DeepMind umumkan Genie 4, model dunia beraudio dengan fisika yang diklaim lebih realistis

Google DeepMind memperkenalkan Genie 4, penerus model dunia (world model) Genie 3. Menurut laporan Ars Technica, model ini diklaim lebih baik dalam menyimulasikan fisika dan manusia. Genie 4 juga menjadi model dunia DeepMind pertama dengan audio bawaan.

Akses akan dibuka bertahap untuk pengembang dan pelanggan paket termahal Google. Belum ada jadwal pasti untuk perluasan akses tersebut.

Apa itu model dunia

Model dunia adalah sistem AI yang menciptakan dunia virtual tanpa lingkungan yang dirender lebih dulu dan tanpa pemrograman elemen interaktif. Pengguna cukup menjelaskan apa yang diinginkan. Model lalu menghasilkan pengalaman itu bingkai demi bingkai, secara waktu nyata, saat pengguna menjelajah.

Hasilnya mudah disangka gim video. Menurut Ars Technica, itulah sebabnya pengumuman Genie 3 tahun lalu membuat saham-saham perusahaan gim anjlok. DeepMind sendiri, menurut laporan itu, tidak memandangnya sebagai gim. Google menilai model dunia sebagai elemen kunci menuju kecerdasan umum buatan (artificial general intelligence/AGI), yakni AI dengan kemampuan setara manusia di berbagai bidang.

DeepMind menyebut teknologi ini dapat menciptakan lingkungan pelatihan tak terbatas bagi robot fisik. Teknologi ini juga disebut dapat mempercepat pembuatan purwarupa di bidang kreatif. Ini adalah klaim perusahaan, dan manfaatnya bergantung pada seberapa akurat model mensimulasikan apa yang diminta pengguna.

Pembaruan utama menurut DeepMind

Genie 4 memakai Gemini 3.8 Flash sebagai agen pemandu yang memecah tujuan dan mengevaluasi setiap bingkai keluaran. Tujuannya menjaga simulasi tetap di jalur, sehingga pengguna bisa berpindah antarlingkungan tanpa kehilangan konteks awal.

Seperti Genie 3, parameter dapat diubah di tengah jalan, misalnya cuaca, penambahan elemen, atau posisi kamera. Gemini membantu mengarahkan simulasi pada tiap perubahan. Ars Technica menyamakan cara kerja ini dengan model penalaran yang membuat perintah internal tambahan untuk mendapatkan keluaran yang tepat.

DeepMind juga mengklaim fisika Genie 4 mencapai tingkat realisme baru, termasuk dalam aerodinamika dan tabrakan. Manusia dalam simulasi disebut tampak tidak terlalu janggal. Gerakan mereka diklaim lebih alami, begitu pula respons mereka terhadap lingkungan yang berubah.

Pembaruan lain adalah audio bawaan. Video akan memiliki suara latar, dan pengguna bisa menentukan unsur audio lewat perintah teks. Lompatan terbesarnya, bila berfungsi sesuai janji, adalah ucapan manusia: DeepMind menjanjikan dialog interaktif yang menyesuaikan diri saat simulasi diubah.

Batasan yang diakui

DeepMind mengakui dunia Genie 4 hanya bertahan konsisten selama beberapa menit sebelum model melupakan bagaimana semuanya bermula. Batas ini relevan bagi pemakaian yang dijanjikan perusahaan sendiri, seperti lingkungan pelatihan robot, bila pemakaian itu membutuhkan sesi panjang.

DeepMind juga menegaskan bahwa model dunia masih merupakan area riset aktif. Ars Technica mencatat Genie 3 tidak pernah berkembang melampaui pengalaman web Project Genie yang sangat terbatas.

Klaim versus yang bisa diamati

Dalam bahan yang tersedia, perbaikan fisika, realisme manusia, dan dialog adaptif semuanya disampaikan sebagai klaim DeepMind. Laporan Ars Technica tidak memuat pengujian independen. Penulisnya juga memberi catatan bahwa lompatan dalam ucapan manusia baru berarti bila benar berfungsi.

Akses publik belum dibuka, sehingga pihak luar belum dapat memverifikasi kualitas fisika, suara, maupun ucapan. Angka kinerja atau tolok ukur juga tidak disebut dalam laporan tersebut.

Ketersediaan dan harga

Google berencana merilis Genie 4 untuk pengembang lewat Gemini API dan AI Studio, tetapi harganya belum diumumkan. Konsumen akan mendapat akses bertahap melalui Project Genie, dimulai dari paket AI Ultra yang harganya mulai 100 dolar AS per bulan.

Google mungkin kelak memperluas akses ke paket AI Pro dan AI Plus. Akses lewat Project Genie akan membatasi apa yang bisa dilakukan pengguna dengan model ini.

DeepMind bekerja dengan kelompok kecil penguji tepercaya menuju rilis yang lebih luas. Akses disebut akan segera diperluas, tetapi belum ada garis waktu spesifik. Peminat akses awal dapat mendaftar di daftar tunggu.

Apa berikutnya

Ada tiga hal yang patut diikuti: harga API, kuota di Project Genie, dan apakah batas konsistensi beberapa menit bisa diperpanjang. Bagi pengembang dan peneliti di Indonesia, harga dalam dolar AS serta pembatasan paket akan menentukan keterjangkauan. Penilaian yang sesungguhnya baru mungkin dilakukan setelah akses terbuka dan pihak independen dapat mengujinya.