Genie 4: โมเดลจำลองโลกของ Google DeepMind (ตุลาคม 2026)

Google DeepMind เผยแพร่บล็อกเปิดตัว Genie 4 เมื่อ 27 ตุลาคม 2026 โดยเรียกว่าโมเดลจำลองโลกรุ่นใหม่ที่ให้ภาพสมจริงขึ้นและจำลองแบบโต้ตอบได้แบบเรียลไทม์ดีขึ้น (Google DeepMind) กระทู้บน Hacker News มีคะแนนราว 680 ภายในวันเดียว (Hacker News)

โมเดลจำลองโลกต่างจากโมเดลสร้างวิดีโอตรงที่ผู้ใช้เข้าไปเดินในฉากและเปลี่ยนสิ่งต่าง ๆ ได้ระหว่างที่ฉากกำลังเล่น แทนที่จะได้คลิปสำเร็จรูปหนึ่งคลิป หน้านี้แยกสิ่งที่ประกาศ สิ่งที่ยังไม่บอก และเสียงแย้งที่เห็นจากวิดีโอสาธิตเอง

สิ่งที่ประกาศ

จุดใหม่ที่บล็อกเน้นคือ Genie 4 เป็นโมเดลจำลองโลกแบบเรียลไทม์ตัวแรกของ DeepMind ที่สร้างเสียงเองไปพร้อมภาพ ทั้งเพลง เสียงบรรยากาศ และบทพูด (Google DeepMind)

ผู้ใช้สั่งเปลี่ยนสภาพอากาศ ขยับกล้อง หรือเพิ่มคนและวัตถุเข้าไปในฉากได้ด้วยคำสั่งภาษาธรรมดา และบล็อกบอกว่าโมเดลจำลองเรื่องอย่างอากาศพลศาสตร์และการชนได้ รวมถึงตัวละครที่เคลื่อนไหวเป็นธรรมชาติและบังคับได้แบบเรียลไทม์ (Google DeepMind)

Gemini อยู่ตรงไหน

เบื้องหลังมีโมเดล Gemini หลายตัวทำงานร่วมกัน Gemini Omni ช่วยให้รูปลักษณ์และพฤติกรรมในฉากใกล้ของจริง ส่วน Gemini 3.8 Flash ทำหน้าที่เป็น agent ที่วางขั้นตอน ตรวจความคืบหน้า และปรับตามเมื่อผู้ใช้แทรกคำสั่ง บริษัทยังอยู่ระหว่างทดลองใช้ Gemini 4 Argon คู่กับ Genie 4 ในงานหุ่นยนต์ซึ่งเชื่อมกับ Gemini Robotics โดยยังไม่ใช่ผลิตภัณฑ์ (Google DeepMind) บล็อกมองว่าทางที่น่าสนใจต่อไปคือสิ่งที่เรียกว่า hybrid world models ที่รวมการให้เหตุผลแบบมีโครงของ Gemini เข้ากับการจำลองระดับพิกเซลของ Genie ซึ่งเป็นทิศทาง ไม่ใช่แผนงานที่มีกำหนด

ใครใช้ได้และเมื่อไร

ตอนนี้เปิดเป็น research preview ให้ผู้ทดสอบที่ไว้ใจได้ บล็อกระบุว่าจะเปิดให้สมาชิก Google AI Ultra ผ่าน Project Genie ในเร็ว ๆ นี้ ซึ่งมีรายชื่อรอ และให้พันธมิตรที่ได้สิทธิ์ใช้ก่อนผ่าน Gemini API กับ Google AI Studio บล็อกไม่ระบุราคาและไม่ระบุวันที่เปิดในวงกว้าง (Google DeepMind)

ผู้ทดสอบมาจากงานสร้างสรรค์ ข่าว การศึกษา เกม และวิศวกรรม ส่วนตัวอย่างการใช้ที่บล็อกยกมามีทั้งการทำภาพร่างฉากก่อนถ่ายจริง การเปลี่ยนภาพถ่ายเก่าเป็นฉากจำลอง การทำต้นแบบไอเดียเกม และการสร้างสถานการณ์จำลองให้องค์กร

ด้านความปลอดภัย บล็อกระบุว่าทำการประเมินภายในก่อนเปิดพรีวิว และ Google บอกว่าวิดีโอกับเสียงทั้งหมดที่ Genie 4 สร้างจะมีลายน้ำ SynthID (Google DeepMind)

สิ่งที่ยังไม่บอก

บล็อกไม่ให้ตัวเลขสเปกใดเลย ทั้งความละเอียด อัตราเฟรม หรือระยะเวลาที่ฉากคงที่ และไม่เทียบกับ Genie 3 โดยตรง นอกจากลิงก์ไปบล็อกของรุ่นก่อน ตัวเลขสเปกของ Genie 3 ที่สื่ออื่นเคยรายงานจึงยกมาใช้กับรุ่นนี้ไม่ได้

บล็อกเขียนเองว่ารายละเอียดภาพและการคงอยู่ของวัตถุ "can still shift or drift over time" และระบุงานที่ยังวิจัยอยู่ ได้แก่ ปฏิสัมพันธ์ทางกายภาพที่ซับซ้อน ความแม่นของเสียงแบบเรียลไทม์ การแสดงตัวอักษรให้อ่านได้ ความแม่นเชิงพื้นที่ และความคงที่ระยะยาว (Google DeepMind)

เสียงแย้งจากวิดีโอสาธิตเอง

ผู้ร่วมกระทู้หลายคนชี้จุดที่เห็นในวิดีโอที่ Google เลือกมาเอง เช่น ในฉากบินบนหลังมังกร ส่วนหนึ่งของปราสาทหายไปเมื่อกล้องหันกลับ และคนขี่จักรยานยนต์ในฉากฮ่องกงไม่มีหมวกกันน็อกแล้วจู่ ๆ ก็มี อีกคนชี้ว่าโมเดลเป็นของปิดที่ไม่เผยรายละเอียดเทคนิคหรือแม้แต่จำนวนพารามิเตอร์ (Hacker News) ข้อสังเกตเหล่านี้เป็นของผู้ร่วมกระทู้ ไม่ใช่ของ DeepMind และตรงกับข้อจำกัดที่บล็อกเขียนไว้เอง จึงไม่ได้ขัดกับคำประกาศ แต่บอกว่าข้อจำกัดนั้นเห็นได้ชัดตั้งแต่ในตัวอย่างที่คัดมาแล้ว

ความหมายต่อคนทำงาน

งานที่ได้ประโยชน์ก่อนคืองานร่างฉากและทำสถานการณ์จำลอง เช่น ทีมสื่อหรือการตลาดที่ต้องการเห็นภาพก่อนลงทุนถ่ายจริง หรือทีมฝึกอบรมที่ต้องการฉากซ้อมสถานการณ์ แต่ข้อที่วัตถุหายไปเมื่อพ้นกล้องแปลว่ายังใช้แทนการถ่ายจริงหรือใช้เป็นหลักฐานไม่ได้

ลายน้ำ SynthID ที่ Google บอกว่าจะฝังในทุกชิ้นเป็นเรื่องที่ควรรู้ไว้ เพราะเป็นทางหนึ่งในการตรวจว่าคลิปสร้างด้วยเครื่องมือของ Google หรือไม่

คำถามที่ยังไม่มีคำตอบ

• ความละเอียด อัตราเฟรม และระยะเวลาที่ฉากคงที่จริงเท่าไร
• ราคาและวันที่เปิดให้สมาชิก Google AI Ultra กับนักพัฒนาผ่าน API
• ผลการประเมินความปลอดภัยภายในที่บล็อกพูดถึงจะเปิดเผยหรือไม่