10월 27일 심야, 구글 DeepMind가 차세대 월드 모델 Genie 4를 공개하며 "지금까지 가장 사실적이고 상호작용성이 뛰어나다"고 자칭했다. 기존의 한계는 이렇다. 텍스트 생성 영상은 타임라인이 용접처럼 고정된 비디오테이프로, 생성 후에는 카메라도 인물도 바꿀 수 없다. Genie 4는 키 입력에 실시간으로 반응하는 물리 세계를 만들어내며, 한 번의 연속 상호작용이 이전 세대 Genie 3의 1분에서 2분으로 두 배가 되었다.
더 "살아있다"는 느낌을 주는 것은 공간 일관성과 영구 기억이다. 문을 밀어 열면 문 뒤에 논리에 맞는 방이 펼쳐지고, 의자를 쓰러뜨리고 돌아가도 그 자리에 그대로 누워 있으며, 고개를 돌렸다 돌려도 배경이 달라지지 않는다. 실행 중에 타이핑으로 날씨를 바꾸거나 카메라 위치를 변경할 수도 있다.
Gemini가 감독관으로, 처음으로 동시 사운드 지원
Genie 4는 오디오와 비디오의 동시 생성을 네이티브로 지원하는 최초의 월드 모델이다. 말을 타고 얕은 물을 지나가면 말굽의 물 튀는 소리가 거리에 따라 변하고, 모닥불에 가까이 가면 장작이 타는 소리가 커진다. 가상 캐릭터(NPC) 앞에서 말을 하거나 타이핑으로 대화하면 상대는 장면에 맞춰 실시간으로 반응한다.
그 이면에는 듀얼 모델 협업이 있다. Gemini Omni가 캐릭터와 소품의 외관을 고정하고, 실행 중인 Gemini 3.8 Flash가 "무대 뒤 감독"으로서 실시간으로 화면을 감시하고 목표를 분해하며 프레임 단위로 검토한다. Gemini 4 Argon은 가상 방에 넣어져 Apollo 휴머노이드 로봇이 바둑을 두고 집안일을 하는 시뮬레이션 훈련에 사용된다.
단점은 여전히 뚜렷하다. 구글은 장시간 실행 시 디테일이 흐려지며 화면 속 텍스트는 여전히 글자가 깨지기 쉽다고 인정했다. 물리 상호작용, 공간 및 장기 일관성은 여전히 어려운 과제이며, 사실성이 엔진을 대체할 수 있음을 증명하지 못했다. 현재는 신뢰할 수 있는 테스터에게만 공개되며, 일반 대중은 월 약 100달러의 Google AI Ultra 멤버십에 가입하고 대기해야 한다.