Direção por texto durante a execução. Os prompts podem mudar clima, câmera ou objetos durante uma sessão. ^[1][2]
• Duração. O TechCrunch informa que o Genie 4 consegue manter uma cena consistente por até 2 minutos, o dobro do limite do Genie 3. Esse número vem do TechCrunch, não da DeepMind. ^[2]

Por que os números de duração de sessão diferem?

Eles vêm de fontes e produtos diferentes. A DeepMind descreveu o Genie 3 como capaz de manter a consistência por 'alguns minutos', com memória visual alcançando cerca de 1 minuto no passado. ^[3] O Project Genie, o protótipo para consumidores, limitava as gerações a 60 segundos. ^[4] O post do Genie 4 da DeepMind não traz um número nas seções analisadas. ^[1] A comparação de 'dobro' feita pelo TechCrunch é difícil de conciliar apenas pelo texto com os 'alguns minutos' da DeepMind para o Genie 3, então trate os 2 minutos como um valor relatado pelo TechCrunch, e não como uma especificação da DeepMind. ^[2][3]

A tabela abaixo coloca a linhagem do Genie lado a lado, usando as palavras de cada fonte.

Dá para usar o Genie 4 hoje e quanto custa?

Em 3 de novembro de 2026, o Genie 4 é uma prévia de pesquisa para testadores confiáveis. A DeepMind diz que está coletando feedback antes de lançar o modelo para consumidores e desenvolvedores, começando por assinantes do Google AI Ultra no Project Genie e parceiros de acesso antecipado da Gemini API e do Google AI Studio. Há uma lista de espera aberta. ^[1] O TechCrunch diz que a liberação mais ampla é esperada nas próximas semanas. ^[2]

Nenhum preço nem data de disponibilidade geral apareceu nas fontes analisadas. Consulte as páginas oficiais do Google para ver os termos atuais.

Como era o Project Genie no lançamento?

O Project Genie foi lançado em 29 de janeiro de 2026 como um aplicativo web protótipo experimental no Google Labs, com tecnologia do Genie 3, do Nano Banana Pro e do Gemini. ^[4] O 9to5Google relatou a mesma data de lançamento e os componentes Genie 3 e Nano Banana Pro. ^[10] Estava aberto a assinantes do Google AI Ultra nos EUA com 18 anos ou mais, 'expandindo para mais territórios no devido tempo'. ^[10] O anúncio do próprio Google observa que não estava disponível para usuários do Google AI Ultra for Business. ^[4]

Suas três capacidades principais eram esboço de mundos com texto e imagens, exploração de mundos e remix de mundos. As gerações eram limitadas a 60 segundos, e os eventos de mundo acionáveis por prompt do Genie 3 não estavam incluídos no protótipo. ^[4]

O Genie 4 está disponível no Irã?

Nenhuma das fontes analisadas trata do Irã, então nada específico sobre o Irã pode ser afirmado como fato. A base documentada é que o Project Genie começou como uma oferta só para os EUA, destinada a assinantes Ultra, e a DeepMind cita assinantes Ultra entre os primeiros usuários consumidores previstos do Genie 4. ^[1][4][10] Leitores no Irã devem consultar as páginas oficiais de disponibilidade e pagamento do Google e não confiar em alegações de terceiros sobre acesso.

Para que servem modelos de mundo como o Genie 4?

Os usos se dividem em trabalho criativo, treinamento de agentes e robôs e planejamento.

O que os testadores estão fazendo com o Genie 4?

A DeepMind diz que testadores confiáveis de indústrias criativas, jornalismo, educação, jogos e engenharia estão experimentando o Genie 4, por exemplo para pré-visualização e geração de ideias e para transformar fotografias de arquivo em simulações. ^[1] A cobertura do TechCrunch menciona prototipagem de filmes, geração de ideias e storyboards. ^[2]

Como os modelos de mundo ajudam a treinar agentes e robôs?

A ideia é dar ao agente um lugar para agir e errar a baixo custo. A DeepMind testou uma versão de seu agente SIMA em mundos do Genie 3. Em uma coletiva relatada pelo TechCrunch, o cientista de pesquisa da DeepMind Jack Parker-Holder disse que o modelo 'apenas recebe as ações do agente', que então vê o mundo simulado ao seu redor. ^[6]

Para o Genie 4, o TechCrunch descreve um experimento em que o Gemini 4 Argon, trabalhando com o Gemini Robotics, dividiu uma tarefa em etapas que o Genie 4 simulou em tempo real. ^[2] O post da DeepMind diz que a demonstração simulou o robô humanoide Apollo, da Apptronik, jogando damas. ^[1] Isso mostra planejamento dentro de uma simulação, não um robô executando a tarefa no mundo físico.

O que os pesquisadores de políticas esperam?

O Stanford HAI lista planejamento de infraestrutura, resposta a crises e testes de manufatura como exemplos e observa que trajetórias de robôs e registros de frotas, difíceis de obter, são o insumo de treinamento mais escasso. ^[5]

Quais são as promessas e os limites do Genie 4?

O que ele oferece?

• Mundos interativos com som e diálogo adaptativo gerados em um único sistema. ^[1]
• Direção por texto durante a sessão, recurso que os testadores podem usar para gerar ideias e alterar cenários rapidamente. ^[1][2]
• Um ciclo de planejamento e verificação em que um modelo Gemini confirma que cada etapa foi bem-sucedida. ^[1]

Quais são os limites?

O TechCrunch relata que a equipe do Genie 4 reconheceu que detalhes e objetos podem divergir quanto mais tempo a simulação roda, e que a equipe ainda não descobriu como garantir áudio preciso e texto legível dentro do mundo. ^[2] Para o Genie 3, o TechCrunch relatou uma gama limitada de ações e dificuldade em modelar a interação entre vários agentes. ^[6]

Quais são as preocupações de governança?

O Stanford HAI diz que nenhum benchmark existente dá aos formuladores de políticas uma base adequada para julgar um modelo de mundo em implantações críticas em segurança. Também chama os modelos de mundo de tecnologia de uso duplo, com implicações para a segurança nacional. ^[5]

Tanto a DeepMind quanto o TechCrunch descrevem uma prévia restrita a testadores confiáveis. ^[1][2] Disso é razoável inferir que ainda não existe avaliação independente do Genie 4, embora nenhuma das fontes diga isso diretamente.

Um modelo de mundo é o mesmo que um modelo de linguagem de grande escala?

Não, embora os dois se sobreponham. O Stanford HAI define um modelo de mundo pelo que ele deve fazer: prever como um ambiente muda em resposta a ações. ^[5] A reportagem da Quanta contrapõe isso aos modelos de linguagem de grande escala (LLMs), que podem aprender atalhos desconexos em vez disso. ^[7]

Os LLMs já contêm modelos de mundo?

Alguns pesquisadores leem habilidades emergentes, como jogar Othello, como sinais de modelos de mundo internos. ^[7] A Quanta relata que pesquisadores de Harvard e do MIT treinaram um modelo de linguagem que dava direções quase perfeitas em Manhattan sem aprender um mapa coerente das ruas. Quando 1% das ruas era bloqueado aleatoriamente, seu desempenho despencava. A Quanta descreve resultados assim como indícios de que os LLMs aprendem 'bolsas de heurísticas'. ^[7]

Qual caminho leva a melhores modelos de mundo?

A Quanta diz que o Google DeepMind e a OpenAI apostam que dados multimodais suficientes, como vídeo e simulação 3D, farão um modelo de mundo emergir dentro de uma rede neural. Yann LeCun, da Meta, acha que é preciso uma nova arquitetura não generativa. ^[7] A abordagem de LeCun, o JEPA, aprende representações abstratas de dados do mundo real e faz previsões no espaço de representação, ignorando detalhes imprevisíveis. Isso contrasta com modelos generativos que renderizam pixels. ^[11]

O Genie 4 está no caminho generativo, e o TechCrunch relata que a equipe reconhece que detalhes e objetos podem divergir. ^[2] Kulkarni descreve a abordagem híbrida como o Gemini escrevendo código e texto enquanto o Genie simula a realidade em diferentes níveis de abstração. ^[2]

Quem mais está construindo modelos de mundo?

Várias empresas buscam modelos de mundo por caminhos diferentes. A tabela abaixo resume o que as fontes relatam.

AMI Labs

A AMI Labs, de Yann LeCun, captou US$ 1,03 bilhão com avaliação pré-investimento de US$ 3,5 bilhões, anunciada em 9 de março de 2026, para construir modelos de mundo baseados em JEPA, que LeCun propôs em 2022. ^[12][11] Seu CEO, Alexandre LeBrun, previu que 'modelos de mundo' serão a próxima palavra da moda e que toda empresa se dirá um modelo de mundo para levantar recursos. Ele também disse que pode levar anos para ir da teoria às aplicações comerciais. ^[12]

World Labs

A World Labs, cofundada por Fei-Fei Li, tornou o Marble disponível ao público geral em 12 de novembro de 2025. O Marble cria mundos 3D persistentes e baixáveis a partir de texto, imagens ou vídeo curto, em vez de gerar quadros na hora como o Genie faz. ^[13][14] O artigo do TechCrunch de 9 de março de 2026 sobre a AMI Labs relatou que a World Labs havia captado US$ 1 bilhão no mês anterior. ^[12]

Runway e movimentos do mercado

O TechCrunch diz que o lançamento do Genie 4 veio alguns meses depois de a Runway lançar seu segundo modelo de mundo, o GWM Worlds 2, que inclui geração de áudio. Também informa que a World Labs está sendo adquirida pela AMD, que a Amazon está em negociações para comprar a Decart e que a Rivian adquiriu a Third Dimension. ^[2] Essas são informações do TechCrunch, e as fontes analisadas não as confirmam de forma independente.

O que ainda é incerto sobre o Genie 4?

Muita coisa segue em aberto, e os próximos passos prováveis dizem respeito sobretudo a acesso e avaliação.

• Acesso. A DeepMind planeja lançar o Genie 4 para consumidores e desenvolvedores depois de coletar feedback, o TechCrunch diz 'nas próximas semanas', e nenhum preço nem data de disponibilidade geral foi publicado nas fontes analisadas. ^[1][2]
• Evidência independente. A prévia é restrita a testadores confiáveis, então as afirmações sobre qualidade vêm da DeepMind e da cobertura da imprensa. ^[1][2]
• Benchmarks. O Stanford HAI diz que nenhum benchmark existente dá aos formuladores de políticas uma base adequada para julgar modelos de mundo em uso crítico em segurança. ^[5]
• Definições e arquitetura. A área discorda sobre o que conta como modelo de mundo e sobre se a geração de pixels ou a previsão abstrata é o melhor caminho. ^[7][11]
• Exagero. O próprio CEO da AMI espera que o termo seja usado em excesso para captação de recursos. ^[12]

O que observar a seguir

Os primeiros sinais serão a liberação do Google AI Ultra no Project Genie e o acesso antecipado pela Gemini API e pelo Google AI Studio. ^[1][2] A equipe reconhece problemas de divergência, de áudio e de texto dentro do mundo. ^[2] Na avaliação deste guia, testes independentes sobre esses problemas é que mostrarão se os modelos de mundo híbridos se sustentam além de sessões curtas. Tejas Kulkarni, do Google, prevê que os híbridos se tornarão mais comuns, mas isso continua sendo uma previsão, não um resultado consolidado. ^[2]