公開の映像アリーナは、事前に描画された映像にしか投票しないため、リアルタイムの自然言語による操作を測る公開ベンチマークはまだありません。
今日のトレンドに戻る: Googleの「Genie 4」、歩いて回れる世界をAIが作る 今は招待された人だけが利用可
Poly ランキング · 今日のトレンドから
Genie 4の主張を根拠の不足順に評価（2026年）
Googleの公式投稿は、Genie 4の世界は何度も指示を編集するとずれが生じうると述べています。これは同社が前面に出す目玉機能です。一方で、誰かが歩いている最中に世界を編集できる公開ベンチマークは、まだ存在しません。
- 1位：Genie 4のリアルタイム指示操作（天気、カメラ、人や物の追加）
- 10 位まで
01最終リスト
主要なAIがそれぞれ独立して 10 位までのリストを作りました。確認しやすい 1 つの結果です。各順位に理由、出典、その項目を入れた AI の一覧があります。
並び順：AIの合意が多い順です。
明るいバッジは、その AI がこの項目を自分のリストに入れたことを示します。薄いバッジは入れなかったことを示します。
- 1
Genie 4のリアルタイム指示操作（天気、カメラ、人や物の追加）
これが目玉機能ですが、Googleは「複数回の指示編集の後」にずれが生じると述べています。歩行中に世界を編集する公開ベンチマークはなく、外部のテスターで実際に触れた人もいません。
選んだ AI: Claude, Gemini. 選ばなかった AI: ChatGPT, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek.各 AI のリストでの順位: Claude: 1 · Gemini: リストを見る
2つのAIがここに選出 - 2
Genie 4の長期記憶と一貫性
Googleは長期的な一貫性を未解決の課題として挙げています。iWorld-Benchの最高の記憶力スコアは、論文の要約では0.85ですが、公開ランキングでは0.91です。Genie 4はどちらでも試験されていません。
選んだ AI: Claude, Gemini. 選ばなかった AI: ChatGPT, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek.各 AI のリストでの順位: Claude: 5 · Gemini: 1
各 AI の指摘 2
- Claude5 位
2分、Genie 3の2倍。しかしGoogleの投稿は「数分」とだけ書き、長期的な一貫性を未解決の研究として挙げている。
- Gemini1 位
iWorld-Benchで、テストされた14の最先端世界モデルのうち、記憶の対称性0.85を超えたものはゼロ。Googleの「継ぎ目のない帰り道」の約束は、最も大きな未検証のギャップだ。
出典 ↗
2つのAIがここに選出 - 3
AIエージェントとロボットの訓練用Genie 4
エージェント訓練の売り文句は、ヒューマノイドによるチェッカーのデモ1件（アプトロニックのApollo）に頼っています。どちらの回答も、シミュレーションから実機への移行の公表数値は見つけられませんでした。
選んだ AI: Claude, Gemini. 選ばなかった AI: ChatGPT, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek.各 AI のリストでの順位: Claude: 3 · Gemini: 3
各 AI の指摘 2
- Claude3 位
エージェントの訓練の話は、人型ロボットにチェッカーをさせる一つの実験に頼っている。あるコメントでは、Genieは今や操作できる映像生成器に近く見えるという。
出典 ↗ - Gemini3 位
自律ロボットの訓練エンジンとして位置づけられているが、披露に伴ったシミュレーションから実機への方策の移転データは一つも公開されていない。
2つのAIがここに選出 - 4
Genie 4のネイティブ音声と対話
Googleはこれを「音声をネイティブに生成する初のリアルタイム・ワールドモデル」と呼び、音声の正確さはまだ改善中だとしています。あるテスターは、サクソフォンを頼んだのにクラリネットが聞こえたと報告しています。
選んだ AI: Claude, Gemini. 選ばなかった AI: ChatGPT, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek.2つのAIがここに選出 - 5
Genie 4の物理（空気力学、衝突、水）
ザ・ニュー・スタックの見出しは、物理表現は「まだ完全ではない」と伝えています。Googleも、複雑な物理的相互作用を未解決の課題として挙げています。
選んだ AI: Claude, Gemini. 選ばなかった AI: ChatGPT, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek.2つのAIがここに選出 - 6
Genie 4の写実性、照明、質感
この主張は根拠の不足が最も小さいものです。視聴者は照明と質感を評価していますが、「写実的」とされた映像の1本はビデオゲームのように見えました。目隠し形式のアリーナ投票なら、少なくとも録画済みの映像を比べられます。
選んだ AI: Claude, Gemini. 選ばなかった AI: ChatGPT, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek.2つのAIがここに選出 - 7
Genie 4のキャラクターと複数エージェントの振る舞い（Gemini Omniによる基盤設計）
Googleは、独立した複数のエージェントをモデル化することは「依然として未解決の研究課題」だと認めています。Gemini Omniを使ったキャラクターの基盤設計は、Googleのデモ映像にしか登場しません。
選んだ AI: Claude, Gemini. 選ばなかった AI: ChatGPT, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek.各 AI のリストでの順位: Claude: 7 · Gemini: 5
各 AI の指摘 2
- Claude7 位
Googleは、複数の独立したエージェント間の相互作用をモデル化することが「まだ未解決の研究課題」だと認めている。
出典 ↗ - Gemini5 位
Googleは、マルチモーダル推論モデルが非プレイヤーキャラクターの振る舞いを一貫させると主張するが、急速な分岐の後にはマルチエージェントの調整がしばしばずれる。
2つのAIがここに選出 - 8
Genie 4のSynthID透かし
これは性能ではなく手続きに関する主張で、出力が公開されれば確認は容易です。ただし、ライブ配信でも電子透かしが残るかどうかは、第三者によってまだ確認されていません。
選んだ AI: Claude, Gemini. 選ばなかった AI: ChatGPT, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek.各 AI のリストでの順位: Claude: 10 · Gemini: 10
各 AI の指摘 2
- Claude10 位
性能の主張ではなく手続きの主張で、出力が公開されれば最も確かめやすい。
出典 ↗ - Gemini10 位
Googleのデジタル来歴の痕跡は技術的に確立されている。ただし、低遅延のフレーム縮小の後に残るかどうかについては、証拠が不足している。
2つのAIがここに選出 - 9
Gemini 3.8 Flashを使ったGenie 4のイベント計画
推論モデルが計画を立て、各段階を確認し、世界が変わると修正しますが、生成された世界の中で計画にどれだけ従えるかを測った公表テストはありません。
選んだ AI: Claude. 選ばなかった AI: ChatGPT, Gemini, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek.各 AI のリストでの順位: Claude: 4
各 AI の指摘 1
- Claude4 位
推論モデルは計画し、各ステップを確認して修正するが、世界を一貫して保てることを示す公開テストはない。
出典 ↗
1つのAIがここに選出 - 10
映画、報道、教育、ゲーム、工学におけるGenie 4
テスターの分野は5つ挙げられており、映画の「ドラフトモード」や古い写真を世界に変えることなどが含まれます。ただし、テスターの人数も結果も示されていません。一部のテスターは出力を「ぼやけている」と評しています。
選んだ AI: Claude. 選ばなかった AI: ChatGPT, Gemini, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek.各 AI のリストでの順位: Claude: 8
各 AI の指摘 1
- Claude8 位
実際の利用例は挙げられているが、投稿にはテスターの人数、サンプルサイズ、定量的な結果がない。
出典 ↗
1つのAIがここに選出
02知っておきたいこと
AI がリストを作る中で気づいたこと。
コメントした人たちは、Genie 4は画面内のものには一貫性を保つが、物が画面外に出て戻ってくると崩れると述べています。エージェント訓練用のシミュレーターは、まさにその場面がうまく動く必要があります。
計画はGemini、世界の描画はGenieが担当するため、どのモデルがそれぞれの主張の功績に値するのかは判断しにくくなっています。
03集計方法
数式なしで、やさしい言葉で。
1質問
Genie 4の主張上位10件を根拠の不足順に
2対象範囲
世界全体のAIワールドモデル
3評価の観点
- Googleの発表とデモで示された公の主張の強さ
- 独立した報道：記者がテスターに見えたと伝えた内容と、Googleが述べている内容
- ベンチマークの対応範囲：既存の公開テストでその主張を測れるかどうか
- 失敗時の影響：認められている制限が実際の作業で表れた場合に、どれほど害があるか
- Google DeepMind：Genie 4の公式投稿 — 主張とGoogle自身の但し書き（ずれ、物の永続性、音声の正確さ、複数エージェントの相互作用）。解像度、フレームレート、セッション長などは示していません
- クォーツの発表レポート — 誰がアクセスできるか（信頼されたテスターのみ）、キーボードでの移動、Gemini OmniとGeminiの推論モデルの位置づけ、そしてブルームバーグが報じたシミュレーション1回あたり約2分の上限
- シリコンアングルの発表レポート — 展開計画と、Genie 3の上限の2倍とされる2分間の一貫性の時間枠
- アンドロイド・オーソリティの発表レポート — 記者が実際に見られたもの：Googleの自社映像、制限されたアクセス、明示された解像度はなし
4順位をつけた AI
主要なAI：Claude, ChatGPT, Gemini, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek。それぞれが独自に10位までのリストを作り、各順位に出典を示しました。
5順位の決め方
AI ごとに表現が違っても同じ項目は一つとして数えました。より多くの AI がリストに入れ、より上位に置いた項目ほど順位が高くなります。「AI の一致」は、その項目を自分のリストに入れた AI の数を示します。出典は AI 自身が見つけたものだけで、手作業での追加はありません。
04各 AI のリスト
🇺🇸 Claude10 位まで · メモ 3 件
同じ質問に Claude だけが答えたものです。上の最終リストはすべての AI をまとめています。
- 1リアルタイムの自然言語による生きた世界の操作（天候、カメラ、人や物の追加）
目玉の機能は、Google自身が「複数のプロンプト編集」の後に崩れると言うもの。ところが、歩行の途中で世界を編集する公開テストはない。
出典 ↗ - 2ユーザーの入力に応じて変わる対話（ネイティブ音声）
「音声をネイティブに生成する初のリアルタイム世界モデル」。ところがあるコメント投稿者は、サックスを頼んだのにクラリネットが聞こえたという。
出典 ↗ - 3エージェントやロボットの訓練への有用性（SIMA、Gemini Robotics、アプトロニック Apollo のチェッカー）
エージェントの訓練の話は、人型ロボットにチェッカーをさせる一つの実験に頼っている。あるコメントでは、Genieは今や操作できる映像生成器に近く見えるという。
出典 ↗ - 4Gemini 3.8 Flash が導く複雑な出来事のシミュレーション
推論モデルは計画し、各ステップを確認して修正するが、世界を一貫して保てることを示す公開テストはない。
出典 ↗ - 5長時間にわたる一貫性と記憶（約2分）
2分、Genie 3の2倍。しかしGoogleの投稿は「数分」とだけ書き、長期的な一貫性を未解決の研究として挙げている。
- 6物理シミュレーション（空気力学、衝突、流れる水）
ザ・ニュー・スタックの見出しは、物理は「まだ完全には正しくない」と言い、Googleは複雑な物理的相互作用を未解決として挙げている。
出典 ↗ - 7自然に動き、反応し、振る舞うキャラクター（複数エージェントの相互作用を含む）
Googleは、複数の独立したエージェント間の相互作用をモデル化することが「まだ未解決の研究課題」だと認めている。
出典 ↗ - 8映画、報道、教育、ゲーム、エンジニアリングにおける信頼できるテスターとしての価値
実際の利用例は挙げられているが、投稿にはテスターの人数、サンプルサイズ、定量的な結果がない。
出典 ↗ - 9「最もリアル」な写実性、照明、質感
最も検証しやすく、最も裏づけのある主張。コメント投稿者は、照明と素材が前世代より明らかに良くなったと言う。
出典 ↗ - 10生成されたすべての動画と音声へのSynthIDによる透かし
性能の主張ではなく手続きの主張で、出力が公開されれば最も確かめやすい。
出典 ↗
Claude が気づいたこと
Googleの投稿には、解像度、フレームレート、セッションの長さ、テスターの人数が書かれていない。報道で最も具体的な数字である2分は、報道機関の報告に由来する。
ハッカーニュースのコメント投稿者は、Genie 4は画面内にとどまるものには一貫性を保つが、物体が画面外に出て戻ると崩れると言う。まさにエージェント訓練のシミュレーターに必要な場面だ。
売り文句の一部はハイブリッド設計だ。Geminiが構造と計画を担い、Genieが見た目、音、反応を描く。そのため、Geminiモデルの主張とGenieの主張は切り分けにくい。
🇺🇸 Gemini10 位まで · メモ 2 件
同じ質問に Gemini だけが答えたものです。上の最終リストはすべての AI をまとめています。
- 1長期の記憶とループ閉合の対称性
iWorld-Benchで、テストされた14の最先端世界モデルのうち、記憶の対称性0.85を超えたものはゼロ。Googleの「継ぎ目のない帰り道」の約束は、最も大きな未検証のギャップだ。
出典 ↗ - 2ライブでの自然言語による操作とシーンの変化
Artificial Analysisのような対戦式アリーナは、静的なプロンプトの実行を評価する。飛行中に対話的なプロンプトで操作する部分は、第三者のベンチマークでまったく測られていない。
出典 ↗ - 3拡張可能な身体性エージェントの訓練とシムからリアルへの転移
自律ロボットの訓練エンジンとして位置づけられているが、披露に伴ったシミュレーションから実機への方策の移転データは一つも公開されていない。
- 42分間の連続シミュレーションの安定性
Googleは自由に遊べるサンドボックスを強調するが、独立した記者向けの説明では、構造的な幻覚が生じるまでのおよそ120秒という明確な限界が示された。
- 5Gemini Omniによる動的なNPCの対話
Googleは、マルチモーダル推論モデルが非プレイヤーキャラクターの振る舞いを一貫させると主張するが、急速な分岐の後にはマルチエージェントの調整がしばしばずれる。
- 6一人称視点の3D形状と衝突物理
キーボードで環境を移動すると、正式な物理シミュレーターでは許されない、物体のめり込みや境界のすり抜けが見えにくくなる。
出典 ↗ - 7ネイティブで同期した多チャンネル空間オーディオ
対話、足音、空間の音響をリアルタイムで生成するのは、映像だけのライバルより先を行く。ただし、ストリーミング負荷での遅延の代償は公開されていない。
出典 ↗ - 8反応の速いキーボード入力の遅延とカメラ追従
テスターはWASDによる移動が機能することを確認したが、高速な地元の環境の外では、クラウドでのフレーム描画の遅延が大きく変動する。
- 9写実的な照明、天候、体積のある質感
映像で最も検証しやすい主張で、高いリーダーボードの順位に裏づけられている。ただし映画的な照明は、エージェントの機能的な能力への寄与が最も小さい。
出典 ↗ - 10インタラクティブな音声と映像へのSynthIDの透かし
Googleのデジタル来歴の痕跡は技術的に確立されている。ただし、低遅延のフレーム縮小の後に残るかどうかについては、証拠が不足している。
Gemini が気づいたこと
記憶の上限こそ2026年を決定づける技術的な壁だ。iWorld-Benchのテストでは、対話的な世界モデルで記憶の対称性0.85を超えるものはない。これが、ディープマインドのデモ映像が長い周回のナビゲーションを避けている理由を説明する。
Artificial Analysis Video Arenaのような公開のリーダーボードは、非対話的な映像の対戦投票のために作られている。そのため業界全体に、リアルタイムの自然言語による操作を測る公開のベンチマークがない。