Genie 4: убедительному миру нужна проверка постоянства
Google DeepMind описывает нативный звук и управление Genie 4 в реальном времени. По списку ограничений первым тестом я выбрал бы сохранение объектов, прежде чем доверять симуляции.
Кратко
Google DeepMind описывает нативный звук и управление Genie 4 в реальном времени. По списку ограничений первым тестом я выбрал бы сохранение объектов, прежде чем доверять симуляции.
Анализ и предложенный тест, не испытание продукта
Что предлагает анонс
Красный куб скрывается за стеной. Когда камера возвращается, остается ли он тем же кубом на том же месте? Это мой вопрос для будущей оценки, а не отчет об испытании Genie 4. Я прочитал анонс Google DeepMind от 27 октября и указанные ограничения. Внешне убедительный мир еще требует проверки надежности состояния.
Google описывает Genie 4 как модель мира реального времени с нативным фоновым звуком, музыкой и интерактивным диалогом. Текстом можно менять погоду, камеру, объекты и людей. По анонсу Gemini Omni помогает с внешним видом и поведением, а другие модели Gemini поддерживают связность. Это описания поставщика, не повторенные мной измерения.
Два вида работы в одном цикле
Подробная статья описывает, как Gemini 3.8 Flash наблюдает кадры, разбивает цель на шаги и проверяет продвижение, пока Genie 4 рисует мир. Упомянуты и эксперименты с Gemini 4 Argon и робототехникой. Я вижу здесь разделение планирования и сенсорной генерации: планировщик запрашивает событие, но получившийся кадр все равно нужно проверить.
Запись в плане о том, что куб остался на столе, не доказывает его сохранение в сцене. Правдоподобный звук удара тоже не подтверждает положение, момент и идентичность объекта. На мой взгляд, эти проверки должны оставаться в протоколе оценки, а не подразумеваться по красивому демо.
Поставщик называет ограничения
DeepMind пишет, что короткие сеансы могут оставаться связными, но детали и постоянство объектов способны дрейфовать при длительной работе, сложных изменениях промпта или перемещении по сцене. Сложные физические взаимодействия, точность звука, читаемый текст, пространственная точность и долговременная согласованность остаются предметами исследования. Поэтому физическую достоверность нельзя выводить из визуальной реалистичности.
Доступ тоже ограничен. Genie 4 является исследовательским превью для доверенных тестировщиков. Google обещает дальнейший доступ подписчикам Google AI Ultra в Project Genie и партнерам раннего доступа Gemini API и AI Studio. Это не общедоступный API. Проверенные страницы не устанавливают открытую цену, публичную квоту или гарантированную дату запуска.
Небольшой план оценки
Для разрешенного тестирования я выбрал бы объект, записал исходное положение и вид, скрыл его преградой, переместил камеру и снова показал. Во втором проходе изменил бы погоду без просьбы менять объект. В третьем проверил бы совпадение видимого контакта и звука. Это предложенные проверки, я не выполнял их на Genie 4.
Нужно сохранить последовательность промптов, доступную версию модели и режима доступа, время и кадры для каждого решения. Неясное или закрытое наблюдение отмечать unknown, не засчитывая успех. Повторения в разных сеансах покажут изменчивость, которую один выбранный ролик скрывает. Пример Python ниже лишь суммирует ручные оценки; его строки вымышлены.
Поясняющий код; не запускался на продукте.
from collections import Counter
# Fictional, manually entered observations. Not Genie output.
checks = ["pass", "fail", "unknown", "pass"]
counts = Counter(checks)
assert set(counts) <= {"pass", "fail", "unknown"}
print(dict(counts))
# {'pass': 2, 'fail': 1, 'unknown': 1}
С чего я бы начал
Анонс описывает работу тестировщиков над превизуализацией, исследуемыми прототипами и генерацией сценариев. Это разумное начало для инструмента с исследуемой согласованностью. Режиссер оценивает черновик по помощи в выборе движения камеры. Робототехнический тест требует отдельного стандарта переходов состояния. Эти критерии нельзя подменять друг другом.
DeepMind сообщает о водяных знаках SynthID в видео и звуке. Это мера происхождения, не проверка физики. При появлении доступа я начал бы с документированной оценки постоянства, сохраняя провалы и неизвестные случаи рядом с удачными сценами.