10月28日、Dataconomyが「Google DeepMind previews Genie 4 world model」と題した記事を公開した。Google DeepMindがリサーチプレビューとして公開したワールドモデル「Genie 4」の機能・限界・今後の展開を詳報している。現時点では初期段階にあることを開発陣自身が明言しており、特定産業を「置き換える」段階ではなく、あくまで可能性を探るプレビューとして位置づけられている。
リアルタイムで世界を生成するGenie 4
Google DeepMindは「Genie 4」をリサーチプレビューとして公開した。テキストや画像プロンプトからインタラクティブな仮想環境をリアルタイムで生成するワールドモデルだ。
最大の特徴は、シミュレーション実行中にユーザーがプロンプトを入力して環境を変更できる点にある。天候の変更、カメラアングルの切り替え、人物やオブジェクトの追加がシミュレーション実行中に行える。さらに音楽・環境音・インタラクティブな会話音声の生成にも対応する。
シーンの一貫性を維持できる時間は最大2分間。前世代のGenie 3（リサーチプレビューとして先行公開されていたモデル）と比較して倍に延びた。映像のフォトリアリスティック度、物理シミュレーションの精度、キャラクターの人間らしさもそれぞれ向上している。
Geminiとのタイトな統合——ロボティクスへの応用
エンジニア視点で特に気になるのが、GeminiとGenie 4の統合だ。Gemini AIモデルがGenie 4の生成プロセス全体に関与し、ステップの計画やフレームチェックを担う構成になっている。
Gemini Roboticsの研究実験では、Gemini 4 ArgonモデルがタスクをステップごとBに分解し、Genie 4がそれをリアルタイムでシミュレートするという構成が実証された。なお「Gemini 4 Argon」はGeminiシリーズの中でもロボティクス・エージェント用途向けとして位置づけられたモデルとして元記事では扱われているが、現時点でのGoogleの公式ドキュメント上の詳細な位置づけは元記事のブリーフィング情報に基づく。実世界でロボットを動かす前に、シミュレーション上でシナリオを検証するアプローチだ。
Googleのリサーチディレクター、Tejas Kulkarniは「将来のハイブリッドワールドモデルでは、Geminiのコードおよびテキスト生成能力と、Genieのリアルタイムシミュレーション能力を異なる抽象レベルで組み合わせることができる」とブリーフィングで述べた。
想定される用途と現時点の限界
Googleが提示している商用用途はゲーム、ロボティクス、インタラクティブな学習の3領域だ。学習の例として記事が挙げているのは、歴史的事件を描いた絵画の中に入り込み、登場人物と会話するというシナリオだ。
Googleの信頼できるテスターグループは映画のプロトタイピングとしての活用も提案しているという。DeepMindのエンジニア、Diego Rivasはブリーフィングで「リアルタイム性は、アイデア出しやストーリーボード作業でクリエイティブなフローを維持するうえで特に有効だ」と話した。
将来的にはGenie 4で作ったプロトタイプを、マルチモーダルLLMのGemini Omniを通じてクリエイティブアセットに変換できる可能性があるが、Rivasはその実現には「まだ時間がかかる」と明言している。
一方で、現時点の限界も正直に公開されている。
- 長時間シミュレーションではオブジェクトや細部がドリフト（崩れ）する
- 音声の精度はまだ未解決の課題
- 生成された世界内のテキストが判読できない場合がある
Rivasは「Genie 4はまだ初期段階にあり、最終的なエンドツーエンドのプロダクト体験がどうなるかは不明確だ」と率直に述べた。産業を置き換えうるツールとして語るには時期尚早であり、あくまでリサーチプレビューの段階であることは強調しておきたい。
競合の動向
世界モデルをめぐる動きはGoogle以外でも活発だ。RunwayはGenie 4公開の数ヶ月前に「GWM Worlds 2」を発表。ユーザー入力に動的に応答し、音声生成にも対応する2世代目のワールドモデルだ。
競合各社の動向を整理すると以下のとおりだ。
- Runway：「GWM Worlds 2」を先行発表。ユーザー入力への動的応答と音声生成に対応した2世代目のワールドモデル
- World Labs：ImageNetの生みの親として知られるFei-Fei Liが設立したスタートアップ。AMDによる買収手続き中とされる（元記事による）
- Decart：Amazonが買収交渉中とされる世界モデルスタートアップ（元記事による）
- Rivian：自動運転向けシミュレーション能力の内製化を目的にThird Dimensionを買収
世界モデルが自動運転・ロボティクス・クリエイティブ産業の各方面から同時に引っ張られている構図が見える。
アクセス方法
現時点でGenie 4にアクセスできるのは信頼できるテスターのみ。今後数週間内にGoogle AI Ultraサブスクライバー向けにProject Genieを通じて提供される予定で、Gemini APIとGoogle AI Studioの早期アクセスパートナーにも展開される。
詳細はGoogle DeepMind previews Genie 4 world modelを参照していただきたい。
