Il 27 ottobre Google DeepMind ha annunciato Genie 4, la nuova versione del suo world model: un sistema che costruisce un ambiente tridimensionale esplorabile in tempo reale, partendo da una descrizione testuale. La novità principale è l’audio, generato insieme alle immagini. Per ora però Genie 4 è una anteprima di ricerca, riservata a un gruppo ristretto di tester.
Che cosa è un world model
Genie non produce un video già montato. Calcola la scena fotogramma dopo fotogramma e reagisce a quello che fa chi lo usa: ci si muove con tastiera e mouse, mentre il testo serve a cambiare ciò che accade. È l’idea alla base di Project Genie, l’app web che Google ha lanciato a gennaio per gli abbonati AI Ultra negli Stati Uniti. Genie 3, presentato ad agosto 2025, girava a 720p e 24 fotogrammi al secondo, con mondi coerenti per qualche minuto.
Cosa cambia con Genie 4
Secondo DeepMind è il primo world model in tempo reale a generare l’audio in modo nativo: rumore del vento tra gli alberi, musica, applausi, dialoghi tra i personaggi. Non c’è una traccia sonora aggiunta dopo, il suono nasce con la scena.
Il secondo punto è il controllo. Mentre la simulazione è in corso si può chiedere di spostare la camera, cambiare il meteo, far entrare nuovi personaggi o oggetti. Dietro c’è la famiglia Gemini: Gemini Omni fa da base per rendere la simulazione somigliante alla realtà, per aspetto e comportamento, altri modelli Gemini adattano la richiesta alla scena in corso. Per gli eventi in più passaggi, Gemini 3.8 Flash osserva i nuovi fotogrammi, controlla se ogni passo è riuscito e corregge il piano se qualcosa cambia.
DeepMind dichiara inoltre una fisica più credibile (collisioni, aerodinamica, acqua) e persone che si muovono in modo naturale e reagiscono all’ambiente.
Il legame con la robotica
Google lo presenta anche come ambiente di prova per robot e agenti. Nella demo, Gemini 4 Argon scompone una partita a dama in passaggi e Genie 4 simula il robot umanoide Apollo di Apptronik che li esegue. Nessun robot reale è coinvolto: è un test in simulazione, che serve a capire se un ambiente generato può sostituire prove costose o rischiose.
Limiti dichiarati
DeepMind chiama Genie 4 un modello “early, experimental” e li elenca con chiarezza:
- l’interazione continua dura qualche minuto, non sessioni lunghe;
- dettagli visivi e permanenza degli oggetti possono slittare nelle simulazioni più lunghe o dopo molte modifiche;
- i luoghi reali non sono riprodotti con precisione perfetta;
- il testo leggibile compare spesso solo se è già nella descrizione del mondo;
- l’accuratezza dell’audio in tempo reale è ancora in fase di ricerca.
Tutti i video e gli audio generati portano il watermark invisibile SynthID. Google parla di protezioni in linea con le sue regole di sicurezza e di valutazioni interne prima del rilascio.
Disponibilità e prezzi
L’anteprima è aperta ai tester selezionati; c’è una lista d’attesa. Google promette l’arrivo “a breve”, prima per chi paga AI Ultra dentro Project Genie, poi per i partner con accesso anticipato a Gemini API e AI Studio. Non sono stati comunicati né una data, né i prezzi, né l’elenco dei paesi, e Google non ha indicato risoluzione e frame rate di Genie 4. Se e quando arriverà in Italia, quindi, oggi non si può dire.
Cosa ne pensiamo
L’audio nativo è il passo più concreto: un mondo generato che parla e suona fa percepire la simulazione come un luogo e non come una clip muta. Resta però un limite pesante, i pochi minuti di coerenza: finché gli oggetti “driftano”, usi seri come l’addestramento di robot restano promesse da verificare, e non a caso Google parla di ricerca.
Per i lettori italiani l’interesse è più indiretto. Nell’immediato non c’è nulla da provare: Project Genie richiede un abbonamento Ultra e, al lancio di gennaio, era riservato agli Stati Uniti. Vale la pena seguire la prossima tappa, cioè l’arrivo nelle API: è lì che sviluppatori e studi di videogiochi potranno misurare quanto Genie 4 sia utile oltre la demo. Anche la presenza di SynthID va nella direzione giusta, perché mondi sempre più realistici rendono più importante riconoscere ciò che è generato; ne abbiamo parlato a proposito del rilevatore SynthID.
Articolo della redazione di SpazioiTech, scritto con il supporto di strumenti di intelligenza artificiale a partire da fonti verificate su almeno due testate indipendenti, e controllato prima della pubblicazione. Hai trovato un errore? Scrivici.
