Resumo rápido
Genie 4 é o novo modelo de mundo em tempo real do Google DeepMind, anunciado em 27 de outubro de 2026, e você ainda não pode usá-lo. Ele gera um mundo explorável a partir de um prompt, adiciona som nativo e diálogos falados e permite que você altere a cena com texto enquanto ela acontece. É uma prévia de pesquisa disponível apenas para testadores de confiança, com o Project Genie no Google AI Ultra (a partir de $99.99/mês) e a Gemini API listados como "coming soon", sem datas e sem preço.
O ponto que a maior parte da cobertura deixa passar: a verdadeira mudança é um segundo modelo no ciclo. O Gemini 3.8 Flash observa cada quadro que o Genie 4 renderiza, divide seu objetivo em etapas e verifica se cada uma foi concluída. O direcionamento por texto em si não é novidade, o Genie 3 já tinha isso. E o Google publicou menos especificações desta vez: nada de resolução, taxa de quadros, contagem de parâmetros ou benchmarks.
Se você gerencia uma equipe de suporte, o Genie 4 não vai mexer na sua fila. Mas seu ciclo de "planejar, agir, verificar" é o modelo certo para qualquer IA que age em seu nome, e é assim que eu avaliaria um agente de IA para helpdesk: um que tenha sido testado com seus próprios tickets anteriores antes de responder a um cliente, que é o que a eesel faz.
Por que fui investigar o Genie 4
Eu trabalho criando agentes de IA na eesel, daqueles que leem um ticket de suporte, buscam informações e decidem o que fazer em seguida. Ao longo dos últimos anos colocando agentes em filas reais de helpdesk, a lição que ficou comigo é que o problema raramente está no modelo. O problema é um agente que dá um passo, nunca verifica se funcionou e segue em frente cheio de confiança. É por isso que toda implantação da eesel agora passa por uma simulação com o histórico de tickets da equipe antes de entrar em produção.
Então, quando o anúncio do DeepMind disse, em essência, "colocamos o Gemini no ciclo para verificar cada etapa", prestei mais atenção nessa frase do que nas imagens do dragão. Neste post, explico o que é o Genie 4 e o que realmente é novidade, depois o que as demonstrações mostram (e onde falham), além de como conseguir acesso e o que o Google ainda não nos contou. Tudo aqui vem das próprias páginas do DeepMind e da discussão pública, já que ninguém fora do grupo de testadores teve acesso a ele ainda.
O que é o Genie 4?
O Genie 4 é um modelo de mundo: um sistema de IA que gera um ambiente interativo quadro a quadro, em tempo real, e reage conforme você se movimenta por ele. Você descreve um lugar (ou fornece uma imagem de referência), depois caminha, voa ou dirige por ele usando controles de teclado enquanto o modelo inventa o que há na próxima esquina.
O post de anúncio do DeepMind, escrito por Raia Hadsell, Diego Rivas e Hang Qi, o chama de "natively multimodal". Som e música, assim como diálogos, são gerados junto com o mundo, em vez de adicionados depois. O post também diz que o modelo se apoia na família Gemini de duas formas: o Gemini Omni "anchors" a aparência e o comportamento da cena no mundo real, e outros modelos Gemini cuidam do raciocínio que mantém a simulação coerente.
A proposta do Google sobre por que isso importa é bastante ampla: mundos de treinamento seguros para robôs e agentes, além de usos criativos em cinema, jornalismo, jogos e manufatura, segundo o anúncio no blog do Google. O DeepMind apresenta a simulação de mundos como um passo em direção à AGI. Essa é a aposta de longo prazo; no curto prazo, é uma prévia para a qual você pode entrar em uma lista de espera.
Se você está conhecendo a série agora, já abordei o lado voltado ao consumidor do modelo anterior na minha análise aprofundada do Project Genie.
O que realmente é novidade no Genie 4 em comparação com o Genie 3?
O Genie 4 adiciona três coisas que o Genie 3 não tinha: áudio nativo, um planejador Gemini no ciclo e o Gemini Omni para realismo. O direcionamento por texto em tempo real não é uma delas, apesar da impressão que parte da cobertura do lançamento passa.
O Genie 3, anunciado em agosto de 2025, já tinha o que o DeepMind chamou de "promptable world events": digitar um prompt para mudar o clima ou adicionar objetos e personagens no meio da cena. O que mudou foi quem interpreta esse prompt. No Genie 4, "Gemini will contextually adapt your prompt to match the surrounding scene", e, entre suas entradas, o Gemini "monitors and steers the scene to keep the world progressing cohesively."
Aqui está a comparação lado a lado, usando apenas o que o DeepMind publicou:
| Genie 3 (agosto de 2025) | Genie 4 (outubro de 2026) | |
|---|---|---|
| Áudio nativo | Não | Sim: som ambiente, música, diálogo interativo |
| Direcionamento por texto no meio da cena | Sim ("promptable world events") | Sim, com o Gemini adaptando seu prompt à cena |
| Planejador no ciclo | Nenhum | Gemini 3.8 Flash planeja etapas e verifica quadros |
| Camada de realismo | Não informado | Gemini Omni ancora a aparência e o comportamento no mundo real |
| Resolução / taxa de quadros | 720p, 24 fps | Não publicado |
| Interação contínua | Alguns minutos | Alguns minutos |
| Acesso no lançamento | Prévia de pesquisa, depois Project Genie | Testadores de confiança, depois Project Genie e Gemini API |
| Marca-d'água | SynthID | SynthID em vídeo e áudio |
O retrocesso discreto está na ficha técnica, não no modelo. O post de lançamento do Genie 3 informava 720p, 24 quadros por segundo e memória visual que alcançava "as far back as one minute ago." O post do Genie 4 não traz nenhum desses números, e também não há uma tabela comparativa. Ele pode muito bem ser melhor em todos esses aspectos, só não consigo verificar.
No papel, a duração da sessão não mudou. As duas páginas dizem que o modelo suporta "a few minutes" de interação contínua. Alguns veículos noticiaram que a duração dobrou, mas esse número não está em nenhuma página do DeepMind que consegui encontrar, então o deixei de fora.
Como o Genie 4 funciona com o Gemini?
O Genie 4 opera com dois modelos trabalhando em ciclo: o Genie renderiza o mundo, e o Gemini 3.8 Flash atua como um "guiding agent" que planeja e verifica. Esse é o parágrafo mais interessante de todo o anúncio, então abaixo está a descrição do DeepMind em termos simples.
Enquanto o Genie 4 gera o mundo, o Gemini continua observando a cena e divide um objetivo em uma sequência de etapas, depois analisa os quadros recebidos para "track the progress and verify that each step succeeded." Se o mundo se desvia ou você intervém, o Gemini muda seu plano na hora. O DeepMind diz que é isso que viabiliza "reliable causality, procedural behaviors, and multi-step reasoning."
Em outras palavras, o Genie sozinho é muito bom em adivinhar o próximo quadro, e o Gemini é o que o transforma em algo capaz de seguir um plano. A análise do Gemini 3.8 Flash aborda o modelo que desempenha o papel de verificador aqui, e ele é rápido e barato, o que faz sentido para algo que precisa observar quadros em tempo real.
O DeepMind também mostrou uma versão disso com seu modelo maior. Em uma demonstração de robótica, o Gemini 4 Argon escreve um plano detalhado com várias etapas, e cada etapa é enviada ao Genie 4 como uma legenda de texto enquanto a simulação é renderizada. O exemplo é o humanoide Apollo, da Apptronik, jogando damas.
A ligação com a robótica não é novidade para o Google. Ela se soma ao Gemini Robotics 2 e ao trabalho do Gemini 4 Argon para robótica, e a página do modelo do DeepMind diz que os mundos do Genie 4 poderiam ser onde agentes como o SIMA "learn new skills." O DeepMind chama essa direção de "hybrid world models": modelos de linguagem e código cuidam da estrutura e da linha do tempo da história, e o modelo de pixels cuida da aparência e do som das coisas.
O que as demonstrações do Genie 4 realmente mostram?
As demonstrações mostram um grande salto em realismo, especialmente em pessoas e som, junto dos mesmos problemas de consistência que o Genie 3 tinha. O DeepMind as agrupa em quatro capacidades: direcionamento em tempo real, física e ação humana, som e eventos complexos conduzidos pelo Gemini.
O DeepMind observa que os clipes são gravações de sessões em tempo real, com "standard keyboard controls for navigation and camera control, and text prompts to steer." Alguns deles chamaram minha atenção:
- Pessoas. O DeepMind chama a simulação humana de "the most dramatic leap", e a plataforma de trem japonesa lotada dos anos 1980 e a caminhada pelos bastidores de um teatro realmente parecem muito mais próximas de uma filmagem do que de um motor de jogo.
- Som. O Genie 4 é o "first real-time world model to generate audio natively." do DeepMind. No clipe do saxofone no lago, o instrumento, o vento e também a água vêm todos do modelo.
- Física. Os exemplos incluem aerodinâmica e colisões, como uma semente de bordo caindo ou um balão de ar quente sobre a Antártida, e também um busto de mármore solto sobre uma melancia.
- Tarefas de robôs. Um braço Universal Robots UR5 segura uma pipeta e dispensa líquido em uma placa de laboratório.
Vale a pena ler os prompts se você pretende usá-lo. Eles são longos e específicos, e também demonstram bastante conhecimento de câmera: "photographed on 16mm film", "the camera is not attached to the man or the platform", "no HDR". O DeepMind também publicou um guia de prompts para o Genie, que mostra que o nível exigido para um bom resultado é um briefing de diretor, não uma frase curta.
O que as pessoas estão dizendo sobre o Genie 4?
A discussão no Hacker News chegou a 642 pontos e 390 comentários no dia do lançamento, e o clima era de admiração com ceticismo. A maioria dos comentários mais críticos tratava da consistência, exatamente o que o DeepMind lista como sua principal limitação.
Um leitor analisou a demonstração do dragão quadro a quadro:
"A big chunk of the right side of castle disappeared, including catapult, when camera turned back while flying on dragon. See 1:25 to 1:29. I was not expecting this to happen in a "world model"."
Outro descreveu o padrão de forma mais geral, e acho que esta é a leitura mais justa das demonstrações:
"It's very good at maintaining consistency for things that stay in frame, but I don't know that this points to it developing a strong "world simulation" like they claim."
Outro grande tema foi a abertura. Um comentarista disse ser "very hard to get me excited about yet another proprietary model for which absolutely zero technical details are released (not even the number of parameters)", segundo este comentário no Hacker News. Nem todos concordaram que a proposta de treinamento de robôs é exagero, porém: uma resposta a um cético apontou que um modelo de mundo já está sendo usado para treinar carros autônomos:
"A proprietary version of this technology is already training Waymo's robot cars. Waymo blogged about their DeepMind-provided world model a year ago."
Minha leitura: o realismo é real, mas a parte do "mundo" ainda é, em grande medida, o que está na tela. Coisas que saem do quadro podem voltar diferentes, o que não é um problema para um rascunho de pré-visualização de filme, mas importa muito mais quando você quer treinar um robô nele.
O que o Google não nos contou sobre o Genie 4?
O Google não publicou contagem de parâmetros, benchmarks, resolução ou taxa de quadros, limite de sessão além de "a few minutes", preço nem documentação da API. O que ele publicou foi uma lista de limitações excepcionalmente franca, que vale a pena ler na íntegra na página do modelo Genie.
Aqui está o que o DeepMind diz que o Genie 4 ainda tem dificuldade para fazer:
| Limitação | O que o DeepMind diz |
|---|---|
| Ambientes coerentes | Detalhes visuais e a permanência de objetos podem se desviar, ainda mais em sessões longas, após várias edições de prompt ou ao se movimentar |
| Outros agentes | Modelar interações entre usuários, múltiplos agentes e ambientes compartilhados ainda é um problema de pesquisa |
| Lugares reais | Ele não consegue simular locais do mundo real com precisão perfeita |
| Texto | Texto nítido geralmente só aparece quando está na descrição do seu mundo |
| Duração | Alguns minutos de interação contínua, não sessões prolongadas |
| Áudio | A precisão do áudio em tempo real ainda está sendo aprimorada |
Sobre segurança, o Google diz que o Genie 4 passou por avaliações internas de segurança e tem mecanismos de proteção alinhados aos de seus outros modelos. Também diz que todo vídeo e áudio gerado por ele carrega o SynthID, a marca-d'água invisível do Google. É a mesma abordagem do Genie 3, só que agora estendida ao som.
Como você pode ter acesso ao Genie 4 e quanto vai custar?
Neste momento, você não pode, a menos que seja um testador de confiança. O Google diz que o Genie 4 chegará em seguida aos assinantes do Google AI Ultra no Project Genie e aos parceiros de acesso antecipado na Gemini API e no Google AI Studio. Você pode entrar na lista de espera do Genie 4 hoje.
O caminho para consumidores é o mais claro. O Project Genie é o aplicativo de criação de mundos do Google Labs, e a página de planos do Google o lista como um recurso exclusivo do Ultra em mais de 140 países. Em 28 de outubro de 2026, essa página ainda descrevia o Project Genie como baseado no Genie 3.
Veja quanto custa cada caminho hoje, com informações das próprias páginas do Google:
| Caminho para o Genie 4 | Status (28 de outubro de 2026) | Preço |
|---|---|---|
| Programa de testadores de confiança | Ativo, somente por convite | Não publicado |
| Project Genie no Google AI Ultra | Em breve | Ultra a partir de $99.99/mês (5x o uso do Pro) ou $199.99/mês (20x o uso do Pro), EUA |
| Gemini API e Google AI Studio | Em breve, parceiros de acesso antecipado | Nenhuma tarifa do Genie 4 publicada |
Então, o plano realista para a maioria das pessoas é: entrar na lista de espera e, se você já paga pelo Ultra, ficar de olho na troca de modelo do Project Genie. Para desenvolvedores, ainda não há nada com que criar uma integração. Enquanto isso, o Google AI Studio e a Gemini API dão acesso ao restante da família Gemini, incluindo o Gemini Omni Flash, o modelo por trás da camada de realismo do Genie 4.
Para quem é o Genie 4?
Pelas observações dos testadores de confiança, os primeiros usos estão em trabalhos criativos e de planejamento, não em produção. O DeepMind lista quatro:
- Pré-visualização de filmes. Diretores entrando em uma cena e executando várias "tomadas" ao vivo, mudando câmera, iluminação, diálogos e ação.
- Jornalismo e história. Transformar uma única foto de arquivo em uma cena explorável ou mostrar como uma inundação repentina ou um incêndio florestal se desenvolve.
- Conceitos de jogos. Passar de uma ideia a um protótipo explorável "before writing a single line of engine code."
- Simulação. Parceiros empresariais testando o modelo para geração rápida de cenários, junto com o próprio trabalho de robótica do DeepMind.
Se você produz vídeos, compare-o com ferramentas que pode usar hoje, como Sora 2, Runway e Kling AI. Elas criam clipes fixos, enquanto o Genie cria um mundo pelo qual você se movimenta, e isso é uma tarefa diferente.
O Genie 4 importa para equipes de suporte ao cliente?
Não como produto. O Genie 4 renderiza mundos, e ninguém vai responder a uma solicitação de reembolso com uma plataforma de trem simulada. A arquitetura, porém, é a ideia mais útil do anúncio para quem usa IA em uma fila de suporte.
Veja o que o Gemini faz no ciclo: divide o objetivo em etapas, age, verifica o resultado e depois ajusta. O Genie sozinho produz quadros convincentes que podem se desviar silenciosamente do plano, e a IA de suporte falha da mesma forma. Um modelo que escreve uma resposta confiante sem nada verificando se ela está de acordo com suas políticas ou com os dados dos seus pedidos também está adivinhando. É daí que vêm as alucinações de IA no suporte.
Então, a pergunta que eu faria a qualquer fornecedor não é "qual modelo vocês usam?". É "o que verifica o modelo, e posso vê-lo funcionando nos meus tickets primeiro?". Aqui estão algumas versões concretas dessa verificação:
- Teste com o histórico antes de entrar em produção. Execute o agente com seus tickets anteriores e leia o que ele teria enviado. Escrevi sobre como testar um agente de IA.
- Fundamente cada resposta em uma fonte. O agente deve responder com base na sua central de ajuda e em respostas anteriores, além de incluir links para o que usou.
- Saiba quando recuar. Uma regra clara de transferência para uma pessoa é melhor do que um modelo inteligente. Veja as boas práticas de transferência de agentes de IA.
Foi assim que a SamCart configurou a eesel. Eles começaram carregando a central de ajuda e os tickets anteriores do Freshdesk, depois colocaram um agente nos tickets de e-mail e outro separado no chat do site. Ambos respondem com base em cerca de 280 artigos da central de ajuda, incluem links apenas para artigos públicos, e o agente de tickets para de responder no momento em que um colega assume o ticket. É a mesma disciplina de planejar, agir e verificar, só que aplicada a uma fila em vez de a um dragão.
Se você está comparando modelos para essa tarefa, minha análise do melhor modelo para tickets de suporte aborda quais dão conta do recado, e agentes de IA vs. chatbots de IA explica por que o ciclo importa mais do que o modelo.
Você já deveria se importar com o Genie 4?
Sim, se você trabalha com cinema, jogos, simulação ou pesquisa em robótica: entre na lista de espera, porque o realismo e o áudio nativo são um avanço real em relação ao Genie 3, e o design com o Gemini no ciclo aponta para onde os modelos de mundo estão indo. Não, se você esperava desenvolver algo com ele neste trimestre: não há API, preço nem ficha técnica.
Para todos os outros, é uma boa prévia de uma ideia mais ampla. O Google não tornou o modelo de mundo confiável deixando-o maior; adicionou um segundo modelo cujo único trabalho é planejar e verificar. Essa é a lição que eu levaria para qualquer IA que você esteja colocando diante dos clientes. Para uma visão mais ampla sobre agentes, minha seleção dos melhores agentes de IA e os exemplos de agentes de IA são boas próximas leituras.
Experimente a eesel para ter uma IA que verifica o próprio trabalho
O Genie 4 precisa do Gemini para verificar cada quadro. Sua IA de suporte precisa da mesma coisa para cada resposta. A eesel é uma colega de equipe de IA para helpdesk que entra na sua fila existente no Zendesk, Freshdesk ou Gorgias e aprende com sua central de ajuda e seus tickets anteriores. Ela também permite que você a execute com seu próprio histórico de tickets antes que responda a um único cliente.
A SamCart usa dois desses agentes, um por canal, a partir da mesma central de ajuda. Se você quiser ver o que ele teria dito nos tickets do mês passado, experimente a eesel gratuitamente.