20 November 2026 tahun Google DeepMind mengumumkan ketersediaan versi baru model Gemini 4 dan Genie 4, yang secara substansial memperluas kemampuan generasi simulasi dunia yang realistis dan penerapannya dalam pelatihan robot. Pembaruan ini bertumpu pada pengembangan sebelumnya di bidang model dunia dan sistem vision-language-action, tetapi menghadirkan peningkatan kunci dalam hal real-time dan multimodalitas.
Genie 4 merupakan model dunia yang natively multimodal, yang menghasilkan tidak hanya adegan visual dalam resolusi hingga 720p pada 24 fps, tetapi juga konten audio yang tersinkronisasi: suara ambient, musik, dan dialog karakter. Model ini mengintegrasikan kemampuan Gemini Omni untuk anchoring simulasi di dunia nyata dan varian Gemini lainnya untuk menjaga koherensi dan kesinambungan adegan. Pengguna dapat memengaruhi simulasi secara real-time melalui prompt teks — mengubah cuaca, memasukkan objek atau karakter — sementara komponen Gemini menyesuaikan perubahan secara kontekstual dan memantau kewajaran fisiknya.
Di bidang robotika, peran kunci dimainkan oleh Gemini 4 Argon, yang bertindak sebagai mesin simulasi. Ia menghasilkan ribuan variasi simulasi berbasis adegan video nyata, menciptakan digital twin dan mempercepat generalisasi keterampilan. Hal ini memungkinkan pengembangan Gemini Robotics 2.5 — model VLA paling canggih hingga saat ini. Menurut data DeepMind, model ini menunjukkan peningkatan keberhasilan penyelesaian tugas sebesar 30–100 % tergantung pada jenisnya dan percepatan eksekusi sebesar 20–30 % dibandingkan versi sebelumnya, yang diuji pada lebih dari 200 tugas, termasuk penanganan objek yang dapat berubah bentuk dan alat yang tipis.
Metodologi evaluasi mencakup baik uji laboratorium maupun uji coba nyata, misalnya pada lini produksi Mercedes-Benz dengan robot Apptronik Apollo 2, yang mencapai keberhasilan 96 % dalam tugas perakitan komponen. Namun, DeepMind tidak mempublikasikan benchmark terperinci dibandingkan dengan model eksternal, dan fokusnya diletakkan pada metrik internal serta steerability — kemampuan menghindari bahaya secara real-time. Hal ini menyisakan pertanyaan tentang reproduksibilitas dan perbandingan dengan pendekatan paralel dari laboratorium lain, seperti karya OpenAI atau Boston Dynamics dalam embodied AI.
Dalam lanskap model dunia, Genie 4 dibangun di atas Genie 3, menggandakan durasi simulasi yang koheren dan menambahkan native audio, yang membedakan pendekatan DeepMind dari generator murni visual seperti Runway. Integrasi dengan Gemini 4 Argon untuk robotika menciptakan siklus tertutup: simulasi mempercepat pelatihan model VLA, dan model tersebut pada gilirannya meningkatkan kualitas simulasi. Ini merupakan pergeseran strategis dibandingkan iterasi sebelumnya, di mana data dikumpulkan terutama di dunia nyata.
Konsekuensi hilirnya mencakup percepatan pengembangan kecerdasan fisik: robot beradaptasi lebih cepat terhadap lingkungan baru, yang membuka jalan menuju penskalaan industri. Namun, masih belum jelas sejauh mana keterampilan dapat digeneralisasi di luar 200 tugas yang diuji dan bagaimana model menangani skenario agen jangka panjang tanpa verifikasi tambahan.
Pertanyaan terbuka menyangkut verifikasi independen atas peningkatan yang diklaim dan dampaknya terhadap keamanan — DeepMind merilis benchmark ASIMOV-Jailbreak, di mana Argon menunjukkan ketahanan 99,5 %, tetapi risiko nyata di lingkungan yang tidak terkendali memerlukan penelitian lebih lanjut oleh komunitas.
Dengan demikian, kombinasi Gemini 4 dan Genie 4 menggeser penekanan dari model terisolasi ke siklus simulasi-pelatihan terintegrasi, yang membuat langkah berikutnya dalam embodied AI lebih terjangkau.

