Genie 4 của Google DeepMind hiện đại hóa các thiết kế tác tử vốn có từ trước thời kỳ LLM

Ứng dụng AI thực tiễn Sao chép liên kết vào bộ nhớ tạm Chia sẻ bài viết này Đi tới phần bình luận Genie 4 của Google Deepmind hiện đại hóa thiết kế tác tử có trước thời kỳ LLM Maximilian Schreiner Xem hồ sơ LinkedIn của Maximilian Schreiner Ngày 27/10/2026 Google Các điểm chính Google Deepmind đã ra mắt Genie 4, một mô hình thế giới mang tính tương tác có khả năng tính toán môi trường theo từng khung hình trong thời gian thực, đồng thời lần đầu tiên trực tiếp tạo ra âm thanh nền và đối thoại của nhân vật phù hợp. Các mô hình Gemini điều phối các sự kiện ngầm, lập kế hoạch cho các nhiệm vụ nhiều bước và liên tục điều chỉnh thế giới mô phỏng theo câu lệnh văn bản của người dùng cùng các điều kiện biến đổi. Genie 4 hiện vẫn là mô hình nghiên cứu mang tính thử nghiệm với các hạn chế trong những phiên hoạt động kéo dài và các quy luật vật lý phức tạp. Quyền truy cập hiện chỉ giới hạn cho một số người kiểm thử được chọn và sau đó sẽ mở rộng cho người đăng ký dịch vụ Google AI Ultra. Đặt câu hỏi về bài viết này… Tìm kiếm Genie 4 được thiết kế để mô phỏng các thế giới tương tác trong thời gian thực, bao gồm âm thanh và các nhân vật giao tiếp. Các mô hình Gemini lập kế hoạch ngầm cho những diễn biến tiếp theo trong mô phỏng. Hiện tại, chỉ những người thử nghiệm được chọn mới có thể trải nghiệm mô hình thế giới này. Google Deepmind đã giới thiệu Genie 4, phiên bản kế nhiệm của Genie 3 từng được công ty công bố vào tháng 8/2025. Mô hình thế giới này không tạo ra video hoàn chỉnh sẵn có mà tính toán bối cảnh theo từng khung hình, phản hồi trực tiếp các dữ liệu đầu vào. Người dùng di chuyển trong bối cảnh bằng bàn phím và điều phối diễn biến bằng các câu lệnh văn bản. Theo Deepmind, Genie 4 là mô hình thế giới thời gian thực đầu tiên của công ty có khả năng trực tiếp tạo âm thanh. Doanh nghiệp cho biết mỗi thế giới đều có âm thanh nền riêng biệt, chẳng hạn như tiếng gió thổi qua rặng cây. Genie 4 cũng xử lý lời thoại, với các nhân vật có thể trò chuyện với nhau và phản ứng theo thời gian thực trước tác động của người dùng hoặc các sự kiện phát sinh. Quảng cáo Deepmind nhận định bước tiến lớn nhất về độ chân thực nằm ở phương thức mô hình tái hiện con người. Các nhân vật chuyển động tự nhiên và phản ứng với môi trường chung quanh, đồng thời người dùng có thể điều khiển trực tiếp các nhân vật này. Quảng cáo Các mô hình Gemini lập kế hoạch trước để duy trì tính nhất quán của thế giới Theo Deepmind, Genie 4 được xây dựng dựa trên các năng lực của mô hình video Gemini Omni nhằm bảo đảm thế giới mô phỏng có diện mạo và hành vi chân thực. Các mô hình Gemini khác hỗ trợ lập kế hoạch mô phỏng để duy trì tính nhất quán. Nếu người dùng thay đổi thời tiết bằng câu lệnh văn bản, Gemini sẽ điều chỉnh chỉ dẫn phù hợp với bối cảnh đang diễn ra. Deepmind cho biết Gemini cũng điều phối các sự kiện giữa những lần nhập liệu nhằm duy trì diễn biến hợp lý của thế giới mô phỏng. Quảng cáo Deepmind giải thích quy trình này thông qua các nhiệm vụ nhiều bước. Gemini 3.8 Flash liên tục theo dõi bối cảnh, chia nhỏ mục tiêu thành các bước cụ thể và sử dụng những khung hình mới để kiểm tra hiệu quả thực hiện của từng bước. Nếu môi trường thay đổi hoặc người dùng can thiệp, mô hình sẽ điều chỉnh kế hoạch tương ứng. Deepmind cũng đang thử nghiệm Gemini 4 Argon nhằm kết nối các dự án Genie với mảng nghiên cứu robot của đơn vị là Gemini Robotics. Trong một phiên thử nghiệm, Argon chia nhiệm vụ chơi cờ đam thành các bước tuần tự. Genie 4 tiếp nhận dữ liệu này dưới dạng chỉ dẫn văn bản để mô phỏng robot hình người Apollo của Apptronik tham gia ván cờ mà không cần đến robot thực tế. Quảng cáo Các phiên vận hành kéo dài vẫn gây khó khăn cho mô hình Deepmind xác định Genie 4 là mô hình nghiên cứu thử nghiệm ở giai đoạn đầu. Theo công ty, thế giới mô phỏng duy trì được tính nhất quán trong các phiên ngắn, song các chi tiết hình ảnh có thể biến đổi và các vật thể không phải lúc nào cũng được duy trì ổn định trong những phiên mô phỏng kéo dài hoặc sau nhiều lần thay đổi câu lệnh phức tạp. Quảng cáo DeepMind cho biết đơn vị này vẫn đang tiếp tục nghiên cứu về các tương tác vật lý phức tạp, âm thanh thời gian thực chuẩn xác và khả năng hiển thị văn bản rõ ràng. Hiện tại, Genie 4 mới chỉ được cung cấp cho một nhóm người thử nghiệm giới hạn dưới dạng bản xem trước phục vụ nghiên cứu. Dự kiến, công cụ này sẽ sớm được triển khai tới những người dùng đăng ký gói Google AI Ultra trên ứng dụng web Project Genie, cùng các đối tác có quyền tiếp cận sớm Gemini API và Google AI Studio. Google khẳng định toàn bộ tệp video và âm thanh sẽ được gắn hình mờ SynthID nhằm đánh dấu ẩn đối với các nội dung do AI tạo ra. Khi hoàn thiện, các mô hình thế giới (world models) có thể đóng vai trò là môi trường huấn luyện, giúp robot và các tác nhân AI (AI agents) học hỏi từ trải nghiệm mô phỏng thay vì chỉ dựa vào dữ liệu thuần túy. DeepMind nhận định việc kết hợp Gemini với Genie là bước đi ban đầu hướng tới các mô hình thế giới lai, kết hợp khả năng suy luận của các mô hình ngôn ngữ và mã lệnh với công nghệ mô phỏng ở cấp độ điểm ảnh. Tin tức AI chuẩn xác, không thổi phồng – Được biên tập bởi con người Đăng ký THE DECODER để trải nghiệm đọc không quảng cáo, nhận bản tin AI hằng tuần, báo cáo chuyên sâu độc quyền "AI Radar" sáu lần một năm, toàn quyền truy cập kho lưu trữ và tham gia phần bình luận. Đăng ký ngay Nguồn: Google