20 novembre 2026 Google DeepMind ha annunciato la disponibilità delle nuove versioni dei modelli Gemini 4 e Genie 4, che ampliano notevolmente le possibilità di generare simulazioni realistiche del mondo e il loro impiego nell'addestramento dei robot. Questi aggiornamenti si basano sui precedenti lavori nel campo dei modelli del mondo e dei sistemi vision-language-action, ma introducono miglioramenti chiave in tempo reale e nella multimodalità.
Genie 4 è un modello del mondo nativamente multimodale che genera non solo scene visive a una risoluzione fino a 720p a 24 fps, ma anche contenuti audio sincronizzati: suoni ambientali, musica e dialoghi dei personaggi. Il modello integra le capacità di Gemini Omni per ancorare le simulazioni al mondo reale e di altre varianti di Gemini per mantenere la coerenza e la continuità delle scene. Gli utenti possono influenzare la simulazione in tempo reale tramite prompt testuali — cambiare il meteo, introdurre oggetti o personaggi — mentre i componenti Gemini adattano le modifiche in modo contestuale e ne verificano la plausibilità fisica.
Nel campo della robotica un ruolo chiave è svolto da Gemini 4 Argon, che agisce come motore di simulazione. Genera migliaia di esecuzioni simulate variabili basate su scene video reali, creando gemelli digitali e accelerando la generalizzazione delle competenze. Ciò ha permesso di sviluppare Gemini Robotics 2.5 — il modello VLA più avanzato fino ad oggi. Secondo DeepMind, il modello mostra un aumento del tasso di successo nell'esecuzione dei compiti del 30–100 % a seconda del tipo e un'accelerazione dell'esecuzione del 20–30 % rispetto alle versioni precedenti, testate su oltre 200 compiti, inclusa la manipolazione di oggetti deformabili e strumenti sottili.
La metodologia di valutazione comprende sia test di laboratorio sia piloti reali, ad esempio sulle linee di produzione Mercedes-Benz con il robot Apptronik Apollo 2, dove è stato raggiunto un successo del 96 % nel compito di assemblaggio dei componenti. Tuttavia DeepMind non pubblica benchmark dettagliati rispetto a modelli esterni, e l'attenzione è concentrata su metriche interne e sulla steerability — la capacità di evitare pericoli in tempo reale. Ciò lascia aperte questioni sulla riproducibilità e sul confronto con approcci paralleli di altri laboratori, come i lavori di OpenAI o Boston Dynamics nell'embodied AI.
Nel panorama dei modelli del mondo, Genie 4 si basa su Genie 3, raddoppiando la durata delle simulazioni coerenti e aggiungendo l'audio nativo, il che distingue l'approccio di DeepMind dai generatori puramente visivi come Runway. L'integrazione con Gemini 4 Argon per la robotica crea un ciclo chiuso: le simulazioni accelerano l'addestramento dei modelli VLA, e questi a loro volta migliorano la qualità delle simulazioni. Si tratta di un cambiamento strategico rispetto alle iterazioni precedenti, in cui i dati venivano raccolti prevalentemente nel mondo reale.
Le conseguenze a valle includono un'accelerazione dello sviluppo dell'intelligenza fisica: i robot si adattano più rapidamente a nuovi ambienti, il che apre la strada alla scalabilità industriale. Tuttavia resta poco chiaro quanto le competenze siano generalizzabili al di là dei 200 compiti testati e come il modello affronti scenari agentici a lungo termine senza ulteriori verifiche.
Le questioni aperte riguardano la verifica indipendente dei miglioramenti dichiarati e l'impatto sulla sicurezza — DeepMind ha rilasciato il benchmark ASIMOV-Jailbreak, in cui Argon mostra una resilienza del 99,5 %, ma i rischi reali in ambienti non controllati richiedono ulteriori ricerche da parte della comunità.
Pertanto, la combinazione di Gemini 4 e Genie 4 sposta l'attenzione da modelli isolati a circuiti integrati di simulazione e apprendimento, rendendo più raggiungibile il passo successivo nell'embodied AI.

