Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
Il suono è la novità che si nota, la modificabilità in corsa è quella che cambia il mestiere. Con Genie 4, annunciato il 27 ottobre 2026, Google DeepMind trasforma il world model da generatore di scene da guardare a banco di prova su cui si interviene mentre gira: si scrive un prompt e il meteo, la camera, le persone cambiano sul momento. È il passaggio che sposta questi sistemi dal video alla prototipazione — e che rende la tenuta della scena, due minuti, il vero collo di bottiglia.
Cosa cambia con Genie 4 rispetto a Genie 3
Genie 4 è il world model di Google DeepMind presentato il 27 ottobre 2026 in anteprima di ricerca: genera ambienti interattivi fotorealistici, produce audio nativo in tempo reale — musica, rumori ambientali, dialoghi — e accetta istruzioni testuali mentre la simulazione è già in esecuzione. Rispetto al predecessore, il salto si misura su quattro aggiornamenti principali:
- mondi più fotorealistici, con fisica più convincente e personaggi dall'aspetto e dal movimento più umani;
- prompt in linguaggio naturale durante l'esecuzione: si cambia il tempo atmosferico, si sposta l'angolo di camera, si aggiungono persone o oggetti dal nulla;
- audio nativo in tempo reale, coerente con ciò che accade sullo schermo, inclusi dialoghi interattivi tra i personaggi e con l'utente;
- Gemini 3.8 Flash sotto il cofano, nel ruolo di agente che guida il ciclo di simulazione.
Il predecessore, Genie 3, era arrivato in anteprima di ricerca il 5 agosto 2025 e girava a 24 fotogrammi al secondo e 720p: era muto e non permetteva di riscrivere la scena mentre girava.
Due minuti di coerenza, ma le fonti divergono sulla cifra
La durata della scena coerente è il dato più citato e anche il meno uniforme. TechCrunch e The Verge parlano di 2 minuti, il doppio del limite di Genie 3, fermo a 1 minuto; Punto Informatico riprende "fino a due minuti".
Il calcolo aiuta a capire la scala: applicando i 24 fotogrammi al secondo dichiarati per Genie 3, due minuti di scena continua valgono 2.880 fotogrammi generati senza stacchi, contro i 1.440 di una sessione da un minuto del predecessore. Un raddoppio secco, che resta però riferito a un frame rate non confermato per Genie 4.
Gemini fa il regista, il robot Apollo gioca a dama
Nell'architettura di Genie 4 il modello linguistico non si limita a generare pixel. Gemini 3.8 Flash osserva la scena, scompone l'obiettivo in una sequenza di passaggi, esamina i fotogrammi in arrivo per verificare che ciascuno sia riuscito e adatta il piano quando il mondo cambia o l'utente interviene.
Il test più curioso riguarda la robotica: in un esperimento con Gemini Robotics, un modello Gemini 4 Argon ha scomposto un compito in passaggi mentre Genie 4 li simulava in tempo reale, con l'umanoide Apollo di Apptronik impegnato a giocare a dama e le didascalie che raccontavano il piano passo per passo. L'idea è collaudare uno scenario robotico in un mondo finto prima di lasciarlo accadere in quello vero.
«What we'll increasingly see in the future are these hybrid world models, where you have a combination of Gemini writing code and text, and Genie ingesting that in real time and simulating reality at different levels of abstraction», ha spiegato Tejas Kulkarni, research director di Google, durante il briefing.
Il primato dell'audio è una dichiarazione, non un dato acquisito
Google DeepMind presenta Genie 4 come il primo world model in tempo reale capace di generare audio nativamente. È una rivendicazione dell'azienda, e vale la pena leggerla insieme al contesto competitivo: TechCrunch ricorda che GWM Worlds 2 di Runway, uscito un paio di mesi prima, è già un modello giocabile che risponde agli input e include generazione audio.
Il settore, intanto, si sta consolidando: World Labs, la società di Fei-Fei Li, è in via di acquisizione da AMD; Amazon è in trattativa per rilevare Decart; Rivian ha acquisito Third Dimension per portare la simulazione in casa nei test della guida autonoma. Ogni annuncio di un world model, oggi, va letto anche come una mossa in una partita di acquisizioni.
Chi può provarlo e cosa manca
Genie 4 è disponibile ora solo come anteprima di ricerca per trusted tester. Nelle prossime settimane arriverà agli abbonati Google AI Ultra dentro Project Genie, lo strumento che genera mondi interattivi da testo o immagini, e ai partner con accesso anticipato a Gemini API e Google AI Studio; la lista d'attesa è aperta. Non sono stati comunicati prezzo, Paesi, risoluzione né frame rate: senza questi numeri non è possibile dire se e a quali condizioni un abbonato italiano potrà usarlo.
Google ammette i limiti: con il protrarsi della simulazione dettagli e permanenza degli oggetti possono cambiare, l'accuratezza dell'audio in tempo reale è ancora in ricerca, il testo nel mondo è leggibile solo se presente nel prompt, e restano aperte precisione spaziale e coerenza a lungo termine. Ogni video e ogni audio generati portano la filigrana SynthID.
Gli usi immaginati dai tester allargano il perimetro oltre il gaming: previsualizzazione e storyboard per il cinema, prototipi di livelli, esperienze educative — come entrare dentro un dipinto storico e conversare con i personaggi ritratti — e fotogiornalismo, con la trasformazione di una singola foto d'archivio 2D in una simulazione dell'ambiente ritratto, o la visualizzazione di eventi come inondazioni improvvise e incendi boschivi.
«The real time aspect becomes most valuable in the areas where keeping a state of flow in the creativity space becomes incredibly useful. For example, in the ideation phase, in the storyboarding phase», ha detto Diego Rivas, ingegnere di Google DeepMind.
Il punto: si compete sulla tenuta, non sul fotogramma
Per chi prototipa un film o un livello di gioco, la modifica in corsa elimina il ciclo "genera, guarda, rigenera": si interviene sulla scena viva invece di ripartire da zero a ogni modifica. Ma i limiti ammessi dicono che il prodotto finito resta altrove — Veo per i video in alta definizione con audio sincronizzato, e in prospettiva Gemini Omni per trasformare i prototipi in asset creativi, strada che lo stesso Rivas definisce ancora lunga.
Il metro con cui misurare Genie 4, quindi, non è il fotorealismo di un singolo frame ma quanto la scena tiene minuto dopo minuto. Sui 2.880 fotogrammi teoricamente coperti da una sessione, e sulle specifiche che Google non ha ancora pubblicato, si giocherà la differenza tra una demo che impressiona e uno strumento che si usa.
Fonti
