Daglig AI-brief, 28 okt: Genie 4 lanseras med begränsad åtkomst när Gemini Robotics ER 2 öppnar i förhandsversion

Google lade två fysiska AI-modeller i förhandsversion inom tjugofyra timmar den här veckan, och man reglerade åtkomsten till dem på motsatta sätt. Genie 4, Google DeepMind:s världsmodell som genererar en styrbar scen med synkroniserat ljud, tillkännagavs den 27 oktober 2026 för en begränsad grupp betrodda testare, med en väntelista och utan publicerat pris. Gemini Robotics Embodied Reasoning 2 — ER 2, den högnivåplanerare för robotar som Google Cloud samma dag gjorde tillgänglig som offentlig förhandsversion — levereras med ett modell-ID, en dokumentationssida och en anmälan som alla Cloud-kunder kan slutföra. Båda är förhandsversioner. Bara en av dem har en dörr som du kan gå igenom idag.

Den asymmetrin är veckans story, mer än någon av modellerna i sig. Google bygger upp de två halvorna av en fysisk AI-stack: en världsmodell som kan tillverka erfarenhet, och en förkroppsligad resonemangsmodell som kan planera mot verkliga robotar. Halvorna annonserades med en dags mellanrum och distribueras av två olika delar av företaget under två olika åtkomstregimer. Det följande är ett sammandrag, inte en recension – varje siffra nedan är märkt med vem som producerade den.

Punkt 1 – Genie 4, och de tre påståendena som gör jobbet

DeepMind-inlägget innehåller få siffror men många påståenden om kapacitet. Tre av dem är viktiga:

• Inbyggt ljud. Genie 4 genererar omgivningsljud, musik och interaktiv dialog i samma genomkörning som bildrutorna, i stället för att eftersynkronisera en tyst simulering efteråt. Det är den första DeepMind-världsmodellen som gör detta.

• Live-styrning. En skriven instruktion kan flytta kameran, ändra vädret eller introducera en karaktär medan världen körs, och en Gemini-modell anpassar instruktionen efter det som just nu visas på skärmen.

• Ett längre fönster. Siffran som cirkulerar är ungefär två minuters scennkonsekvens, dubbelt så mycket som Genie 3. Den siffran kom från lanseringsbriefingar, inte från bloggen: Googles egen text säger att modellen upprätthåller "korta sessioner" och anger ingen varaktighet skriftligt. Behandla två minuter som en rapporterad siffra med en leverantör bakom sig, inte som en specifikation.

Den strukturella utökningen är lättare att missa än ljudet. Gemini Omni förankrar simuleringen i verkligt utseende och beteende, och Gemini 3.8 Flash sitter i loopen, bevakar genererade bildrutor, bryter ner ett mål i steg och planerar om när scenen avviker. I den demo som Google valde att offentliggöra delade Gemini 4 Argon upp en uppgift som Genie 4 sedan simulerade i realtid, medan en Apptronik Apollo-humanoid spelade dam. Det är en annan produkt än en videogenerator: en generator svarar på en prompt med ett klipp, medan en generator plus en planerare svarar på ett mål med en sekvens av kontrollerade tillstånd.

Det Google inte publicerade är lika betydelsefullt som det som publicerades. Det finns ingen upplösning, ingen bildfrekvens, inget parameterantal, ingen latensmätning, inget benchmarkresultat och inget pris. Varje jämförelse av typen "Genie 4 är mer realistisk" som publicerats den här veckan är en jämförelse av demofilmer och funktionslistor, eftersom ingen utanför gruppen av betrodda testare har mätt utdata. Google erkänner dock felmoderna: detaljer och objektpermanens förskjuts i längre sessioner och efter upprepade redigeringar, den rumsliga noggrannheten är inte perfekt, text i den genererade världen är ofta oläslig och ljudnoggrannheten är fortfarande olöst. All genererad video och allt genererat ljud har ett SynthID-vattenmärke.

Punkt 2 – Gemini Robotics ER 2, som du faktiskt kan anmäla dig till

ER 2 är inte ny som modell den här veckan – Google introducerade den den 30 juli 2026 i en begränsad privat förhandsvisning – men tillkännagivandet den 27 oktober är det som förändrar vem som kan använda den. Den finns nu i offentlig förhandsvisning på Gemini-plattformen via Model Garden och går att prova i Agent Studio, med modell-ID gemini-robotics-er-2-preview.

Google positionerar det som en robots övergripande hjärna snarare än en styrenhet. Det tar rumslig och tidsmässig videoförståelse, långsiktig planering och säkerhetsmekanismer och packar in dem i ett orkestreringslager: utvecklare deklarerar lågnivågränssnitt för styrning – vision-språk-handlingsmodeller, navigerings-API:er, anpassade funktioner – som verktyg, och ER 2 planerar ovanpå dem. Det klassificerar även uppgiftens förlopp, vilket är det som gör att en robot kan upptäcka att ett steg misslyckades och försöka igen utan att starta om hela arbetsflödet.

De siffror som leverantören rapporterar och som Google lyfter fram:

• Exakt lokalisering av händelseram — 91,3 % noggrannhet vid identifiering av den exakta bildrutan där en kritisk händelse inträffar, med ett genomsnittligt absolut bildruteavstånd på 0,96 sekunder.

Körningshastighet – 4x, beskrivs som "en bråkdel av beräkningskostnaden för många större modellkategorier." Ingen baslinje anges i meningen, så multipeln är riktningsgivande snarare än jämförbar.

• Instrumentavläsning – 10+ kategorier, inklusive cirkelformade mätartavlor, synglas, digitala displayer, linjära skalor och vätsketermometrar, som avläses direkt från visuell indata.

• Säkerhet – 97,9 % för efterlevnad av säkerhetsinstruktioner och 93,0 % för mänsklig närhet vid en tröskel på en meter, enligt Googles egen säkerhetsrapportering. Fysiska skydd som nödstopp, barriärer och kraftbegränsningar är fortfarande operatörens ansvar; poängen beskriver resonemang, inte hårdvara.

Det finns ingen prislista i själva tillkännagivandet, bara en länk till prissidan. För en förhandsmodell är det normalt, och det är också den siffra som ett inköpsteam behöver först.

Mönstret bakom de två objekten

Lästa tillsammans beskriver tillkännagivandena en stack som byggs offentligt och säljs privat. En världsmodell är bara användbar för robotträning om den kan generera tillräckligt med varierad, återställningsbar erfarenhet för att ha betydelse; en robotplanerare är bara användbar om den kan utvärderas mot något annat än ett fast videokorpus. Google riktar uppenbart de två mot varandra. Det är lika uppenbart att företaget inte är redo att överlämna någon av dem till en okontrollerad kund: Genie 4 är endast för testare, ER 2 är endast förhandsvisning, och ingen av dem har ett datum för allmän tillgänglighet.

Det väcker en praktisk fråga för alla som bygger på stacken: vilka delar är anropbara nu?

• Kan inte anropas. Genie 4, tills väntelistan öppnar eller ett avtal om tidig åtkomst med en partner kommer på plats. Gemini Robotics ER 2, om du inte är beredd att bygga mot en offentlig förhandsversion på Google Cloud.

• Anropbar idag. Gemini Robotics ER 1.6 preview finns i OrcaRouters katalog, och detsamma gäller Gemini 3.8 Flash – samma modell som Google anger som in-loop-agenten som kontrollerar Genie 4:s bildrutor och planerar om. Ingen av dem är världsmodellen. Båda är resonemangshalvan i pipeline, och de kan användas nu i stället för efter en väntelista.

OrcaRouter dirigerar dessa via ett enda API över 200+ modeller, med leverantörernas listpriser vidarebefordrade utan påslag, så en prisändring från Google når vår katalog samma dag som den publiceras. Automatisk failover är viktigare än vanligt här: en modell på förhandsvisningsnivå kan bli hastighetsbegränsad eller dras tillbaka, och en andra leverantör bakom samma anrop är skillnaden mellan ett experiment och ett avbrott. Routing-DSL är det andra alternativet när en pipeline behöver planeraren och en separat modell för verifiering i ett sammansatt anrop. Vi hostar inte Genie 4, och ingenting i denna briefing bör tolkas som en väg till den.

Vad skulle ändra den här briefen?

Fyra händelser skulle flytta Genie 4 ut ur "demo"-kolumnen och till något som ett team kan budgetera för: ett publicerat datablad med upplösning och bildfrekvens; ett pris för Gemini API-nivån; en första oberoende mätning från utanför gruppen av betrodda testare; och att Project Genie levererar Genie 4 till AI Ultra-prenumeranter, vilket är den enda konsumentyta som Google har namngivit. Den motsvarande händelsen för ER 2 är en prislista och ett datum för allmän tillgänglighet.

Tills dess är den ärliga sammanfattningen att Google under samma vecka har tillkännagivit den mest kapabla världsmodellen man har byggt och den mest användbara robotplaneraren man har lanserat, och placerat den mer imponerande av de två bakom en väntelista. Den du kan anropa i dag är det mindre tillkännagivandet. Det är oftast så det ser ut under förhandsveckor.