لقد أصدرت Google DeepMind نموذج Genie 4 كمعاينة بحثية للمختبرين الموثوقين. يولّد نموذج العالم Genie 4 عوالم قابلة للاستكشاف من نصوص وصور إرشادية في الوقت الفعلي. كما يولّد المشهد الصوتي: الضوضاء المحيطة والموسيقى وحوار الشخصيات. يتحرك المستخدمون بأدوات تحكم لوحة المفاتيح ويوجهون الأحداث بتعليمات بلغة طبيعية. التغيير الأكبر هو المعماري. يعمل نموذج Gemini الآن داخل حلقة المحاكاة كمخطِّط. هذا النمط مهم لكل من يبني بيئات تدريب للوكلاء أو الروبوتات.
الخلاصة السريعة
- يعمل على: استضافة Google فقط (تطبيق ويب Project Genie، ووصول مبكر عبر Gemini API).
- الأداء: عوالم واقعية فوتوغرافياً مع صوت أصلي وتوجيه نصي مباشر.
- الأفضل: اتساق المشهد حتى 2 دقيقة، أي ضعف Genie 3، وفق إحاطة TechCrunch.
- الأسوأ: تدوم الجلسات بضع دقائق، وتنجرف الكائنات بعد تعديلات متكررة على التعليمات.
ما هو Genie 4؟
Genie 4 هو نموذج عالم من Google DeepMind يحاكي بيئات تفاعلية إطاراً بإطار. إنه ليس مولّد مقاطع فيديو. كل إطار يستجيب لمُدخلات المستخدم فور وصولها.
تذكر DeepMind أن النموذج متعدد الوسائط أصلاً. يُولَّد الصوت والموسيقى والحوار معاً مع المرئيات. وهو أول نموذج عالم فوري من DeepMind يولّد الصوت أصلياً.
ويخلف Genie 3، الذي أُعلن عنه في أغسطس 2025. كان Genie 3 يعمل بدقة 720p و24 إطاراً في الثانية، مع ذاكرة بصرية تمتد إلى 1 دقيقة.
كيف يستخدم Genie 4 نموذج Gemini؟
يستعير Genie 4 من جزأين (2) من عائلة Gemini. يُرسي Gemini Omni المظهر والسلوك لكل عالم. وتتولى نماذج Gemini الأخرى الاستدلال الذي يحافظ على تماسك المحاكاة.
تعمل حلقة التشغيل كالتالي:
- التفسير: عندما تكتب مطالبة، يكيّفها Gemini لتناسب المشهد الجاري.
- التخطيط: يقسّم Gemini 3.8 Flash الهدف إلى سلسلة من الخطوات.
- التحقق: يراجع الإطارات الواردة للتأكد من نجاح كل خطوة.
- التكيّف: إذا تغيّر العالم أو تدخّلت أنت، يعدّل الخطة.
بين مدخلات المستخدم، يوجّه Gemini المشهد أيضاً حتى يواصل العالم التقدّم. يصوّر فريق DeepMind هذا كخطوة مبكرة نحو نماذج عالم هجينة. في هذا التصميم، يتولّى نموذج لغوي البنية والسرد، بينما يعرض Genie البكسلات والصوت.
ماذا يمكنك أن تفعل داخل عالم Genie 4؟
- التوجيه بالنص: يمكنك تغيير الطقس أو تحريك الكاميرا أو إضافة شخص أو كائن جديد في منتصف الجلسة.
- محاكاة الفيزياء والناس: يستشهد DeepMind بعلم الديناميكا الهوائية والتصادمات. ويصف حركة البشر بأنها القفزة الأكبر، بشخصيات تتفاعل مع محيطها.
- سماع العالم: كل عالم يحمل صوتاً محيطياً. ويمكن للشخصيات أيضاً إجراء محادثات تتفاعل مع مدخلاتك في الوقت الفعلي.
- اختبار مهام الروبوتات: في عرض بحثي واحد، قسّم Gemini 4 Argon مهمة لعب الشطرنج (الداما) إلى خطوات. واستلم Genie 4 كل خطوة كتعليق نصي ومحاكى الروبوت البشري Apollo من Apptronik وهو يلعب اللعبة.
كيف يقارن Genie 4 بنماذج العالم الأخرى؟
لم يُصدر DeepMind أي جداول معايير قياس لـ Genie 4. تستخدم المقارنة أدناه المواصفات المعلنة فقط من المصدر الخاص بكل مشروع.
| الميزة | Genie 4 | Genie 3 | Runway GWM Worlds 2 | Skywork Matrix-Game 3.0 |
|---|---|---|---|---|
| تم الإصدار | 27 أكتوبر 2026 | 5 أغسطس 2025 | 3 سبتمبر 2026 | 27 مارس 2026 |
| المعاملات | غير مُفصح عنها | غير مُفصح عنها | غير مُفصح عنها | 5B (مع نسخة 2x14B MoE) |
| الدقة / معدل الإطارات | غير مُفصح عنها | 720p / 24 إطاراً في الثانية | 720p / 24 إطاراً في الثانية | 720p / حتى 40 إطاراً في الثانية |
| الصوت الأصلي | نعم، بما في ذلك الحوار | غير مُبلَّغ عنه | نعم، 48 kHz، بما في ذلك الكلام | غير مُبلَّغ عنه |
| التحكم النصي أثناء الجلسة | نعم، عبر وسيط Gemini | نعم، أحداث عالم قابلة للتوجيه بالتوجيه النصي | نعم، إجراءات نصية بطوابع زمنية | إجراءات لوحة المفاتيح والفأرة |
| مخطِّط LLM داخل الحلقة | Gemini 3.8 Flash | لا | لا (حزمة خارجية اختيارية) | لا |
| الاتساق | بضع دقائق؛ 2 دقيقة لكل TechCrunch | بضع دقائق؛ 1 دقيقة للذاكرة البصرية | لا يوجد طول محدد مسبقًا؛ الذاكرة غير كاملة | ذاكرة مدتها دقيقة |
| العتاد | مستضاف لدى Google، غير معلن | مستضاف لدى Google، غير معلن | مستضاف لدى Runway، غير معلن | 8 وحدات معالجة رسومية لـ DiT بالإضافة إلى 1 لـ VAE |
| الوصول / الترخيص | مختبِرون موثوقون؛ AI Ultra وواجهة برمجة التطبيقات قريبًا | Project Genie (AI Ultra) | معاينة بحثية، نموذج اتصال | رخصة MIT، أوزان مفتوحة |
من يمكنه استخدام Genie 4، ومتى؟
Genie 4 متاح اليوم للمختبِرين الموثوقين. ووفقًا لـ DeepMind، من المتوقع أن يكون متاحًا قريبًا لمشتركي Google AI Ultra في Project Genie. ويأتي بعد ذلك شركاء الوصول المبكر لواجهة Gemini API وGoogle AI Studio.
جميع مقاطع الفيديو والصوت في Genie 4 ستحمل علامات SynthID المائية. وتؤكد DeepMind أنها أجرت تقييمات سلامة داخلية قبل المعاينة.
المختبِرون حتى الآن يمتدون عبر الصناعات الإبداعية والصحافة والتعليم والألعاب والهندسة.
تشمل الاستخدامات المُبلَّغ عنها:
- صناع أفلام يديرون عدة 'لقاطات' مباشرة للمعاينة التمهيدية.
- صحفيو صور يحوّلون صورة أرشيفية واحدة إلى محاكاة واقعية.
- مطوّرو ألعاب يختبرون الأساليب والآليات قبل كتابة شيفرة المحرك.
- شركاء من الشركات يولّدون سيناريوهات محاكاة من الصفر إلى الواحد.
ما هي قيود Genie 4؟
تذكر DeepMind عدة مشكلات مفتوحة على صفحة نموذج Genie 4:
- تفاصيل بصرية وثبات الأجسام ينحرفان في الجلسات الأطول، أو بعد تعديلات معقدة على الأوامر، أو أثناء التنقل.
- التفاعل يقتصر على بضع دقائق، وليس جلسات مطولة.
- الأماكن الواقعية لا تُحاكى بدقة تامة.
- النص المقروء لا يظهر عادةً إلا إذا كان موجودًا في وصف المدخلات.
- دقة الصوت في الوقت الفعلي والتفاعلات متعددة الوكلاء لا تزال مشكلتين دون حل.
الخلاصات الرئيسية
- Genie 4 يولّد العالم والصوت المحيطي والحوار معًا، وفي الوقت الفعلي.
- يخطط Gemini 3.8 Flash، ويفحص الإطارات، ويعيد التخطيط داخل الحلقة.
- لم يتم الكشف عن أي معاملات أو دقة أو معدل إطارات أو معايير قياس.
- يبدأ الوصول بالمختبرين الموثوقين، ثم شركاء AI Ultra وGemini API.
- يظل الانحراف والجلسات القصيرة هما الحدان العمليان الرئيسيان.
اطلع على إعلان Genie 4، و صفحة نموذج Genie 4 و قائمة انتظار Project Genie. كما يمكنكم متابعتنا على تويتر ولا تنسوا الانضمام إلى SubReddit الخاص بالتعلم الآلي الذي يضم أكثر من 150k عضو و الاشتراك في نشرتنا الإخبارية. مهلاً! هل أنتم على تيليجرام؟ يمكنكم الآن الانضمام إلينا على تيليجرام أيضًا.
هل تحتاجون إلى الشراكة معنا للترويج لمستودع GitHub الخاص بكم أو صفحة Hugging Face أو إطلاق منتج أو ندوة عبر الإنترنت وغيرها؟ تواصلوا معنا
ظهر المقال تعرفوا على Genie 4 من Google DeepMind: نموذج عالم في الوقت الفعلي مع صوت أصلي أول مرة على MarkTechPost.