【2026年10月27日発表】Google DeepMind「Genie 4」登場｜音声も同時に生成する世界モデル、研究プレビュー開始・Google AI Ultra向けは近日公開、できることと未解決の課題を整理

Google DeepMindは2026年10月27日、新しい世界モデル「Genie 4」を発表した。公式ブログによると、音楽・環境音・会話を、映像と同時にリアルタイムで生成できるのが大きな特徴で、DeepMind自身も「音声をネイティブに生成する、同社初のリアルタイム世界モデル」と説明している。
現時点の提供は、信頼できるテスター向けの研究プレビューから。Google AI Ultraの契約者向け（Project Genie）と、Gemini APIやGoogle AI Studioの早期アクセスパートナーには「近日提供」とされている。

この記事では、世界モデルとは何か、Genie 4でできること、公式が認めている課題、まだ公表されていないことを、公式ブログの記載にもとづいて整理する。料金や一般公開の日付は、公式ブログでは確認できなかった。

① 何が発表された？「世界モデル」Genie 4の位置づけ

世界モデルとは、文章や操作の指示に合わせて、動く仮想空間を作り続けるAIのことだ。動画を1本作って終わりではなく、利用者が動かすたびに、その先の景色や出来事をその場で生成していく。ゲームの世界を「AIがリアルタイムで描いている」状態に近い。

DeepMindはGenie 4を「ネイティブにマルチモーダル」なモデルと説明している。つまり、映像だけでなく、音楽、環境音、登場人物との会話も、世界の一部として一緒に作る。公式ブログは、これを同社初の、音声をネイティブに生成するリアルタイム世界モデルだとしている。

仕組みの面では、Gemini Omniが「現実世界の見た目や挙動」を支える役割を担い、Gemini 3.8 Flashが世界の中で進み具合を追い、目標に近づいているかを確認する「案内役のエージェント」として働く、と書かれている。

▼ 発表内容の整理（公式ブログにもとづく）

項目	内容	確度
発表日	2026年10月27日（Google DeepMind公式ブログ）	公式に記載
種類	リアルタイムの世界モデル。音楽・環境音・会話を映像と同時に生成	公式に記載
土台	Gemini Omniが見た目と挙動を支え、Gemini 3.8 Flashが進行を見守る	公式に記載
操作方法	標準的なキーボード操作（移動・カメラ）と、文章での指示	公式に記載
解像度・フレームレート	記載なし	未公表
1回で続けられる時間	記載なし	未公表

※ Google DeepMind公式ブログ「Genie 4: a new generation of world simulation」にもとづく整理。

② できること｜言葉で天気を変え、人や物を足せる

公式ブログが挙げている主な機能は、次のとおりだ。

1つ目は、言葉によるリアルタイムの操作。天気を変える、カメラの動きを指定する、人や物を加える、といった指示を、世界が動いている最中に出せる。

2つ目は、物理と人の動きのリアルさ。空気の流れ、衝突といった物理の表現や、登場する人物が周りの環境に自然に反応する様子が改善点として挙げられている。

3つ目は、音声と会話。世界の中の人物と会話しながら進めることもでき、音楽や環境音も場面に合わせて生まれる。

4つ目は、Geminiと組み合わせた複数手順の出来事の再現。公式のデモでは、Gemini 4 ArgonとGenie 4を、Gemini Roboticsと組み合わせ、Apptronik社のロボット「Apollo」がチェッカーを遊ぶ場面が紹介されている。世界モデルを、ロボットの動きを仮想空間で試す場として使う発想だ。

ここがポイント：ゲームのように遊べるだけでなく、「ロボットや別のAIエージェントが動く練習場」としても位置づけられている点が、公式ブログの特徴だ。ただし、実際の業務にどこまで使えるかは、今回の発表だけでは判断できない。

③ 公式も認める課題｜長く動かすと「ズレる」

公式ブログは、Genie 4を「初期段階で進化中の研究分野」と位置づけ、限界も具体的に書いている。

まず、見た目の細部や、物がそこにあり続けること（オブジェクトの永続性）は、時間とともにずれたり変わったりすることがある。特に、シミュレーションを長く動かしたときや、複雑な指示を何度も重ねたあとに起きやすいという。

そのほか、複雑な物理のやりとり、リアルタイム音声の正確さ、読める形での文字の描画、空間の正確さ、長期間の一貫性が、いまも取り組んでいる課題として挙げられている。

▼ 得意なことと課題の整理（公式ブログにもとづく）

分類	項目	公式の記載
できること	言葉による操作	天気、カメラ、人や物の追加をリアルタイムで指示
できること	音声	音楽・環境音・会話を映像と同時に生成
できること	物理と人の動き	空気の流れや衝突、人物の自然な反応
課題	長時間の安定性	見た目の細部や物の存在が、時間とともにずれることがある
課題	複雑な指示の重ね	編集を何度も重ねるとずれやすい
課題	文字・空間・物理	読める文字の描画、空間の正確さ、複雑な物理のやりとりは研究課題

※ Google DeepMind公式ブログの記載にもとづく。数値による性能比較は公式ブログに載っていない。

④ 誰が、いつ使える？提供の順番と安全面

公式ブログによると、Genie 4はすでに「信頼できるテスター」向けの研究プレビューとして提供が始まっている。そのうえで、次の2つが「近日提供」とされている。

ひとつは、Google AI Ultraの契約者が使う「Project Genie」。もうひとつは、Gemini APIとGoogle AI Studioでの、早期アクセスパートナー向けの提供だ。公式ブログには、提供を待つためのウェイトリスト（順番待ちの申込み）のリンクが載っている。

安全面では、公式ブログが厳格な安全対策、社内での安全性評価、テスターから始める段階的な公開を挙げている。また、生成された映像と音声には、すべて見分けるための電子透かし「SynthID」が入るとされている。

▼ 提供状況の整理（公式ブログにもとづく）

対象	提供状況	備考
信頼できるテスター	研究プレビュー開始	一般向けではない。ウェイトリストあり
Google AI Ultra契約者（Project Genie）	近日提供	具体的な日付は未公表
Gemini API・Google AI Studioの早期パートナー	近日提供	早期アクセスのみ。料金は未公表
一般ユーザー向けの公開	記載なし	公式ブログに言及なし

※ Google DeepMind公式ブログの記載にもとづく。最新の状況は公式ページで確認を。

⑤ 読むときの注意点｜「未公表」が多い

今回の発表は、できることの説明が中心で、数字で測れる情報はほとんどない。公式ブログには、解像度、フレームレート、1回の連続稼働時間、利用料金のいずれも書かれていない。

一部のまとめ記事には「場面を最長2分維持できる」という趣旨の記載も見られるが、この数字は公式ブログでは確認できなかった。出どころが分からない数字は、そのまま信じず、公式の説明を基準にするのが安全だ。

使う側が確認したいポイントは、次の3つになる。

1つ目は、自分が対象かどうか。いま使えるのは信頼できるテスターだけで、Google AI Ultraの契約者向けは「近日」の段階だ。契約を急ぐ前に、公式の提供開始を待ったほうがよい。

2つ目は、長時間の安定性を期待しすぎないこと。公式自身が「長く動かすとずれる」と書いているため、長い作業や、細部の正確さが必要な用途には向かない可能性がある。

3つ目は、生成物の扱い。映像と音声にはSynthIDが入るとされているので、AI生成であることを前提に、公開や共有のルールを確認しておくとよい。

⑥ まとめ：音声まで作る世界モデルが登場、ただしまだ研究段階

この記事のまとめ

Google DeepMindは2026年10月27日、世界モデル「Genie 4」を発表した
音楽・環境音・会話を、映像と同時にリアルタイムで生成。DeepMindは同社初の音声ネイティブ生成のリアルタイム世界モデルと説明
土台はGemini OmniとGemini 3.8 Flash。デモにはGemini Roboticsとの連携も登場
提供は信頼できるテスター向けの研究プレビューから。Google AI UltraのProject GenieとGemini API／AI Studioの早期パートナーは「近日」
公式も長時間の安定性などを課題と認めている。解像度・連続稼働時間・料金は未公表

生成AIの話題は、文章や静止画、短い動画が中心だったが、今回は「音も出る、動かせる仮想空間」が加わった。ゲームやロボットの訓練など、使い道は広がりそうだが、いまは研究段階で、一般の利用者が自由に触れる状態ではない。この記事は2026年10月29日時点で確認できた、Google DeepMind公式ブログの記載にもとづく。内容は今後更新される可能性があるため、最新の提供条件は公式の発表を確認してほしい。