Genie 4 يحمل مخرجًا داخل حلقة التوليد

وصل Genie 4 من Google في 27 أكتوبر مصحوبًا بادعاء عالٍ: أول نموذج عالمي يولّد صوته الخاص أثناء توليد عالمه الخاص. ريح، وأمواج، وموسيقى تصويرية، وشخصيات تردّ عليك، كل ذلك في تمريرة واحدة، دون وحدة صوت منفصلة تُضاف لاحقًا.
هذا هو العنوان الرئيسي. وهو أيضًا، في رأيي، الجزء الأقل إثارة للاهتمام في الإصدار.
الأهم هو من يقود. Genie 4 لا يكتفي باستلام وصف والمضي قدمًا. يعمل ومعه Gemini 3.8 Flash داخل الحلقة كوكيل مرشد، يشاهد الإطارات وهي تُنتَج، ويقسّم الهدف إلى خطوات، ويتحقق هل حدثت كل خطوة فعلًا، ويعيد ترتيب الخطة حين تقاطعه. تسمّي Google هذا الترتيب نموذجًا عالميًا هجينًا: Gemini يستنتج ما ينبغي أن يحدث بعد ذلك، وGenie يرسم كيف يبدو وكيف يُسمع.
بمجرد أن يجلس مشرف داخل حلقة توليد النموذج نفسه، يتوقف المنتج عن كونه مولّد فيديو ويصبح بيئة تشغيل محاكاة صغيرة. هذا يغيّر ما يمكنك أن تطلبه منه، ويغيّر ما ينكسر حين تطلبه.
ما الذي صدر فعليًا
الآلية، بكلام واضح:
صوت أصلي. الصوت المحيط، والموسيقى، والحوار التفاعلي تخرج من خطوة التوليد نفسها مع الصورة. الشخصيات تتفاعل مع ما تكتبه ومع أحداث المشهد. توصيف Google أن الصوت ليس زينة تُضاف لاحقًا، بل جزء من سلوك العالم.
تحكم فوري باللغة الطبيعية. أثناء تشغيل المحاكاة يمكنك تغيير الطقس، أو تحريك الكاميرا، أو إدخال شخصية أو جسم جديد. يُفسَّر الوصف مقابل المشهد الحالي لا بمعزل عنه. اكتب «مطر» فتحصل على مطر يناسب الضوء والأرض التي تقف عليها.
تماسك مضاعف تقريبًا. يبقى المشهد متماسكًا نحو دقيقتين، مقابل دقيقة تقريبًا في Genie 3. هذا الرقم أهم مما يبدو. دقيقتان تكفيان لبناء مشهد قصير؛ ودقيقة تكفي لإثبات عرض تجريبي.
الفيزياء والأجساد. تقول Google إن الديناميكا الهوائية والتصادمات، وحركة الإنسان خصوصًا، تحسّنت. الشخصيات تتفاعل مع محيطها بدل أن تنزلق خلاله.
SynthID على المسارين. الفيديو والصوت يحملان علامة مائية.
حلقة المخرج هي الميزة الحقيقية
هنا الجزء الذي يستحق التوقف. في أداة فيديو توليدية عادية، تكتب وصفًا، وتنتظر، ثم تحكم على النتيجة. النموذج لا يعرف إن كان نفّذ ما طلبته. في Genie 4، يفحص Gemini 3.8 Flash الإطارات باستمرار مقابل الهدف المعلن. إن قلت «يمشي الرجل إلى الباب ويفتحه»، فهناك من يراقب داخل النظام هل فُتح الباب فعلًا، ويعدّل إن لم يُفتح.
هذا نوع مختلف من الموثوقية. وهو أيضًا نوع مختلف من الكلفة. كل خطوة تحقق هي استدلال، وكل تصحيح تمريرة أخرى. لا يناقش إعلان Google كلفة التشغيل، وهذا في العادة إشارة إلى أن الجواب «كثيرة، في الوقت الحالي».
عرضت Google الترتيب أيضًا في تجربة روبوتات، حيث فكّك Gemini 4 Argon طلب المستخدم إلى سلسلة خطوات، ثم أرسل إلى Genie 4 تعليمات فورية لبناء المشهد المقابل. هذا استخدام النموذج كبيئة تدريب، لا كلعبة. وهو أيضًا أوضح تصريح بالنية في الإصدار كله: العميل المستهدف من نموذج عالمي فوري ليس صانع أفلام يبحث عن لقطة أرخص، بل فريق روبوتات يحتاج عشرة آلاف نسخة من مطبخ.

كيف تقوده، بالنظر إلى ما يسمعه
التحكم أضيق مما يوحي مربع الوصف، لذا يفيد أن تعرف أي رافعات موجودة. يمكنك تغيير الطقس، وتحريك الكاميرا، وإدخال شخصيات أو أجسام، كل ذلك أثناء المحاكاة. ولا يمكنك، بحسب ما عرضته Google، أن تسلّمه قائمة لقطات وتتوقع أن يلتزم بعلامات محددة.
هذا يعني أن الطريقة المنتجة للعمل حوارية وتدريجية: ابدأ بمكان وفعل واحد، شاهد عشر ثوانٍ، ثم عدّل متغيرًا واحدًا في المرة. اطلب مطرًا وانظر هل تستجيب الأرض. حرّك الكاميرا وتحقّق هل يتبعها الصوت. أدخل شخصًا وراقب هل يبقى لبقية التشغيل.
تعديل شيء واحد في المرة أبطأ من كتابة وصف طويل، وهو الطريقة الوحيدة لمعرفة أين ينتهي فهم النموذج للسببية. في اللحظة التي تُنتج فيها ثلاثة تغييرات معًا شيئًا خاطئًا، لن تعرف أيها كسره.
القائمة الصادقة لما لا يزال ينكسر
توثيق Google نفسه أصرح من معظم منشورات الإطلاق، والتحفظات محددة.
التفاصيل البصرية وثبات الأجسام ينزلقان. شغّل المحاكاة طويلًا، أو عدّل الوصف عدة مرات، أو تمشَّ كثيرًا، فتختفي أشياء كانت موجودة أو يتغير شكلها. من استخدم نموذجًا عالميًا أكثر من تسعين ثانية رأى هذا: تستدير فيكون المبنى خلفك قد أعاد ترتيب نفسه بهدوء.
التفاعل الفيزيائي المعقد لا يزال مهتزًا. وعرض النص المقروء لا يزال سيئًا، وهذا يهم أكثر مما يتوقع الناس — اللافتات والملصقات هي طريقة المشهد في الإشارة إلى مكانه. الدقة المكانية تقريبية. والصوت يُولَّد في الزمن الحقيقي، أي أنه معقول لا صحيح؛ باب يُغلق على يسار الكادر لن يبدو صوته بالضرورة كذلك.
وهو معاينة بحثية. مختبِرون موثوقون أولًا، ثم مشتركو Google AI Ultra عبر Project Genie، ثم شركاء وصول مبكر في Gemini API وAI Studio. هناك قائمة انتظار. ولا يوجد سعر معلن. إن كنت تقرأ هذا وتريد استخدامه غدًا، فلا يمكنك.
ما يصلح له فعلًا الآن
المعاينة البصرية قبل التصوير هي الاستخدام الواضح، وGoogle تقول ذلك. يمكن للمخرج أن يدخل موقعًا مولَّدًا، ويحرّك الكاميرا، ويغيّر الضوء، ويعدّل سطر حوار دون بناء الديكور. لمشهد سيُصوَّر لاحقًا فعليًا، هذه ساعة مفيدة بحق.
تصميم الألعاب والمراحل ثانيًا. لا لإصدار مرحلة، بل للمشي في نسخة خشنة منها لمعرفة هل تعمل خطوط الرؤية.
الروبوتات وتدريب الوكلاء ثالثًا، وهو المجال الذي يقف خلفه أكبر مال. بيئة آمنة ومتغيرة بلا نهاية تستطيع فيها سياسة تدريب أن تفشل عشرة آلاف مرة أثمن من عرض تجريبي جميل.
وما لا يصلح له بعد هو أي شيء مرتبط بتسليم. دقيقتان من التماسك، وأجسام تنزلق، ونص غير مقروء: لا تصمد أمام مراجعة عميل.
النمط الذي يستحق المتابعة
قبل ثلاث سنوات كان النموذج العالمي أثرًا بحثيًا ينتج مقطعًا مهتزًا من خمس ثوانٍ. العام الماضي صار منتجًا ينتج دقيقة. هذا العام ينتج دقيقتين، مع صوت، ويتجادل مع نفسه هل المشهد يسير كما طلبت.
الخطوة التالية ليست دقائق أكثر. بل نموذج يمسك مشهدًا ما دمت تكلمه، ويعرف متى يتوقف ويسأل. Genie 4 معاينة لذلك، بكل خطوط اللحام ظاهرة.
إن كنت تصنع أشياء لكسب العيش، فالخطوة العملية هذا الشهر ليست التسجيل والانتظار. بل أن تلاحظ أي جزء من عملك هو «تحديد ما يجب أن تكون عليه اللقطة» وأي جزء هو «صناعة اللقطة». الجزء الأول حصل للتو على مساحة تمرين أرخص بكثير. والثاني ما زال لك.
مقالات ذات صلة
جدول نقرات يديره المجتمع يطفئ الإعلانات داخل بناءات أندرويد الصينية
لا يمس النظام، ولا يفتح القفل، ولا يكتب أي شيء على الجهاز. يقلب فقط المفاتيح التي عرضتها الشركات أصلاً. الثمن قائمة يجب أن يظل أحدهم يكتبها.
GPT Image 2.6 أبقى على سعر الرموز ورفع الفاتورة
أبقى GPT Image 2.6 على كل أسعار الرموز كما كانت في 2.5، ومع ذلك صارت الصورة الواحدة أكثر كلفة، لأن جزءاً أكبر من العمل يجري الآن في رموز الإخراج. بعد أحد عشر يوماً من الإطلاق، تقول بنية التسعير أكثر مما تقوله لوحة الصدارة.
أحدهم أعاد بناء IDM من الخارج وكتب ما لم يمسّه
إعادة تنفيذ بلغة Rust لبرنامج Internet Download Manager تزعم سرعة أكبر بخمسة أضعاف ودعماً لـ 86 لغة. والوثيقة الأكثر إثارة للاهتمام هي الفقرة التي تشرح كيف بُني المشروع دون نسخ أي شيء.
Rune إطار عمل UI بلغة Rust صُمم كي يستطيع الوكيل التحقق من عمله
يرسم Rune بلا واجهة، ويفرّغ شجرة عناصره، ويقبل إدخالًا مكتوبًا، ما يمنح وكيل البرمجة إشارة قابلة للمقارنة لا تقدمها لقطة الشاشة أبدًا. الإطار في مرحلة ما قبل الإصدار ولا يستقبل pull requests.