Codzienny przegląd AI, 28 paź: Genie 4 debiutuje z ograniczonym dostępem, a Gemini Robotics ER 2 otwiera się w wersji zapoznawczej

Google udostępnił do podglądu dwa modele fizycznej AI w ciągu dwudziestu czterech godzin w tym tygodniu i udostępnił je na przeciwnych zasadach. Genie 4, model świata od Google DeepMind, który generuje sterowalną scenę ze zsynchronizowanym dźwiękiem, został zapowiedziany 27 października 2026 r. dla ograniczonej grupy zaufanych testerów, z listą oczekujących i bez opublikowanej ceny. Gemini Robotics Embodied Reasoning 2 — ER 2, wysokopoziomowy planer robotów, który Google Cloud tego samego dnia udostępnił w publicznym podglądzie — obejmuje identyfikator modelu, stronę dokumentacji oraz rejestrację, którą może ukończyć każdy klient Cloud. Oba są podglądami. Tylko jeden z nich ma drzwi, przez które można dziś wejść.

Ta asymetria jest historią tygodnia bardziej niż którykolwiek z modeli osobno. Google składa dwie połowy stosu AI fizycznej: model świata, który potrafi wytwarzać doświadczenie, oraz model rozumowania ucieleśnionego, który potrafi planować w odniesieniu do rzeczywistych robotów. Połowy ogłoszono w odstępie jednego dnia i są udostępniane przez dwie różne części firmy w ramach dwóch różnych trybów dostępu. Poniższy tekst to krótka notatka, a nie recenzja — przy każdej liczbie poniżej wskazano, kto ją podał.

Punkt 1 — Genie 4 i trzy twierdzenia, które robią robotę

Wpis DeepMind zawiera mało liczb, a wiele twierdzeń o możliwościach. Trzy z nich mają znaczenie:

• Natywne audio. Genie 4 generuje dźwięki otoczenia, muzykę i interaktywny dialog w tym samym przebiegu co klatki, zamiast później dubbingować cichą symulację. To pierwszy model świata DeepMind, który to robi.

• Sterowanie na żywo. Wpisane polecenie może przesunąć kamerę, zmienić pogodę lub wprowadzić postać, gdy świat działa, a model Gemini dostosowuje polecenie do tego, co jest aktualnie na ekranie.

• Dłuższe okno. Krążąca liczba to około dwóch minut spójności sceny, czyli dwukrotnie więcej niż w Genie 3. Liczba ta pochodzi z briefingów premierowych, a nie z bloga: sam tekst Google’a mówi, że model utrzymuje „krótkie sesje”, i nigdzie nie podaje czasu w formie pisemnej. Dwie minuty należy traktować jako zgłoszoną wartość, za którą stoi dostawca, a nie jako specyfikację.

Dodatek strukturalny łatwiej przeoczyć niż audio. Gemini Omni zakotwicza symulację w rzeczywistym wyglądzie i zachowaniu, a Gemini 3.8 Flash działa w pętli, obserwując wygenerowane klatki, rozkładając cel na kroki i planując ponownie, gdy scena odbiega od założeń. W upublicznionym przez Google demo Gemini 4 Argon rozłożył zadanie, które Genie 4 następnie symulowało w czasie rzeczywistym, a humanoid Apptronik Apollo grał w warcaby. To inny produkt niż generator wideo: generator odpowiada na polecenie klipem, natomiast generator z planistą odpowiada na postawiony cel sekwencją zweryfikowanych stanów.

To, czego Google nie opublikowało, ma równie duże znaczenie jak to, co opublikowało. Nie ma rozdzielczości, liczby klatek na sekundę, liczby parametrów, pomiaru opóźnień, wyniku testu porównawczego ani ceny. Każde opublikowane w tym tygodniu porównanie typu „Genie 4 jest bardziej realistyczny” jest porównaniem pokazów demonstracyjnych i list funkcji, ponieważ nikt spoza grona zaufanych testerów nie zmierzył wyników. Google przyznaje jednak rodzaje awarii: szczegółowość i trwałość obiektów z czasem dryfują w dłuższych sesjach oraz po wielokrotnych edycjach, dokładność przestrzenna jest niedoskonała, tekst w świecie często jest nieczytelny, a dokładność dźwięku pozostaje nierozwiązana. Wszystkie wygenerowane filmy i dźwięki zawierają znak wodny SynthID.

Punkt 2 — Gemini Robotics ER 2, na który można się faktycznie zapisać

ER 2 nie jest w tym tygodniu nowością jako model — Google wprowadziło go 30 lipca 2026 r. w ograniczonej prywatnej wersji zapoznawczej — ale ogłoszenie z 27 października jest tym, które zmienia, kto może z niego korzystać. Jest teraz dostępny w publicznej wersji zapoznawczej na platformie Gemini za pośrednictwem Model Garden i można go wypróbować w Agent Studio, z identyfikatorem modelu gemini-robotics-er-2-preview.

Google pozycjonuje to jako wysokopoziomowy mózg robota, a nie kontroler. Elementy takie jak rozumienie przestrzenne i czasowe wideo, planowanie długoterminowe oraz zabezpieczenia ochronne (guardrails) zostają objęte warstwą orkiestracji: deweloperzy deklarują niskopoziomowe interfejsy sterowania — modele vision-language-action, API nawigacji, niestandardowe funkcje — jako narzędzia, a ER 2 planuje na ich podstawie. System klasyfikuje także postęp zadania, co pozwala robotowi zauważyć, że dany etap się nie powiódł, i ponowić go bez restartowania całego workflow.

Dane liczbowe podane przez dostawcę, którymi Google się wyróżnia:

• Precyzyjne lokalizowanie klatki zdarzenia — 91,3% dokładności w identyfikowaniu dokładnej klatki, w której zachodzi zdarzenie krytyczne, przy średniej bezwzględnej odległości między klatkami wynoszącej 0,96 sekundy.

• Szybkość wykonania — 4x, opisywana jako „ułamek kosztu obliczeniowego wielu większych kategorii modeli”. W zdaniu nie wskazano poziomu odniesienia, więc mnożnik ma charakter orientacyjny, a nie porównawczy.

• Odczyt wskazań przyrządów — ponad 10 kategorii, w tym tarcze okrągłe, wzierniki, wyświetlacze cyfrowe, skale liniowe i termometry cieczowe, odczytywane bezpośrednio z danych wejściowych wizualnych.

• Bezpieczeństwo — 97,9% w zakresie przestrzegania instrukcji bezpieczeństwa i 93,0% w przypadku zbliżenia człowieka na odległość jednego metra, zgodnie z własnymi raportami bezpieczeństwa Google. Fizyczne zabezpieczenia, takie jak wyłączniki awaryjne, bariery i limity siły, nadal pozostają w gestii operatora; wyniki opisują rozumowanie, a nie sprzęt.

W samym ogłoszeniu nie ma karty stawek, jedynie link do strony z cenami. W przypadku modelu w wersji zapoznawczej jest to normalne, a jednocześnie jest to liczba, której zespół ds. zakupów potrzebuje w pierwszej kolejności.

Wzór kryjący się za tymi dwoma elementami

Czytane razem, te zapowiedzi opisują stos technologiczny, który jest budowany jawnie i sprzedawany prywatnie. Model świata jest przydatny do trenowania robotów tylko wtedy, gdy potrafi generować wystarczająco zróżnicowane doświadczenie, które można resetować, by miało ono znaczenie; planista robotów jest przydatny tylko wtedy, gdy można go oceniać względem czegoś innego niż stały korpus wideo. Google wyraźnie kieruje te dwa elementy ku sobie. Równie wyraźnie nie jest gotowy oddać żadnego z nich do rąk nieweryfikowanego klienta: Genie 4 jest dostępny tylko dla testerów, ER 2 tylko w wersji preview, a żaden z nich nie ma daty ogólnej dostępności.

To pozostawia praktyczne pytanie dla każdego, kto buduje na tym stosie: które części można teraz wywołać?

• Nie można wywołać. Genie 4 — dopóki nie zostanie otwarta lista oczekujących lub nie zostanie zawarta umowa partnerska dotycząca wczesnego dostępu. Gemini Robotics ER 2 — chyba że jesteś gotowy budować w oparciu o publiczną wersję zapoznawczą w Google Cloud.

• Dostępne już dziś. Gemini Robotics ER 1.6 preview znajduje się w katalogu OrcaRouter, podobnie jak Gemini 3.8 Flash — ten sam model, który Google wskazuje jako agenta w pętli, sprawdzającego klatki Genie 4 i planującego ponownie. Żaden z nich nie jest modelem świata. Oba stanowią rozumową połowę potoku i można z nich skorzystać już teraz, a nie dopiero po liście oczekujących.

OrcaRouter kieruje te zapytania przez jedno API do ponad 200 modeli, przekazując ceny listowe dostawców z 0% marży, więc zmiana ceny Google trafia do naszego katalogu w dniu jej publikacji. Automatyczne przełączanie awaryjne ma tu większe znaczenie niż zwykle: model z warstwy podglądowej może podlegać limitom szybkości lub zostać wycofany, a drugi dostawca stojący za tym samym wywołaniem to różnica między eksperymentem a awarią. DSL routingu jest drugą opcją, gdy potok wymaga planisty i osobnego modelu do weryfikacji w jednym złożonym wywołaniu. Nie hostujemy Genie 4 i niczego w tym dokumencie nie należy interpretować jako drogi do niego.

Co zmieniłoby ten brief?

Cztery wydarzenia przeniosłyby Genie 4 z kolumny „demo” do kategorii, na którą zespół może zaplanować budżet: opublikowana karta specyfikacji z rozdzielczością i liczbą klatek na sekundę; cena dla poziomu Gemini API; pierwszy niezależny pomiar spoza grona zaufanych testerów; oraz udostępnienie Genie 4 subskrybentom AI Ultra przez Project Genie, który to jest jedynym konsumenckim kanałem, jaki Google wymienił. Równoważnym wydarzeniem dla ER 2 jest cennik i data ogólnej dostępności.

Do tego czasu uczciwe podsumowanie jest takie, że Google w tym samym tygodniu ogłosił najbardziej zaawansowany zbudowany przez siebie model świata oraz najbardziej użyteczny wdrożony przez siebie planer robota, a ten bardziej imponujący z tych dwóch umieścił za listą oczekujących. Ten, którego można użyć już dziś, to mniejsza zapowiedź. Zazwyczaj tak właśnie wyglądają tygodnie zapowiedzi.