Gå iväg, vänd tillbaka: Behåller Genie 4 samma värld?

Du går förbi en klarröd vattenkanna, svänger in bakom en vägg och kommer tillbaka. Står samma kanna fortfarande vid bänken? Det är den användbara frågan bakom ett Genie 4-test av miljökonsistens och objektpermanens. Per den 28 oktober 2026 har Google DeepMind medgett att visuella detaljer och objekt kan glida under längre sessioner, efter komplexa promptändringar eller under utforskning. Deras lanseringsexempel visar styrning i realtid, men de fastställer inte en repeterbar konsistenspoäng. Den här guiden ger dig ett kontrollerat test att köra när du har tillgång, och skiljer officiella demonstrationer från resultat som fortfarande behöver oberoende mätning.

Viktiga slutsatser

• Genie 4 är en forskningsförhandsvisning, och de granskade offentliga materialen innehåller inget numeriskt konsistensbenchmark.
• Följ objektets identitet, antal, position, utseende och scenlayout separat över ocklusion, kamerarörelse, ändringar och förfluten tid.
• En polerad demo illustrerar en förmåga; upprepade, loggade försök krävs för att mäta tillförlitlighet.
• En videomodell kan hjälpa till att undersöka kontinuitet på klippnivå, men den kan inte testa en interaktiv världs beständiga tillstånd.

Referensbild för femklippsfallet med växthuset nedan. Den blå fjärilen, den gyllene månformade upphängningen, järnbågen och marmorpiedestalen är de detaljer som ska jämföras mellan klippen. Den här genererade startbilden är inte ett Genie 4-testresultat.

Vad miljökonsistens innebär i Genie 4

”Konsistens” kan beskriva flera olika saker. En värld kan se övertygande ut i en bildruta men ändå misslyckas med att bevara ett objekt över en sväng. Den kan hålla en röd kanna synlig men ändra form, duplicera den eller flytta den till andra sidan bänken. En användbar utvärdering registrerar dessa dimensioner separat i stället för att sätta ett vagt godkänt eller underkänt på hela scenen.

För ett enkelt objektpermanenstest, definiera målet före körningen. I exemplet nedan är målet exakt en klarröd metallvattenkanna på marken bredvid en träbänk. Kannan är tillräckligt särpräglad för att hitta igen, medan bänken ger ett stabilt landmärke för att mäta relativ position.

Objektpermanens är snävare än övergripande scenskvalitet. Den frågar om ett objekt fortsätter att existera med en stabil identitet och ett stabilt tillstånd när det är dolt eller utanför den aktuella vyn. Miljökonsistens omfattar också den omgivande geometrin, visuella detaljer och konsekvenser av ändringar. Rapportera de två separat: ett objekt kan bestå medan bakgrunden glider, eller innergården kan förbli stabil medan objektet ändras.

Denna distinktion är viktig när man utvärderar en världsmodell för spelprototypning eller agentforskning. En utvecklare kan acceptera en bakgrundsvariation under tidig konceptutforskning, men ett objekt som teleporterar efter att en spelare har gått bakom en vägg kan ogiltigförklara ett pussel, en rutt eller en interaktionssekvens. Testet bör matcha kostnaden för det misslyckandet i det avsedda arbetsflödet.

Vad Google har avslöjat om Genie 4-drift

Google DeepMind beskriver Genie 4 som en interaktiv världsmodell i realtid som kan svara på tangentbordsnavigering, kamerakontroller och textpromptar. I sitt lanseringsinlägg säger företaget att den kan styra en scen medan den utvecklas och visar exempel på promptstyrda ändringar och navigering (Google DeepMind-meddelande, oktober 2026). Dessa exempel fastställer vad de offentliga demonstrationerna är avsedda att visa. De tillhandahåller inte upprepade försök, ett fast seed, uppmätta objektkoordinater eller en godkännandefrekvens för tester av återkomst till scenen.

Samma meddelande nämner den relevanta begränsningen direkt: visuella detaljer och objektpermanens kan förskjutas eller glida över tid. Det sägs bli mer märkbart när en simulering körs längre, efter flera komplexa promptändringar eller medan man navigerar runt i scenen. Produktsidan tillägger att Genie 4 stöder några minuters kontinuerlig interaktion snarare än längre sessioner, och listar långsiktig konsistens som ett område under pågående arbete (Genie 4-modellsida).

Den formuleringen ger testare en användbar uppsättning villkor att variera: förfluten sessionstid, antal och komplexitet på ändringar samt avstånd eller omfattning för navigering. Den säger inte hur ofta en vattenkanna kommer att flytta sig, hur mycket visuell förändring som räknas som ett fel, eller hur Genie 4 står sig mot ett annat system under samma villkor. Dessa frågor kräver ett operationellt test och offentliga observationer.

Åtkomststatusen påverkar också vad som kan hävdas. De officiella sidorna beskriver en forskningsförhandsvisning för betrodda testare, med bredare åtkomst planerad via Project Genie och partners för tidig åtkomst. Tillgängligheten kan ändras, så bekräfta den aktuella åtkomstvägen innan du behandlar detta protokoll som något varje läsare kan köra. Artikeldatumet anger när denna status kontrollerades; det är inte ett påstående att förhandsvisningen kommer att förbli stegvis utrullad i oändlighet.

Ett repeterbart Genie 4-test för objektpermanens

Använd först en enkel scen och ett målobjekt. Utstuderade scener inför extra variabler: personer kan blockera objektet, reflektioner kan ändra dess skenbara färg och flera liknande rekvisita kan göra identiteten svår att bedöma. Börja med innergården, en bänk, en låg mur och en röd vattenkanna. Håll prompten och kontrollsekvensen oförändrade mellan jämförbara körningar.

Använd den här sekvensen när du har tillgång till Genie 4:

1. Skapa startscenen. Ange: ”Skapa en enkel utomhusinnergård med en låg stenmur, en träbänk och exakt en klarröd metallvattenkanna placerad på marken bredvid bänken. Håll layouten tydlig och stabil. Lägg inte till, ta inte bort, flytta inte och duplicera inte objekt om jag inte uttryckligen ber om det.”
2. Registrera referensvyn. Fånga scenen innan du agerar. Notera kannans skärmposition och dess relation till bänken, muren och kamerans orientering. Registrera om startscenen faktiskt innehåller en kanna på den begärda platsen.
3. Dölj och återvänd. Flytta kameran bakom stenmuren och återvänd sedan till den ursprungliga visningspositionen. Undvik en textändring i denna omgång. Kontrollera om kannan fortfarande är ensam, igenkännbar och bredvid samma bänk.
4. Utforska och återvänd. Rör dig runt bänken och tvärs över innergården med samma kontroller varje gång. Återvänd till den ursprungliga positionen. Notera om landmärkena och den relativa positionen överlevde rutten.
5. Tillämpa en isolerad ändring. Be: ”Ändra himlen till mulet grå. Ändra inte innergården, bänken, vattenkannan eller deras positioner.” Kontrollera himmeländringen och poängsätt sedan eventuella orelaterade ändringar separat.
6. Inspektera igen senare. Upprepa återkomstvyn efter ett definierat intervall eller ett loggat antal åtgärder. Registrera förfluten tid och allt som gjorts däremellan. Behandla inte separata sessioner som matchade försök om inte produkten tillhandahåller en reproducerbar återställning eller seed.

Testmatrisen gör att varje omgång besvarar en distinkt fråga. En ren ocklusionsåterkomst testar om målet finns kvar representerat utanför vyn. En rutt testar om rumsliga relationer överlever kamerarörelse. Den isolerade ändringen testar om en uttrycklig ändring spiller över i orelaterat tillstånd. En senare inspektion undersöker förändring över tid. Tillsammans ger dessa kontroller en mer användbar rapport än en enda skärmbild märkt ”konsekvent”.

Registrera upplägget före första körningen

Ett resultat utan sitt upplägg är svårt att tolka. Logga datum, åtkomstväg, sessionens längd, fullständig scenprompt, exakta uppföljningspromptar, använda kontroller och inspelningsmetod. Inkludera testordningen och eventuella pauser. Om gränssnittet visar en seed, återställning eller sessionsidentifierare, registrera den; om inte, skriv ”ingen reproducerbar återställning eller seed observerad.”

Behåll video- eller bildrutefångster med tidsstämplar, särskilt startvyn, ögonblicket då objektet blir ockluderat och återkomstvyn. Dessa inspelningar låter någon annan kontrollera om den skenbara ändringen kom från objektet, kameravinkeln, belysningen eller en tvetydig bildruta. De skyddar också mot minnesbias: efter en visuellt rik session tenderar människor att minnas den avsedda scenen snarare än dess exakta renderade tillstånd.

För en upprepning, återanvänd samma prompt och åtgärder så nära gränssnittet tillåter. Om starttillståndet ändras mellan försöken, rapportera försöken som separata observationer, inte en kontrollerad A/B-jämförelse. Antalet körningar spelar roll. En lyckad återkomst är bevis för en körning; den visar inte att samma utfall är tillförlitligt över sessioner.

Poängsätt drift utan falsk precision

Använd en ordinaletikett för var och en av de fem dimensionerna. Detta är en praktisk bedömningsmall för rapportering, inte ett validerat benchmark eller ett påstående om DeepMinds interna utvärdering. En poäng bör sammanfatta vad inspelningen visar, inte antyda mätning på pixelnivå när ingen sådan utfördes.

Poängsätt identitet, antal, position, utseende och layout oberoende av varandra för varje omgång. Lägg till en tidsstämpel eller bildrereferens och en kort saklig not för varje mindre eller större avvikelse. Om en punkt är ej observerbar, lämna den opoängsatt i stället för att omvandla saknade bevis till ett godkänt. Håll bevisen nära poängen så att läsare kan skilja en mätt observation från ett intryck.

Medelvärdesberäkna inte dessa etiketter till en procentandel. Kategorierna är ordinala, och ett enkelt medelvärde skulle dölja om det kritiska felet var en liten färgförskjutning eller ett duplicerat objekt. Om applikationen behöver ett enda beslut, definiera dess felvillkor först. Till exempel kan en spelmekanik som är beroende av att kannan stannar vid bänken behandla varje större positionsavvikelse som ett fel, medan en tidig moodboard-utforskning kan tolerera mindre utseendeavvikelser.

Vad offentliga Genie 4-demos visar och vad de inte kan bevisa

Google säger att dess lanseringsinspelningar visar interaktioner i realtid där människor navigerar med standardkontroller och styr scener med text. De är användbara för att förstå den avsedda interaktionsloopen: prompa en värld, flytta kameran och ändra en scen medan den fortsätter. De är dock utvalda demonstrationer, och de officiella sidorna identifierar dem inte som upprepade objektpermanensförsök.

Ett klipp kan visa att ett objekt förekommer i två ögonblick. Utan ett dokumenterat starttillstånd, en uttrycklig ocklusion, en återkomst till samma kameraposition och upprepade körningar kan det inte visa hur ofta objektet består eller hur mycket det förändrades utanför vyn. En utvald inspelning kan också utelämna tid mellan ögonblicken. Behandla lanseringsmaterial som kvalitativa kapacitetsbevis, inte som ett kontrollerat benchmark.

Denna gräns är särskilt viktig eftersom meddelandet självt rapporterar driftförhållanden. Det offentliga materialet erbjuder en ärlig utgångspunkt för utvärdering, men lämnar den centrala tillförlitlighetsfrågan öppen. En noggrann artikel eller labbanteckning bör märka bevis som ”officiell demonstration”, ”enkel praktisk körning” eller ”upprepat praktiskt resultat”. Dessa märkningar hindrar läsare från att missta en kategori för en annan.

När nuvarande bevis räcker för ett arbetsflödesbeslut

För konceptutforskning kan den relevanta frågan vara om ett team snabbt kan iterera över atmosfär, kamerariktning eller en utforskningsbar scen. En förhandsvisning som producerar en övertygande utgångspunkt kan vara användbar även om en rekvisita förskjuts, förutsatt att teamet behandlar resultatet som ett utkast och inte lovar stabilt tillstånd. DeepMind beskriver kreativ riktning och prototypning av interaktiva upplevelser bland de områden som betrodda testare utforskar, samtidigt som man positionerar modellen som tidig forskning.

För agentutvärdering, spelmekanik eller en simulering vars utfall beror på beständigt objekttillstånd räcker inte en lanseringsdemo. Ett team bör kräva upprepade tester av exakt den interaktion som spelar roll, med scenen, kontrollerna, sessionens längd och feltröskeln nedskrivna. Om en uppgift beror på exakta objektpositioner eller komplexa interaktioner mellan flera agenter är dessa separata tester; en lyckad ocklusionsomgång för ett enskilt objekt kan inte fastställa dem.

En praktisk beslutsregel är att matcha beviskravet mot konsekvensen av drift:

• Låg konsekvens: Använd genererade världar för att utforska visuell riktning eller grova interaktionsidéer. Håll en människa i loopen och räkna med manuell reparation.
• Måttlig konsekvens: Prototypa en mekanik först efter upprepade körningar av dess kärnobjekt och kamerasekvens. Logga återställningar, nya försök och fel fall.
• Hög konsekvens: Förlita dig inte på offentliga lanseringsklipp eller en isolerad omgång. Kräv uppgiftsspecifik validering, stabilt sessionsbeteende och ett sätt att återskapa starttillståndet innan världen behandlas som en pålitlig simulering.

Detta är inte en dom över att Genie 4 inte kan stödja krävande användningar. Det är en beslutsgräns baserad på de offentliga bevis som för närvarande finns tillgängliga. När förhandsvisningsåtkomst expanderar och oberoende tester dyker upp kan team ersätta denna försiktiga tröskel med data från sina egna uppgifter.

Ett femklipps-kontinuitetsfall: fjärilslyktan i växthuset

Den enkla innergården ovan är det kontrollerade testet. Ett mer krävande kreativt fall frågar om en rikt utklädd karaktär, en rörlig kamera och en folkrik bakgrund kan samexistera med ett stabilt målobjekt. Föreställ dig ett skymningsväxthus fyllt av turkosa fönsterrutor, korallfärgad bougainvillea, magenta orkidéer, bärnstenslampor och reflektioner i ett vått mosaikgolv. En dansare med kopparfärgad fläta och jadegrön broderad jacka följer en böjd bana genom rummet. Målet är exakt en ultramarin glasfjärilslykta med ett litet gyllene månformat handtag, hängande från vänstra sidan av en svart järnbåge ovanför en vit marmorpiedestal. Den måste förbli där med samma färg, form och handtag genom hela sekvensen.

Om du har tillgång till Genie 4, skapa denna värld en gång och spela in fem på varandra följande tio-sekunderssegment medan du navigerar genom den. Behåll samma session; återskapa inte en ny värld för varje segment. Segment 1 etablerar referensvyn. Segment 2 döljer lyktan bakom lövverk och återvänder. Segment 3 cirklar runt bågen och kommer tillbaka från en ny riktning. Segment 4 ändrar endast himmel och ljus. Segment 5 återvänder efter ytterligare rörelse. Spara kamerabanan och tidsstämplar och poängsätt identitet, antal, position, utseende och layout mot segment 1. Dessa är föreslagna åtgärder, inte resultat från en genomförd Genie 4-körning.

För en proxy för visuell kontinuitet som du kan skapa själv på Atlas Cloud, använd Wan 2.7 Image-to-Video, modell alibaba/wan-2.7/image-to-video. Dess publicerade läge stöder tio-sekundersklipp och styrning från första bildrutan. Skapa en noggrant komponerad referensbild och använd den sedan som första bildruta för klipp 1; använd varje klipps sista bildruta som första bildruta för nästa klipp när den kontrollen är tillgänglig. Begär fem separata tio sekunder långa, tysta klipp i 16:9 och konvertera varje färdigt klipp till sin egen GIF. Dela inte upp ett källklipp i fem GIF:ar. Den fullständiga prompten för referensbilden och fem tidsatta videopromptar finns i det medföljande prompt-arket. Klippen kan avslöja visuell drift inom eller mellan klipp; de kan inte mäta om Genie 4 minns en interaktiv värld.

De fem klippen nedan visar en referensvy, en ocklusion, en kamerarutt, ett försök till ljusändring och en senare återkomst. Varje GIF kommer från ett separat tio sekunder långt källklipp. De illustrerar vad som ska inspekteras; de fastställer inte en Genie 4-konsistenspoäng.

1. Referensvy. Kameran sänker sig och rör sig i en båge mot dansaren medan hon vänder sig, ler och gestikulerar mot den blå fjärilen. Bågen, marmorpiedestalen, den månformade upphängningen och fjärilen syns tillsammans, vilket ger de senare klippen en jämförelsepunkt.

Klipp 1: Spara öppningsvyn och den tydliga slutvyn som referens för objektets identitet, antal, position och layout.

2. Ocklusion och återkomst. Kameran rör sig genom lövverk medan dansaren kliver runt piedestalen. Fjärilen lämnar vyn kortvarigt och dyker sedan upp igen bredvid samma båge och piedestal. Jämför dess blå vingmönster och gyllene månformade upphängning före och efter hindret.

Klipp 2: Den viktiga observationen är fjärilens utseende och upphängningspunkt vid återkomsten, inte enbart dansarens rörelse.

3. Kamerarutt. Kameran färdas genom växthuset, ändrar vinkel mot bågen och följer dansaren när hon sträcker sig mot ett svävande kronblad. Den blå fjärilen förblir ett synligt rumsligt landmärke i de samplade vyerna.

Klipp 3: Jämför fjärilen, bågen och piedestalen från den ändrade vinkeln innan du bedömer om layouten flyttade sig.

. Endast ljusändring. Den begärda ändringen är svalare regnblått ljus genom takfönstret. Inspelningen visar det svalare ljuset under rörelsen ovanifrån, medan slutvyn värms mot den tidigare skymningspaletten. Den synliga ändringen spelar roll när man poängsätter en förmodad ljusändring; den bör inte rapporteras som ett perfekt bibehållet vädertillstånd.

Klipp 4: Inspektera vädret och belysningen separat från fjärilens antal, form och position.

5. Fördröjd återkomst. Dansaren följer en annan böjd bana, vänder tillbaka mot bågen och sträcker ut handen medan kameran zoomar ut. Slutvyn visar återigen en blå fjäril under den månformade upphängningen och ovanför marmorpiedestalen.

Klipp 5: Jämför denna slutvy med klipp 1. Det inskickade materialet är ett exempel på visuell kontinuitet, inte en inspelad interaktiv återkomst i Genie 4.

Den mättade paletten och den uttrycksfulla rörelsen gör exemplet lättare att följa, men reflektioner, blommor, tyg och ändrat ljus skapar också möjligheter till falska intryck. I samplade bildrutor förblir fjärilen igenkännbar vid bågen; det svala regnblå ljuset som begärdes för klipp 4 består inte genom den slutliga återkomsten. En rigorös rapport skulle inspektera hela klippen bildruta för bildruta och registrera eventuell objektdrift separat från ljusändringen. Dessa fem oberoende genererade klipp kan inte visa om Genie 4 bibehåller tillstånd medan en användare navigerar bort.

Vad som fortfarande är okänt om Genie 4-konsistens

De granskade lanseringsmaterialen publicerar inte ett kvantitativt konsistensbenchmark, en numerisk tolerans för objektdrift, upprepade körningar från fasta starttillstånd eller ett oberoende praktiskt resultat för detta protokoll. De tillhandahåller heller inget offentligt pris för Genie 4 API i de granskade materialen. Frånvaro i dessa källor bevisar inte att ingen intern utvärdering eller testardata finns; det innebär att läsare inte kan granska dessa resultat här.

Flera användbara frågor är fortfarande öppna: Hur varierar konsistensen mellan olika scyper? Orsakar en kort, enkel promptändring mindre drift än en kedja av ändringar? Hur mycket spelar startbilden eller scenens komplexitet roll? Kan testare återställa till samma värld och jämföra körningar? Hur ofta ändrar ett objekt identitet, antal eller plats efter att det lämnat vyn?

Nästa användbara bevis skulle vara en testrapport som publicerar prompterna, åtkomstvägen, sessionens längd, antalet försök, kontrollbanan, återställningsvillkoren, inspelningarna och poäng per dimension. Fram till dess är den mest korrekta slutsatsen från ett Genie 4-test av miljökonsistens och objektpermanens en metod, inte en poäng: modellen har medgett drift vid långa sessioner och navigeringsrelaterad drift, medan de offentliga demonstrationerna ännu inte kvantifierar hur ofta den uppstår.

När åtkomst blir tillgänglig, kör det lilla innergårdstestet innan du binder dig till ett arbetsflöde som är beroende av beständigt tillstånd. Spara varje inspelning och poängsätt de fem dimensionerna separat. Det ger dig en reproducerbar baslinje och håller en slående demo på sin rätta plats: en anledning att testa, inte en ersättning för testet.

Vanliga frågor

Är Genie 4 offentligt tillgängligt?

De officiella sidorna som kontrollerades den 28 oktober 2026 beskriver den som en forskningsförhandsvisning för betrodda testare, med bredare åtkomst planerad via Project Genie och partners för tidig åtkomst. Kontrollera den aktuella Genie 4-sidan innan du planerar en körning, eftersom förhandsvisningsåtkomst kan ändras.

Har Google publicerat ett Genie 4-konsistensbenchmark?

De officiella lanseringsmaterial som granskats för den här artikeln ger ingen numerisk konsistenspoäng eller upprepade objektpermanensresultat. De avslöjar dock att visuella detaljer och objektpermanens kan glida över tid, särskilt under längre sessioner, efter komplexa ändringar eller under navigering.

Räknas kamerarörelse som ett objektpermanenstest?

Det är ett användbart villkor, men registrera om objektet var helt dolt och om kameran återvände till en jämförbar vy. En kamerarotation som aldrig ockluderar objektet testar vykonsistens mer än beständighet utom synhåll.

Kan en videogenereringsmodell testa objektpermanens i en interaktiv värld?

Nej. Den kan testa om ett objekt ser stabilt ut inom ett genererat klipp. Den kan inte fastställa att en interaktiv värld behåller tillstånd efter att en användare byter position, agerar på miljön eller återvänder senare i en session.