Google Genie 4 gjør AI-verdener styrbare i sanntid

Hvis du lager spill, film eller interaktive prototyper, er Google Genie 4 et glimt av en ganske rå arbeidsflyt: Du kan bevege deg i en AI-generert verden, endre den med tekst mens den kjører og høre den reagere i sanntid.

Det er et betydelig steg for såkalte world models. Google har forbedret fotorealisme, fysikk, menneskelig bevegelse og sammenheng over tid, men det viktigste er hvordan delene virker sammen: Du kan endre vær, kameravinkel, personer eller objekter midt i simuleringen, mens modellen forsøker å holde resten av verden hel.

Genie 4 er foreløpig en research preview, ikke et ferdig produksjonsverktøy. Likevel peker den ganske tydelig mot noe større enn enda en AI-videomodell: simuleringer som kan brukes til raske spillprototyper, filmplanlegging, læring og etter hvert trening av roboter og AI-agenter.

Hva er Google Genie 4?

Google Genie 4 er en world model som genererer en interaktiv simulering bilde for bilde og lyd for lyd. Ifølge Google DeepMinds presentasjon 27. oktober 2026 kan brukeren navigere med vanlige tastaturkontroller og endre verden med tekstkommandoer mens den kjører.

En world model forsøker å modellere hva som skjer videre når noe beveger seg, kolliderer, blir påvirket av været eller reagerer på en bruker. Den skal ikke bare tegne et pent neste bilde. Den må holde rede på rommet, objektene, handlingene og følgene av dem. Det er derfor en interaktiv verden er en langt vanskeligere oppgave enn et kort videoklipp.

Google sier at modellen bygger på Gemini-familien. Gemini Omni hjelper med å forankre utseende og oppførsel i den virkelige verden, mens andre Gemini-modeller bidrar med planlegging, kontroll og sammenheng. Det passer inn i den bredere utviklingen jeg har skrevet om i guiden til Google Gemini: Google kobler spesialiserte modeller sammen til et system, i stedet for å late som én modell skal gjøre absolutt alt.

Du kan endre verden mens den kjører

Sanntidsstyringen er den mest praktiske nyheten. Du kan skrive at været skal skifte, flytte kameraet eller legge til en person eller gjenstand uten å starte hele genereringen på nytt. Gemini tolker endringen i lys av scenen som allerede finnes, og følger med på nye bilder for å holde utviklingen mest mulig sammenhengende.

Dette gjør forskjellen mellom å se på en generert sekvens og å arbeide inne i en simulering. En filmskaper kan prøve en annen kameravinkel eller endre lyset mens ideen fortsatt er fersk. En spillutvikler kan undersøke en mekanikk før det finnes et ferdig nivå. En lærer kan i teorien la eleven bevege seg gjennom en historisk scene i stedet for å se et statisk bilde.

Modellen kan ifølge TechCrunch holde en sammenhengende scene i opptil to minutter. Det er dobbelt så lenge som Genie 3. To minutter høres kanskje beskjedent ut, men i sanntid må modellen huske langt mer enn kameraets nåværende utsnitt. En gjenstand bør helst fortsatt eksistere når brukeren snur seg tilbake. Der har generative verdener hatt en lei tendens til å oppføre seg som en drøm etter litt for mye nattmat.

Lyd gjør simuleringen langt mer levende

Genie 4 er Googles første world model som genererer lyd direkte i sanntid. Den lager bakgrunnslyder som vind, vann og andre lyder fra omgivelsene, men også musikk og dialog som skal tilpasse seg det som skjer i verden. Lydsporet er altså en del av simuleringen, ikke bare noe som limes på etterpå.

Interaktiv dialog er særlig spennende. En figur skal kunne snakke og reagere når brukeren gjør noe eller gir en ny instruks. Dermed kan en simulert person bli en aktør i verden, ikke bare en animert dekorasjon. For spill, opplæring og historiefortelling er det en ganske stor forskjell.

Samtidig er dette et område der Google selv ber oss holde beina på bakken. Selskapet oppgir at nøyaktigheten i sanntidslyden fortsatt er et aktivt forskningsproblem. Det finnes heller ingen dokumentasjon i kildene som lar meg vurdere norsk dialog, uttale eller forståelse. Genie 4 har lyd, men det betyr ikke automatisk at den fungerer godt på norsk.

Bedre fysikk og mer troverdige mennesker

Google fremhever bedre fysikk og mer troverdige mennesker. Figurene skal bevege seg mer naturlig, reagere på omgivelsene og kunne styres mens simuleringen fortsetter. Det er nettopp her mange genererte verdener avslører seg, fordi en kropp plutselig mister vekt, balanse eller forståelse av underlaget.

Demonstrasjonene viser blant annet flygende objekter, folkemengder, raske bevegelser og førstepersonsperspektiver. De ser imponerende ut, men dette er utvalgte eksempler fra Google. Jeg har ikke testet Genie 4 selv, og en lanseringsdemo er ikke det samme som en bred, uavhengig måling av hvor ofte fysikken faktisk holder.

Det som likevel skiller denne lanseringen fra ren pynt, er kombinasjonen av fysikk, mennesker, lyd og styring. Fotorealisme alene begynner nesten å bli den minst interessante delen. Hvis verden reagerer troverdig når brukeren griper inn, har modellen begynt å nærme seg et verktøy for eksperimentering, ikke bare visning.

Gemini kan planlegge mens Genie simulerer

Google bruker også Gemini som en styrende agent rundt Genie 4. Gemini kan dele et mål opp i trinn og kontrollere de nye bildene for å se om hvert trinn lykkes. Når verden eller brukerens instruks endrer seg, kan agenten justere planen underveis.

I et forskningseksperiment lot Google Gemini 4 Argon bryte ned en robotoppgave, mens Genie 4 simulerte trinnene fortløpende. Poenget er ikke at en robot nå kan stole blindt på en pen AI-verden. Poenget er at kombinasjonen kan gjøre det raskere å lage mange varierte scenarioer før noe prøves i den fysiske verden.

Dette er retningen jeg synes er mest spennende. En språkmodell er god til mål, regler og planlegging, mens en world model representerer det sanselige og fysiske utfallet. Sammen kan de bli langt mer nyttige enn hver for seg. Google kaller dette hybride world models, og begrepet beskriver egentlig arkitekturen ganske godt.

Hva kan Genie 4 brukes til?

De nærmeste bruksområdene er idéarbeid og prototyper. Filmskapere kan undersøke scener, kamerabevegelser og dialog før en kostbar produksjon. Spillutviklere kan gå fra beskrivelse til en enkel verden på sekunder og prøve uttrykk eller mekanikk før de skriver all koden. Dette er kladdemodus, ikke en ferdig film eller et ferdig spill.

Google trekker også frem interaktiv læring og robotikk. I læring kan en generert verden for eksempel brukes til å utforske en historisk scene, men ordet simulering må tas på alvor: En troverdig fremstilling er ikke automatisk en vitenskapelig eller historisk korrekt gjengivelse. Pen grafikk er fortsatt ikke bevis.

På lengre sikt er robotikk og agenttrening kanskje viktigst. Roboter trenger store mengder varierte treningssituasjoner, og virkelige forsøk tar tid, koster penger og kan gå galt. Hvis Genie kan lage brukbare scenarioer raskt, kan utviklere teste flere situasjoner i simulering først. Det er også grunnen til at world models har blitt en egen konkurransegren, ikke bare en underkategori av AI-video.

Begrensningene er fortsatt ganske grunnleggende

Genie 4 kan holde miljøet sammen over korte økter, men detaljer og objekter kan drive eller endre seg over tid. Problemet blir tydeligere etter flere kompliserte tekstendringer, lengre navigasjon eller når mange ting skal skje samtidig. Modellen kan også bomme på romlig nøyaktighet, kompliserte fysiske interaksjoner, lesbar tekst og riktig lyd.

Googles egen modellside for Genie 4 sier dessuten at modellen ikke kan gjengi virkelige steder helt nøyaktig. Det er en viktig avgrensning for historiske miljøer og opplæring. En troverdig scene kan fortsatt inneholde feil som er vanskelige å oppdage nettopp fordi resten ser overbevisende ut.

Derfor bør ingen lese to minutters kontinuitet som to minutter med garantert fysisk sannhet. Dette er en tidlig modell som prøver å holde en generert verden stabil mens brukeren roter rundt i den. At den klarer det i det hele tatt er imponerende. At den fremdeles glemmer og driver, er ikke en liten fotnote.

Hvem får tilgang til Genie 4?

Genie 4 ble 27. oktober lansert som research preview for utvalgte testere. Google sier at modellen i ukene fremover kommer til Google AI Ultra-abonnenter gjennom Project Genie, samt tidlige partnere i Gemini API og Google AI Studio. Selskapet har ikke oppgitt en generell lanseringsdato eller egen pris for modellen.

For de fleste er det derfor lite å sette i produksjon akkurat nå. Utviklere og skapere som allerede arbeider med interaktive prototyper kan følge ventelisten og dokumentasjonen, men det er for tidlig å bygge en kritisk arbeidsflyt rundt tilgang som ennå ikke er bred eller ferdig definert.

Likevel er Genie 4 en modell det er verdt å følge. Google har samlet styring, lyd, fysikk, mennesker og agentplanlegging i samme sanntidssystem. Hvis selskapet klarer å forlenge kontinuiteten og redusere drift, kan world models bli et nytt arbeidslag mellom en idé og det langt dyrere arbeidet med å bygge, filme eller teste den i virkeligheten.

Ofte stilte spørsmål