Vá embora, volte: o Genie 4 mantém o mesmo mundo?

Você passa por um regador vermelho-vivo, vira atrás de um muro e depois volta. O mesmo regador ainda está ao lado do banco? Essa é a pergunta útil por trás de um teste de consistência de ambiente e permanência de objetos do Genie 4. Em 28 de outubro de 2026, o Google DeepMind reconheceu que detalhes visuais e objetos podem sofrer deriva durante sessões mais longas, após edições complexas de prompt ou durante a exploração. Seus exemplos de lançamento mostram direcionamento em tempo real, mas não estabelecem uma pontuação de consistência repetível. Este guia oferece um teste controlado para executar quando você tiver acesso, e separa demonstrações oficiais de resultados que ainda precisam de medição independente.

Principais conclusões

• O Genie 4 é uma prévia de pesquisa, e os materiais públicos revisados não incluem nenhum benchmark numérico de consistência.
• Acompanhe identidade, contagem, posição, aparência e layout da cena separadamente ao longo de oclusão, movimento de câmera, edições e tempo decorrido.
• Uma demonstração refinada ilustra uma capacidade; testes repetidos e registrados são necessários para medir confiabilidade.
• Um modelo de vídeo pode ajudar a sondar a continuidade no nível do clipe, mas não pode testar o estado persistente de um mundo interativo.

Quadro de referência para o caso da estufa em cinco clipes abaixo. A borboleta azul, o pendente dourado em forma de crescente, o arco de ferro e o pedestal de mármore são os elementos a comparar entre os clipes. Esta imagem inicial gerada não é um resultado de teste do Genie 4.

O que significa consistência de ambiente no Genie 4

“Consistência” pode descrever várias coisas diferentes. Um mundo pode parecer convincente em um quadro, mas não preservar um objeto após uma mudança de direção. Pode manter um regador vermelho visível, mas mudar sua forma, duplicá-lo ou movê-lo para o outro lado do banco. Uma avaliação útil registra essas dimensões separadamente, em vez de atribuir um único aprovado ou reprovado vago à cena inteira.

Para um teste simples de permanência de objeto, defina o alvo antes da execução. No exemplo abaixo, o alvo é exatamente um regador de metal vermelho-vivo no chão ao lado de um banco de madeira. O regador é distinto o suficiente para ser encontrado novamente, enquanto o banco oferece um ponto de referência estável para medir a posição relativa.

A permanência de objeto é mais restrita que a qualidade geral da cena. Ela pergunta se um objeto continua a existir com identidade e estado estáveis quando está escondido ou fora da visão atual. A consistência de ambiente também abrange a geometria ao redor, os detalhes visuais e as consequências das edições. Relate os dois separadamente: um objeto pode persistir enquanto o fundo sofre deriva, ou o pátio pode permanecer estável enquanto o objeto muda.

Essa distinção importa ao avaliar um modelo de mundo para prototipagem de jogos ou pesquisa com agentes. Um desenvolvedor pode aceitar uma variação de fundo durante a exploração inicial de conceito, mas um objeto que se teletransporta depois que o jogador anda atrás de um muro pode invalidar um quebra-cabeça, uma rota ou uma sequência de interação. O teste deve corresponder ao custo dessa falha no fluxo de trabalho pretendido.

O que o Google divulgou sobre a deriva do Genie 4

O Google DeepMind descreve o Genie 4 como um modelo de mundo interativo em tempo real que pode responder à navegação por teclado, aos controles de câmera e a prompts de texto. Em sua publicação de lançamento, a empresa afirma que ele pode direcionar uma cena à medida que ela evolui e mostra exemplos de mudanças guiadas por prompt e navegação (anúncio do Google DeepMind, outubro de 2026). Esses exemplos estabelecem o que as demonstrações públicas pretendem mostrar. Eles não fornecem testes repetidos, uma seed fixa, coordenadas medidas dos objetos ou uma taxa de aprovação para testes de retorno à cena.

O mesmo anúncio nomeia diretamente a limitação relevante: detalhes visuais e a permanência de objetos podem mudar ou sofrer deriva ao longo do tempo. Ele diz que isso se torna mais perceptível conforme a simulação roda por mais tempo, após várias edições complexas de prompt ou ao navegar pela cena. A página do produto acrescenta que o Genie 4 oferece suporte a alguns minutos de interação contínua, em vez de sessões prolongadas, e lista a consistência de longo prazo como uma área de trabalho em andamento (página do modelo Genie 4).

Essa formulação dá aos testadores um conjunto útil de condições a variar: tempo decorrido da sessão, número e complexidade das edições e distância ou alcance da navegação. Ela não nos diz com que frequência um regador vai se mover, quanta mudança visual conta como falha, nem como o Genie 4 se compara a outro sistema sob as mesmas condições. Essas perguntas exigem um teste operacional e observações públicas.

O status de acesso também afeta o que pode ser afirmado. As páginas oficiais descrevem uma prévia de pesquisa para testadores confiáveis, com acesso mais amplo planejado por meio do Project Genie e de parceiros de acesso antecipado. A disponibilidade pode mudar, então confirme a rota de acesso atual antes de tratar este protocolo como algo que todo leitor pode executar. A data do artigo registra quando esse status foi verificado; não é uma afirmação de que a prévia permanecerá em fases indefinidamente.

Um teste repetível de permanência de objetos do Genie 4

Use uma cena simples e um objeto-alvo primeiro. Cenas elaboradas introduzem variáveis extras: pessoas podem bloquear o objeto, reflexos podem alterar sua cor aparente e vários adereços semelhantes podem dificultar o julgamento da identidade. Comece com o pátio, um banco, um muro baixo e um regador vermelho. Mantenha o prompt e a sequência de controle inalterados entre execuções comparáveis.

Use esta sequência quando tiver acesso ao Genie 4:

1. Crie a cena inicial. Digite: “Crie um pátio externo simples com um muro baixo de pedra, um banco de madeira e exatamente um regador de metal vermelho-vivo colocado no chão ao lado do banco. Mantenha o layout claro e estável. Não adicione, remova, mova ou duplique objetos a menos que eu peça explicitamente.”
2. Registre a visão de referência. Capture a cena antes de agir. Anote a posição do regador na tela e sua relação com o banco, o muro e a orientação da câmera. Registre se a cena inicial realmente contém um regador no local solicitado.
3. Esconda e retorne. Mova a câmera para trás do muro de pedra e depois volte à posição original de visualização. Evite edição de texto nesta etapa. Verifique se o regador ainda está único, reconhecível e ao lado do mesmo banco.
4. Explore e retorne. Mova-se ao redor do banco e pelo pátio usando os mesmos controles a cada vez. Volte à posição original. Anote se os pontos de referência e a posição relativa sobreviveram ao percurso.
5. Aplique uma edição isolada. Peça: “Mude o céu para cinza nublado. Não altere o pátio, o banco, o regador nem suas posições.” Verifique a mudança no céu e depois pontue separadamente quaisquer mudanças não relacionadas.
6. Inspecione novamente mais tarde. Repita a visão de retorno após um intervalo definido ou um número registrado de ações. Registre o tempo decorrido e tudo o que foi feito nesse meio-tempo. Não trate sessões separadas como testes emparelhados, a menos que o produto forneça um reset reproduzível ou uma seed.

A matriz de teste faz cada etapa responder a uma pergunta distinta. Um retorno limpo após oclusão testa se o alvo continua representado fora da visão. Um percurso testa se as relações espaciais sobrevivem ao movimento da câmera. A edição isolada testa se uma mudança explícita transborda para estado não relacionado. Uma inspeção posterior sonda a deriva ao longo do tempo. Juntas, essas verificações produzem um relatório mais útil do que uma única captura de tela rotulada como “consistente”.

Registre a configuração antes da primeira execução

Um resultado sem sua configuração é difícil de interpretar. Registre a data, a rota de acesso, a duração da sessão, o prompt completo da cena, os prompts de acompanhamento exatos, os controles usados e o método de gravação. Inclua a ordem dos testes e quaisquer pausas. Se a interface expõe uma seed, um reset ou um identificador de sessão, registre isso; se não, escreva “nenhum reset reproduzível ou seed observada”.

Mantenha vídeos ou capturas de quadros com carimbos de data/hora, especialmente a visão inicial, o momento em que o objeto fica ocluído e a visão de retorno. Essas capturas permitem que outra pessoa verifique se a mudança aparente veio do objeto, do ângulo da câmera, da iluminação ou de um quadro ambíguo. Elas também protegem contra viés de memória: depois de uma sessão visualmente rica, as pessoas tendem a se lembrar da cena pretendida, e não de seu estado renderizado exato.

Para uma repetição, reutilize o mesmo prompt e as mesmas ações o mais fielmente que a interface permitir. Se o estado inicial mudar entre tentativas, relate as tentativas como observações separadas, não como uma comparação A/B controlada. A contagem de execuções importa. Um retorno bem-sucedido é evidência sobre uma execução; ele não mostra que o mesmo resultado é confiável entre sessões.

Pontue a deriva sem falsa precisão

Use um rótulo ordinal para cada uma das cinco dimensões. Esta é uma rubrica prática de relatório, não um benchmark validado nem uma afirmação sobre a avaliação interna do DeepMind. Uma pontuação deve resumir o que a gravação mostra, não implicar medição em nível de pixel quando nenhuma foi realizada.

Pontue identidade, contagem, posição, aparência e layout independentemente para cada etapa. Adicione um carimbo de data/hora ou referência de quadro e uma breve nota factual para cada deriva menor ou maior. Se um ponto for não observável, deixe-o sem pontuação em vez de converter evidência ausente em aprovação. Mantenha a evidência perto da pontuação para que os leitores possam distinguir uma observação medida de uma impressão.

Não faça a média desses rótulos em uma porcentagem. As categorias são ordinais, e uma média simples esconderia se a falha crítica foi um leve desvio de cor ou um objeto duplicado. Se a aplicação precisa de uma única decisão, defina primeiro sua condição de falha. Por exemplo, uma mecânica de jogo que depende de o regador permanecer ao lado do banco pode tratar qualquer deriva maior de posição como falha, enquanto uma exploração inicial de mood board pode tolerar deriva menor de aparência.

O que as demonstrações públicas do Genie 4 mostram e o que elas não podem provar

O Google diz que suas gravações de lançamento mostram interações em tempo real nas quais as pessoas navegam com controles padrão e direcionam cenas com texto. Elas são úteis para entender o ciclo de interação pretendido: solicitar um mundo, mover a câmera e alterar uma cena enquanto ela continua. No entanto, são demonstrações selecionadas, e as páginas oficiais não as identificam como testes repetidos de permanência de objetos.

Um clipe pode mostrar que um objeto aparece em dois momentos. Sem um estado inicial documentado, uma oclusão explícita, um retorno à mesma posição de câmera e execuções repetidas, ele não pode mostrar com que frequência o objeto persiste ou quanto mudou fora da visão. Uma gravação selecionada também pode omitir o tempo entre os momentos. Trate a filmagem de lançamento como evidência qualitativa de capacidade, não como benchmark controlado.

Esse limite é especialmente importante porque o próprio anúncio relata condições de deriva. O material público oferece um ponto de partida honesto para avaliação, ao mesmo tempo que deixa em aberto a questão central de confiabilidade. Um artigo ou nota de laboratório cuidadoso deve rotular a evidência como “demonstração oficial”, “execução prática única” ou “resultado prático repetido”. Esses rótulos impedem que os leitores confundam uma categoria com outra.

Quando as evidências atuais bastam para uma decisão de fluxo de trabalho

Para exploração de conceito, a pergunta relevante pode ser se uma equipe consegue iterar rapidamente em atmosfera, direção de câmera ou uma cena explorável. Uma prévia que produz um ponto de partida atraente pode ser útil mesmo se um adereço mudar, desde que a equipe trate o resultado como rascunho e não prometa estado estável. O DeepMind descreve direção criativa e prototipagem de experiência interativa entre as áreas que os testadores confiáveis estão explorando, além de posicionar o modelo como pesquisa inicial.

Para avaliação de agentes, lógica de jogabilidade ou uma simulação cujo resultado depende de estado persistente de objetos, uma demo de lançamento não basta. Uma equipe deve exigir testes repetidos sobre a interação exata que importa, com a cena, os controles, a duração da sessão e o limite de falha documentados. Se uma tarefa depende de localizações precisas de objetos ou interações complexas entre vários agentes, esses são testes separados; uma aprovação bem-sucedida em oclusão de um único objeto não pode estabelecê-los.

Uma regra prática de decisão é adequar o nível de exigência de evidência à consequência da deriva:

• Baixa consequência: Use mundos gerados para explorar direção visual ou ideias aproximadas de interação. Mantenha um humano no circuito e espere reparo manual.
• Consequência moderada: Faça protótipo de uma mecânica somente após execuções repetidas de seu objeto central e sequência de câmera. Registre resets, novas tentativas e casos de falha.
• Alta consequência: Não confie em clipes públicos de lançamento ou em uma etapa isolada. Exija validação específica da tarefa, comportamento estável de sessão e uma forma de reproduzir o estado inicial antes de tratar o mundo como uma simulação confiável.

Isto não é um veredito de que o Genie 4 não pode dar suporte a usos exigentes. É um limite de decisão baseado nas evidências públicas disponíveis atualmente. À medida que o acesso à prévia se expande e testes independentes surgem, as equipes podem substituir este limite cauteloso por dados de suas próprias tarefas.

Um caso de continuidade em cinco planos: a lanterna borboleta na estufa

O pátio simples acima é o teste controlado. Um caso criativo mais exigente pergunta se um personagem ricamente vestido, uma câmera em movimento e um fundo cheio de elementos podem coexistir com um objeto-alvo estável. Imagine uma estufa no crepúsculo, cheia de vidraças azul-petróleo, buganvílias cor de coral, orquídeas magenta, lâmpadas âmbar e reflexos em um piso de mosaico molhado. Uma dançarina com trança cor de cobre e jaqueta bordada verde-jade segue um caminho curvo pela sala. O alvo é exatamente uma lanterna de vidro ultramarina em forma de borboleta com uma pequena alça dourada em forma de crescente, pendurada no lado esquerdo de um arco de ferro negro acima de um pedestal de mármore branco. Ela deve permanecer ali com a mesma cor, forma e alça ao longo de toda a sequência.

Se você tiver acesso ao Genie 4, crie este mundo uma vez e grave cinco segmentos consecutivos de dez segundos enquanto navega por ele. Mantenha a mesma sessão; não regenere um novo mundo para cada segmento. O segmento 1 estabelece a visão de referência. O segmento 2 esconde a lanterna atrás da folhagem e retorna. O segmento 3 circula o arco e volta de uma nova direção. O segmento 4 altera apenas o céu e a luz. O segmento 5 retorna após mais movimento. Salve o percurso da câmera e os carimbos de data/hora, e pontue identidade, contagem, posição, aparência e layout em comparação com o segmento 1. Estas são ações propostas, não resultados de uma execução concluída do Genie 4.

Para um proxy de continuidade visual que você mesmo pode criar no Atlas Cloud, use o Wan 2.7 Image-to-Video, modelo alibaba/wan-2.7/image-to-video. Seu modo publicado oferece suporte a clipes de dez segundos e orientação pelo primeiro quadro. Crie um quadro de referência cuidadosamente composto e use-o como primeiro quadro do clipe 1; use o quadro final de cada clipe como primeiro quadro do próximo clipe quando esse controle estiver disponível. Solicite cinco clipes separados de dez segundos, sem áudio e em 16:9, e converta cada clipe finalizado em seu próprio GIF. Não divida um único clipe de origem em cinco GIFs. O prompt completo do quadro de referência e cinco prompts de vídeo cronometrados são fornecidos na folha de prompts que acompanha o texto. Os clipes podem revelar deriva visual dentro do clipe ou entre clipes; eles não podem medir se o Genie 4 se lembra de um mundo interativo.

Os cinco clipes abaixo mostram uma visão de referência, uma oclusão, um percurso de câmera, uma tentativa de edição apenas de luz e um retorno posterior. Cada GIF vem de um clipe de origem separado de dez segundos. Eles ilustram o que inspecionar; não estabelecem uma pontuação de consistência do Genie 4.

1. Visão de referência. A câmera desce e faz um arco em direção à dançarina enquanto ela se vira, sorri e gesticula para a borboleta azul. O arco, o pedestal de mármore, o pendente em forma de crescente e a borboleta ficam visíveis juntos, dando aos clipes posteriores um ponto de comparação.

Clipe 1: Salve a visão de abertura e a visão final nítida como referência para identidade, contagem, posição e layout do objeto.

2. Oclusão e retorno. A câmera se move pela folhagem enquanto a dançarina contorna o pedestal. A borboleta sai de vista brevemente e depois reaparece ao lado do mesmo arco e pedestal. Compare o padrão de asas azuis e o pendente dourado em forma de crescente antes e depois da obstrução.

Clipe 2: A observação importante é a aparência da borboleta e o ponto de suspensão no retorno, não apenas o movimento da dançarina.

3. Percurso de câmera. A câmera atravessa a estufa, muda seu ângulo em relação ao arco e segue a dançarina enquanto ela estende a mão em direção a uma pétala à deriva. A borboleta azul permanece um ponto de referência espacial visível nas vistas amostradas.

Clipe 3: Compare a borboleta, o arco e o pedestal a partir do ponto de vista alterado antes de julgar se o layout se moveu.

4. Edição apenas de luz. A mudança solicitada é uma luz azul-chuva mais fria através da clarabóia. A filmagem mostra essa luz mais fria durante o movimento por cima, enquanto a visão final esquenta em direção à paleta de crepúsculo anterior. Essa mudança visível importa ao pontuar uma suposta edição apenas de luz; ela não deve ser relatada como um estado climático perfeitamente mantido.

Clipe 4: Inspecione o clima e a iluminação separadamente da contagem, forma e posição da borboleta.

5. Retorno atrasado. A dançarina segue outro caminho curvo, vira-se de volta para o arco e estende a mão enquanto a câmera se amplia. A visão final mostra novamente uma borboleta azul sob o pendente em forma de crescente e acima do pedestal de mármore.

Clipe 5: Compare esta visão final com o Clipe 1. A filmagem enviada é um exemplo de continuidade visual, não um retorno interativo gravado no Genie 4.

A paleta saturada e o movimento expressivo tornam o exemplo mais fácil de acompanhar, mas reflexos, flores, tecido e luz mutável também criam oportunidades para impressões falsas. Em quadros amostrados, a borboleta permanece reconhecível no arco; a luz azul-chuva fria solicitada para o Clipe 4 não persiste até o retorno final. Um relatório rigoroso inspecionaria os clipes completos quadro a quadro e registraria qualquer deriva de objeto separadamente da mudança de iluminação. Esses cinco clipes gerados independentemente não podem mostrar se o Genie 4 mantém o estado enquanto um usuário se afasta navegando.

O que ainda é desconhecido sobre a consistência do Genie 4

Os materiais de lançamento revisados não publicam um benchmark quantitativo de consistência, uma tolerância numérica para deriva de objetos, execuções repetidas a partir de estados iniciais fixos nem um resultado prático independente para este protocolo. Eles também não fornecem um preço público da API do Genie 4 nos materiais revisados. A ausência nessas fontes não prova que não existam avaliações internas ou dados de testadores; significa que os leitores não podem inspecionar esses resultados aqui.

Várias perguntas úteis permanecem em aberto: Como a consistência varia entre tipos de cena? Uma edição curta e simples de prompt causa menos deriva do que uma cadeia de edições? Quanto a imagem inicial ou a complexidade da cena importa? Os testadores podem resetar para o mesmo mundo e comparar execuções? Com que frequência um objeto muda de identidade, contagem ou localização depois de sair de vista?

A próxima evidência útil seria um relatório de teste que publique os prompts, a rota de acesso, a duração da sessão, o número de tentativas, o caminho de controle, as condições de reset, as gravações e as pontuações por dimensão. Até então, a conclusão mais precisa de um teste de consistência de ambiente e permanência de objetos do Genie 4 é um método, não uma pontuação: o modelo reconheceu deriva relacionada a sessões longas e navegação, enquanto as demonstrações públicas ainda não quantificam com que frequência ela ocorre.

Quando o acesso estiver disponível, execute o pequeno teste do pátio antes de se comprometer com um fluxo de trabalho que dependa de estado persistente. Salve cada gravação e pontue as cinco dimensões separadamente. Isso lhe dá uma linha de base reproduzível e mantém uma demo marcante em seu devido lugar: um motivo para testar, não um substituto para o teste.

Perguntas frequentes

O Genie 4 está disponível publicamente?

As páginas oficiais verificadas em 28 de outubro de 2026 o descrevem como uma prévia de pesquisa para testadores confiáveis, com acesso mais amplo planejado por meio do Project Genie e de parceiros de acesso antecipado. Verifique a página atual do Genie 4 antes de planejar uma execução, pois o acesso à prévia pode mudar.

O Google publicou um benchmark de consistência do Genie 4?

Os materiais oficiais de lançamento revisados para este artigo não fornecem uma pontuação numérica de consistência nem resultados repetidos de permanência de objetos. Eles divulgam que detalhes visuais e a permanência de objetos podem sofrer deriva ao longo do tempo, especialmente durante sessões mais longas, após edições complexas ou durante a navegação.

O movimento de câmera conta como um teste de permanência de objetos?

É uma condição útil, mas registre se o objeto foi totalmente escondido e se a câmera retornou a uma visão comparável. Uma órbita de câmera que nunca oclui o objeto testa mais a consistência de ponto de vista do que a persistência fora de vista.

Um modelo de geração de vídeo pode testar permanência de objetos em um mundo interativo?

Não. Ele pode testar se um objeto parece estável dentro de um clipe gerado. Ele não pode estabelecer que um mundo interativo retém estado depois que um usuário muda de posição, age sobre o ambiente ou retorna em uma parte posterior de uma sessão.