Genie 4 発表：リアルタイムでプレイ可能な 3D 世界、ただし当面は利用不可

2026-10-27、Google DeepMind は次世代ワールドモデル Genie 4 を発表した。一言で言えば：操作しながらピクセル単位でリアルタイムにインタラクティブな 3D 世界を生成でき、キーボードと自然言語の両方で操作でき、世界は約 2 分間の一貫性を保つ。ただし先に冷や水を浴びせておくと、現時点ではリサーチプレビューであり、招待されたテスターのみが対象で、公開 API もなく価格も未発表だ。一般の開発者が今できることはただ一つ、waitlist に並ぶことだけである。

できること

• リアルタイムでインタラクティブな 3D 世界を生成：キーボードで前に進めば世界がそれに応じて生成され、自然言語で「天気を嵐に変えて」と言えば世界がそれに応じて変化する
• シリーズ初のネイティブ音声：環境音、音楽、インタラクティブなキャラクターとの対話がすべてリアルタイムに生成され、無音の世界ではなくなった
• 実行中の編集：天気の変更、カメラアングルの切り替え、途中で世界に人や物を追加しても、世界は一貫性を保ち崩れない
• よりリアルな物理：公式デモでは、空気力学、衝突、キャラクターの動作が前世代より自然になっている

報道によれば、メディアが伝えるフレームレートは 24～30 FPS の間だ。公式はフレームレートや解像度を公表していないため、この数値はあくまで参考として扱い、結論とはしない。

最も確かな数字：2 分間のシーン整合性

ワールドモデルの核心的な難題は「自分が何を生成したかを覚えておくこと」だ。Genie 4 は最長約 2 分間のシーン整合性を保て、これは Genie 3（約 1 分）の 2 倍であり、今回の発表で最も確かで比較可能な数字でもある。

沿革を振り返ればこの倍増の重みが分かる：Genie 1（2024 年初頭）はまだ約 1fps の 2D 映像だった；Genie 2（2024 年 12 月）は初めて 3D 世界を生成したが、1 つのシーンは 10～20 秒、360p しか維持できなかった；Genie 3（2025 年 8 月）は初のリアルタイムでインタラクティブなバージョンとなり、720p/24fps、約 1 分の整合性を実現；そして Genie 4 で整合性が倍増し、音声が補完され、物理が強化された。2 年足らずで、スライドショーからプレイ可能なレベルへと進んだのだ。

アーキテクチャ：2 つの Gemini が分担

公式が公開した技術スタックには 2 つの重要な役割がある：

• Gemini Omni が世界の外観と挙動をアンカリングし、生成される世界のスタイルの統一とキャラクター動作の一貫性を保証する
• Gemini 3.8 Flash がループ内のガイド agent として、現在のフレームを観察し、次のステップを計画し、動的に再計画する。いわば世界の背後にいる「監督」である

生成されたすべてのコンテンツには SynthID ウォーターマークが付与される。

現在利用できるのは誰か

ここが最も冷静になるべき部分だ。Genie 4 はリサーチプレビューであり、最初は招待された trusted testers のみが対象となる。公式が公表したロードマップによれば：

• 「今後数週間」で Google AI Ultra サブスクライバー向けに Project Genie を通じて開放される
• 同時に Gemini API と Google AI Studio のアーリーパートナーにも開放される
• 公開 waitlist に並ぶことが可能
• 価格は未発表で、一般開発者への開放時期も未発表

したがってタイトルの「当面は利用不可」は誇張ではない：公開 API もなく、価格もなく、現在どの一般開発者も自社製品に組み込むことはできない。

見逃せない限界

公式および初期の体験レポートはいずれも、いくつかの明らかな弱点を指摘している：

• 物体の永続性は時間とともにドリフトし、置いたものがしばらくすると変形したり消えたりする可能性がある
• 世界内の文字はほぼ読めず、看板やインターフェースはぼやけている
• 物理と音声の精度は完璧ではない

コミュニティには共通の疑問もある：公開ベンチマークがなく、現在の体験判断はすべて公式デモと招待テスターによるもので、第三者による独立検証は当面できない。

コンテンツ制作と agent 開発にとっての意味

コミュニティの現時点での一般的な見方は：Genie 4 の近期最大の価値はゲームではなく、agent やロボットのトレーニング環境として使うことだ。公式デモには一つの例がある：Apptronik のヒューマノイドロボット Apollo が Genie 4 のリアルタイムシミュレーション環境でチェッカーを指し、Gemini 4 Argon が意思決定を行う。ロボットが現実世界で転ぶコストと、シミュレーション世界で転ぶコストは桁違いだ。ワールドモデルは後者を安価にする。

コンテンツ制作者にとって、生成 3D はまだ本番利用には距離がある：2 分間の整合性では完全なレベルを支えられず、世界内の文字が読めないことは大部分の商業シナリオを直接塞いでしまう。今すぐワークフローに組み込めるのは動画と画像の生成であり、Seedance 2.0 のようなモデルはすでにデモ段階を過ぎ、直接試すことができる。

今週は同バッチの速報もいくつか追っている：GPT-6.1 Terra 値下げ、Claude Code / Codex でモデルを切り替える方法、Opus 5.5 と GPT-6.1 Sol の比較。興味があれば併せて読んでほしい。

よくある質問

Genie 4 は API を公開しましたか？

いいえ。現在はリサーチプレビューで、招待されたテスターとアーリーパートナーのみが対象です。API はロードマップ上の約束にすぎず、一般開発者が今できるのは公開 waitlist に並ぶことで、価格も開放時期も未発表です。

Genie 4 と Genie 3 の最大の違いは何ですか？

3 点あります：シーン整合性が約 1 分から約 2 分へ倍増；シリーズ初のネイティブ音声を搭載し、環境音、音楽、キャラクター対話をリアルタイム生成；物理とキャラクター動作が明らかにリアルになり、実行中に自然言語で天気の変更、カメラアングルの切り替え、人や物の追加が可能。

Genie 4 は何に使えますか？

短期的に最も確実な用途は AI agent やロボットのトレーニング環境として使い、シミュレーション環境でほぼゼロコストの試行錯誤を可能にすることです。公式はヒューマノイドロボットがシミュレーション環境でチェスを指す事例をすでにデモしています。一般ユーザー向けのプレイ可能な世界は、公式の位置づけでは長期的な方向性です。

Genie 4 に競合はありますか？

あります。ワールドモデルの分野には Runway、World Labs、Meta、テンセント混元、NVIDIA などのプレイヤーのプロジェクトがあり、各社の進捗と路線は異なります。Google の強みは Gemini ファミリーモデルと計算資源の全体的な連携にあります。

Genie 4 が生成したコンテンツには識別がありますか？

あります。すべてに Google の SynthID ウォーターマークが付与されています。

重要な結論

Genie 4 はワールドモデル分野における確かなアップグレードだ：2 分間の整合性、シリーズ初のネイティブ音声、言語で操作可能なリアルタイム 3D 世界。方向性は明確で、進展の速さも驚異的である。しかし現時点ではリサーチプレビューにすぎず、公開 API も価格もなく、一般開発者が呼び出せるようになるまでにはまだ時間がかかる。コンテンツ制作者にとって、これは生成メディアの進化の方向を示すものだが、今日ワークフローに組み込めるのは依然として Seedance 2.0 のようなすでに公開されたモデルだ。注目に値するが、焦る必要はない。まずは waitlist に並んでおこう。