코딩맥스

Google DeepMind Genie 4: 프롬프트 한 줄로 만들고 걸어 다니는 실시간 월드 모델

코딩맥스읽는 데 38분AIGoogleDeepMind월드모델Genie
목차

영상이 아니라, 입력을 기다리며 계속 그려지는 화면

FIG 1 · LOOP
키보드 입력: 이동·카메라텍스트 프롬프트: 「비가 내린다」프레임 1프레임 2프레임 3프레임 4프레임 5프레임 6시간지금 생성 중인 프레임
그림 1. 프레임을 1장씩 이어 그리는 동안 들어온 키보드 입력과 텍스트 프롬프트가 다음 프레임부터 반영된다

Google DeepMind가 2026년 10월 27일 공개한 Genie 4 데모는 겉보기엔 잘 만든 AI 영상 모음입니다. 하지만 미리 렌더링해 둔 영상이 아닙니다. 누군가 일반 키보드로 걷고 카메라를 돌리면서 중간중간 텍스트를 쳐서 장면을 바꾼 과정을 그대로 녹화한 것이죠. 날씨를 바꾸라고 하면 날씨가 바뀌고 인물을 넣으라고 하면 인물이 걸어 들어옵니다.

Genie 4 공식 발표 페이지의 헤더 영상 장면

기존 제품과는 "파일이 먼저 있느냐"에서 갈립니다. 기존의 많은 영상 생성 제품은 프롬프트를 받은 뒤 완성된 클립을 돌려줍니다. The Decoder의 설명대로라면 Genie 4는 장면을 프레임 단위로 계속 계산하면서 그 사이에 들어온 입력에 반응합니다. 다음 장면은 아직 존재하지 않고 사용자가 무엇을 누르느냐에 따라 그때그때 만들어집니다.

조작은 두 갈래로 나뉩니다. 이동과 카메라는 키보드가 맡고, 장면을 바꾸는 일은 자연어 프롬프트가 맡습니다. 텍스트 지시는 그대로 들어가지 않습니다. Gemini가 지금 화면에 맞게 다듬은 뒤에 반영합니다. 사용자가 아무것도 입력하지 않는 동안에도 Gemini가 장면을 지켜보면서 세계가 어긋나지 않게 계속 조정합니다.

상세한 아키텍처는 확인한 자료에서 찾지 못했습니다. TechCrunch는 예전에 Genie 3를 auto-regressive 모델이라고 보도했습니다. 그래서 Genie 4도 비슷하게 자기회귀 방식으로 다음 프레임을 예측할 가능성이 있지만 공식적으로 확인되지는 않았습니다.

Genie 3에서 달라진 네 가지, 그리고 공개되지 않은 숫자들

새로 생긴 점은 네 가지입니다. 화면이 실제 사진에 가까워졌습니다. 오디오도 생깁니다. 공식 표현은 "Genie 4 is natively multimodal"이고 음악과 배경 소음, 인터랙티브 대화가 세계와 함께 생성됩니다. DeepMind는 오디오를 네이티브로 만드는 자사 최초의 실시간 월드 모델이라고 소개합니다. 여기에 물리와 사람 동작 표현이 나아졌고 Gemini 모델이 시뮬레이션을 계획하고 감시하는 구조가 붙었습니다.

같은 장면을 Genie 3와 Genie 4로 생성해 나란히 비교한 공식 데모 영상 장면
항목Genie 3Genie 4
화면 사실감비교 기준실제 사진에 가까워짐 (공식 설명)
네이티브 오디오없음배경음·음악·대화를 세계와 함께 생성
물리·사람 동작비교 기준개선 (공식 설명)
Gemini 조향이번과 같은 계획·감시 구조는 확인한 자료에 설명 없음Gemini가 계획·감시
해상도720p확인한 공식 자료에 없음
프레임 속도24 fps확인한 공식 자료에 없음
파라미터 수확인한 공식 자료에 없음확인한 공식 자료에 없음
가격—확인한 공식 자료에 없음

텍스트로 세계에 사건을 일으키는 기능 자체가 새로 생긴 건 아닙니다. Genie 3도 "promptable world events"를 내세웠습니다. 이번에는 그 지시를 Gemini가 받아 장면에 맞게 다듬고 입력이 없는 동안에도 흐름을 지켜봅니다.

표의 아래쪽 절반을 보면 이번 발표의 성격이 드러납니다. Genie 3 발표 때는 해상도와 프레임 속도를 숫자로 밝혔습니다. 이번에는 2026년 10월 28일 기준으로 공식 블로그와 모델 페이지를 확인한 범위에서 그런 숫자를 찾지 못했습니다. 지연 시간도 벤치마크도 보이지 않습니다. "더 사실적이고 물리도 좋아졌다"는 말을 확인할 방법은 지금으로선 데모를 눈으로 보는 것뿐입니다.

Gemini가 계획하고 Genie가 픽셀과 소리를 만든다

FIG 2 · DIAGRAM
사용자 입력텍스트 프롬프트「비가 내린다」키보드이동·카메라Gemini 3.8 Flash계획·감시관찰목표 분해성공 확인재계획세계가 바뀌면 다시 계획Genie 4화면·오디오 생성픽셀 단위, 매 프레임생성된 화면영상·배경음·대화SynthID 워터마크Gemini Omni실제 세계의 외형과움직임에 맞춘다다듬은 프롬프트새 프레임 관찰하이브리드 월드 모델구조와 서사는 Gemini가,픽셀과 소리는 Genie가
그림 2. Gemini 3.8 Flash가 관찰·분해·확인·재계획 4단계를 돌리는 동안 Genie 4는 화면과 소리를 만든다

Genie 4는 혼자 돌아가지 않습니다. 공식 블로그에 따르면 Gemini Omni는 시뮬레이션의 외형과 움직임이 실제 세계에서 벗어나지 않게 붙잡아 둡니다. 다른 Gemini 모델들은 장면이 앞뒤가 맞도록 일관성과 연속성을 추론합니다. 실시간 루프 안에서 'guiding agent' 역할을 맡는 모델은 Gemini 3.8 Flash입니다.

Flash가 하는 일은 사람이 게임을 하며 머릿속으로 하는 일과 비슷합니다. Genie 4가 세계를 그리는 동안 장면을 계속 봅니다. 목표를 여러 단계로 쪼개고 새 프레임이 들어올 때마다 그 단계가 성공했는지 확인합니다. 세계가 예상과 다르게 흘러가거나 사용자가 끼어들면 계획을 다시 세웁니다.

실험실 로봇 팔 시뮬레이션 화면 오른쪽 위에 Gemini의 Reasoning Steps가 표시된 공식 데모 장면

DeepMind는 이 구조를 'hybrid world models'로 가는 첫 단계라고 부릅니다. Gemini가 구조와 서사의 타임라인을 짜고 Genie는 화면이 어떻게 보이고 어떤 소리가 나고 어떻게 반응하는지를 픽셀 단위로 만듭니다. Google의 research director Tejas Kulkarni는 브리핑에서 Gemini가 코드와 텍스트를 쓰고 Genie가 그것을 실시간으로 받아 시뮬레이션하는 하이브리드 모델이 늘어날 것이라고 말했습니다(TechCrunch).

소프트웨어를 오래 만든 사람이라면 익숙한 그림일 겁니다. 게임 로직과 렌더러를 나눠 놓은 게임 엔진을 떠올리면 비슷합니다. 다만 그리는 쪽이 정해진 규칙이 아니라 확률 모델입니다. 뒤에서 나올 한계를 읽을 때 염두에 둘 차이입니다.

체커 두는 로봇 Apollo는 실제로 존재하지 않았다

FIG 3 · STEP
1 / 5
사용자 지시Apollo 휴머노이드가 체커를 두는 장면Gemini 4 Argon작업을 단계로 나눈다123판을 살핀다말을 집는다말을 옮긴다캡션 문구는 설명용 예시캡션 주입Genie 4실시간 렌더링 중Apollo캡션 대기 중캡션: 판을 살핀다캡션: 말을 집는다캡션: 말을 옮긴다프레임마다 캡션을 반영해 장면을 이어 그린다화면 바깥: 실제 로봇은 없다. Apollo는 생성된 픽셀로만 존재한다

사용자가 Apollo가 체커를 두는 장면을 지시하면 Gemini 4 Argon이 이 작업을 여러 단계로 나눈다.

모든 단계 보기
  1. 사용자가 Apollo가 체커를 두는 장면을 지시하면 Gemini 4 Argon이 이 작업을 여러 단계로 나눈다.
  2. 첫 단계가 텍스트 캡션으로 렌더링 중인 Genie 4에 들어가고, 화면 속 Apollo가 판을 살핀다.
  3. 둘째 단계 캡션이 이어서 들어가자 장면 속 Apollo가 말을 집는다.
  4. 셋째 단계 캡션이 들어가고 Apollo가 말을 옮기면서 한 수가 끝난다.
  5. 이 장면은 모두 Genie 4가 만든 화면이며, 화면 바깥에는 실제 로봇이 없다.
그림 3. Apollo 장면은 Gemini 4 Argon이 나눈 단계를 캡션으로 받아 그려졌을 뿐 실제 로봇은 0대였다

발표에서 가장 눈길을 끈 장면은 Apptronik의 휴머노이드 Apollo가 체커를 두는 모습입니다. 그런데 이 장면에 실제 로봇은 없었습니다. The Decoder가 이 점을 짚었습니다.

과정은 이렇습니다. 사용자가 작업을 지시하면 Gemini 4 Argon이 그 작업을 여러 단계로 나눕니다. 그리고 각 단계를 텍스트 캡션 형태로 렌더링 중인 Genie 4에 차례로 끼워 넣습니다. Genie 4는 그 캡션에 맞춰 로봇이 말을 집고 옮기는 장면을 그립니다. 로봇 팔의 모터도, 센서 값도, 실제 체커판도 없습니다.

왼쪽은 Gemini 4 Argon이 만든 12번째 단계 캡션, 오른쪽은 그 캡션대로 Genie 4가 그린 로봇 손이 체커 말을 집는 장면

이게 의미 있는 이유는 로봇 학습의 큰 병목 중 하나가 데이터이기 때문입니다. 실제 로봇을 돌려 실패 사례를 모으는 건 느리고 비쌉니다. 그럴듯한 시뮬레이션 화면을 대량으로 뽑을 수 있다면 체화 AI용 합성 학습 데이터로 쓸 수 있다는 기대가 생깁니다. 다만 그 데이터가 실제 로봇 학습에 얼마나 도움이 되는지는 아직 검증된 결과가 없습니다. 그리고 "그럴듯한 화면"과 "물리적으로 맞는 화면"은 같은 말이 아닙니다. 이 차이는 두 절 뒤에서 다시 다룹니다.

2분인가, 몇 분인가: 지속 시간을 두고 출처마다 말이 다르다

한 장면을 얼마나 오래 일관되게 유지하느냐는 월드 모델에서 가장 중요한 숫자 중 하나입니다. 그런데 이 숫자부터 출처마다 다릅니다.

출처대상지속 시간 표기
Genie 4 공식 모델 페이지Genie 4"a few minutes of continuous interaction, rather than extended sessions"
TechCrunchGenie 4"up to two minutes", 전작의 두 배
Genie 3 공식 발표Genie 3"a few minutes"
TechCrunch Project Genie 기사Project Genie (Genie 3 기반)세션 60초 제한

이상한 점이 보이죠. Genie 3도 공식적으로는 "a few minutes"였습니다. 그렇다면 Genie 4가 "두 배"라는 TechCrunch 보도는 무엇과 비교한 걸까요? 2026년 1월 미국 Ultra 구독자에게 열린 Project Genie의 세션 제한과 비교했다면 계산이 맞습니다. 하지만 이건 추론일 뿐 확인된 내용은 아닙니다. 모델이 일관성을 유지하는 시간과 제품의 세션 제한은 서로 다른 지표일 수 있고 같은 조건에서 잰 숫자인지도 알 수 없습니다. TechCrunch 보도는 브리핑에서 나온 것으로 보이지만 출처를 밝히지 않았습니다.

Project Genie 때 Shlomi Fruchter는 사용 중인 세션마다 칩이 하나씩 전용으로 배정된다고 설명했습니다. 세션 제한이 모델 성능보다 서빙 비용에서 나왔을 수도 있다는 뜻입니다. 그러니 실제로 제품에서 몇 분을 쓸 수 있을지는 모델 페이지의 표현보다 출시 때 붙는 사용량 정책을 봐야 압니다.

데모 영상 안에서도 성이 사라지고 옷이 바뀐다

DeepMind는 한계를 꽤 솔직하게 적어 두었습니다. 모델 페이지와 블로그가 인정한 것만 추려 보면 이렇습니다.

  • 시각적 디테일과 대상 영속성(object permanence), 즉 시야에서 벗어났던 물체가 다시 보일 때도 그대로 유지되는 성질이 시간이 지나면서 흔들립니다. 세션이 길수록, 복잡한 프롬프트 수정이 여러 번 들어갈수록, 장면 안을 많이 돌아다닐수록 심해집니다.
  • 실제 장소를 완벽히 재현하지 못합니다.
  • 읽을 수 있는 글자는 입력 설명에 들어 있을 때만 대체로 나옵니다.
  • 실시간 오디오의 정확도, 복잡한 물리 상호작용과 공간 정확도, 여러 에이전트와 사용자 사이의 상호작용은 아직 연구 중입니다.

공식 데모 안에서도 이런 한계가 보인다는 지적이 나왔습니다. 공개 직후 Hacker News 스레드에 올라온 것으로 정리된 의견들인데, 스레드 원문은 다시 확인하지 못했습니다. 용이 날아가는 장면에서 카메라가 뒤를 돌아보자 성의 오른쪽 일부와 투석기가 사라졌다는 지적이 있었고, 이미 지나친 지점일 뿐이라는 반론도 달렸다고 합니다. 분장실을 걷는 남성의 옷이 왼쪽에서는 회색 수트, 오른쪽에서는 회색 드레스로 보인다는 지적, 대사의 표정과 톤이 장면과 맞지 않는다는 지적도 있었습니다. 입력 반응이 Genie 3보다 오히려 약해 보인다는 의견도 보입니다. 모두 개인 의견이며 검증되지 않았습니다.

Hacker News 댓글: 용을 타고 날다 카메라가 뒤를 돌자 성 오른쪽과 투석기가 사라졌다며 1:25~1:29 구간을 지목
Hacker News 사용자가 성 일부와 투석기가 사라진다고 지적한 구간부터 재생된다

반응이 비판 일색은 아니었습니다. 스테인드글라스로 된 세계, 그림 한 장을 인터랙티브 장면으로 바꾸는 데모에는 감탄이 이어졌다고 합니다. 폐쇄성 비판도 있었습니다. 파라미터 수조차 없이 기술 정보가 하나도 공개되지 않았고 안전 장치는 과하고 사용량 할당은 적을 것이라는 불만이었습니다.

스테인드글라스로 이루어진 세계를 걷는 Genie 4 공식 데모 장면
X에서 Ethan Mollick이 완벽하지는 않지만 놀라운 경험이었다고 평가한 게시물
X에서 얼리 액세스를 받은 Justine Moore가 Genie 4를 큰 진전이라고 평가한 게시물

뒤를 돌아봤더니 아까 있던 건물이 없다. 3D 엔진이라면 버그 리포트감이지만 Genie 4에서는 공식 자료가 먼저 한계로 인정한 현상입니다. 내부에서 장면을 어떻게 기억하는지는 공개되지 않았으니, 지금은 "오래 돌아다니고 많이 고칠수록 앞뒤가 어긋날 수 있다"는 관찰된 성질로 받아들이는 게 맞습니다.

에이전트 시험장으로 쓰면 실패가 누구 탓인지 흐려진다

로봇이나 AI 에이전트를 Genie 4 안에서 학습시키고 시험하자는 아이디어에는 걸리는 점이 있습니다. The New Stack도 비슷한 문제를 제기한 것으로 알려져 있지만 원문은 확인하지 못했습니다. 세션이 길어지면 환경 일관성이 깨집니다. 그러면 에이전트가 테스트에서 실패했을 때, 에이전트가 틀린 건지 시뮬레이터가 세계를 잘못 그린 건지 가려내기 어렵습니다. 에이전트를 반복 테스트한 성능 벤치마크는 확인한 자료에서 찾지 못했습니다. 높은 신뢰성이 필요한 테스트에서 기존 물리 엔진을 대체할 수 있다는 근거도 찾지 못했습니다.

테스트를 해 본 사람이라면 이 문제가 얼마나 괴로운지 압니다. 가끔 실패하는 테스트, 즉 flaky test 하나가 팀 전체의 신뢰를 갉아먹습니다. 시험장 자체가 비결정적이면 정확히 같은 장면이나 행동 궤적을 기대하는 테스트는 불안정해질 수 있습니다. 허용 오차를 두거나, 출력이 달라져도 성립하는 불변조건을 검사하거나, 여러 번 돌려 통계로 판정하는 식으로 검증을 설계해야 합니다.

그래서 쓸 자리와 피할 자리를 나눠 보면 이렇습니다.

  • 맞는 자리: 게임이나 영상의 분위기를 빠르게 잡아 보는 프로토타이핑, 콘셉트 시안, 체화 AI용 합성 데이터처럼 "다양하고 그럴듯한 장면"이 정확성보다 중요한 일입니다.
  • 피할 자리: 같은 입력에 같은 결과가 나와야 하는 회귀 테스트, 충돌이나 하중처럼 물리 정확도가 안전과 직결되는 검증, 몇 분을 넘겨 이어지는 시나리오입니다.
  • 대안: 재현성이 필요하면 고정 시간 간격과 동일한 실행 조건을 통제할 수 있는 기존 물리 엔진 기반 시뮬레이터가 맞습니다. 엔진을 고르는 것만으로 결정성이 보장되지는 않으니 그 조건까지 챙겨야 합니다. 실제 게임을 만든다면 Unity, Unreal, Godot 같은 엔진이 기본입니다. Genie 4 결과물을 3D 에셋이나 이런 엔진의 프로젝트로 내보낼 수 있느냐는 질문도 나왔다고 하는데, 그런 기능은 확인한 공식 자료에서 찾지 못했습니다. 비결정적 엔진은 게임에 맞지 않는다는 반론도 같은 맥락입니다. 다른 월드 모델을 비교해 보고 싶다면 TechCrunch가 언급한 Runway의 GWM Worlds 2가 있습니다. 2026년 9월 3일에 발표됐습니다.

현실적인 조합은 둘을 함께 쓰는 쪽입니다. Genie 4로 아이디어를 넓게 훑고 확정할 것은 결정적인 엔진에서 다시 검증하는 식이죠.

지금 손댈 수 있는 사람은 거의 없다, 순서를 기다려야 한다

FIG 4 · DIAGRAM
지금 열린 것예고된 것 · coming soon리서치 프리뷰trusted tester 대상일부 테스터만 사용할 수 있다그 밖의 사람은 대기자 명단 신청Project GenieGoogle AI Ultra 구독자Gemini APIGoogle AI Studio 포함얼리 액세스 파트너두 갈래 사이 순서는 공식 자료에 없음가격 · 날짜 · 국가 범위확인한 공식 자료에서 공개되지 않음
그림 4. 지금 열린 경로는 trusted tester 대상 리서치 프리뷰 1개이고 나머지 2갈래는 예고 단계다

지금 Genie 4를 써 볼 수 있는 사람은 일부 trusted tester뿐입니다. 리서치 프리뷰입니다. 모델 페이지는 Google AI Ultra 구독자용 Project Genie, 그리고 Gemini API와 Google AI Studio 얼리 액세스 파트너에게 "coming soon"으로 제공하겠다고 예고했습니다. TechCrunch는 롤아웃 시점을 "In the coming weeks"라고 전했습니다. 일반 이용자에게 공개적으로 안내된 신청 경로는 Project Genie 대기자 명단 폼입니다. API 파트너로 접근하는 절차는 따로 확인해야 합니다.

가격, Ultra 구독자 대상 출시 날짜, 국가 범위, 세션 길이 제한은 확인한 공식 자료 어디에도 없습니다. 확인한 발표 자료에는 SDK나 API 호출 예시도 없었습니다. 지금 볼 수 있는 건 공식 자료에 실린 프롬프트 정도인데, 환경과 캐릭터를 나눠 쓰는 형식이 참고가 됩니다. 어디까지나 예시일 뿐, API가 요구하는 형식은 아닙니다.

Text
Environment prompt: A sunlit outdoor courtyard featuring a weathered stone plinth set against a soft-focus background of lush green garden foliage and clear blue sky, bathed in bright, warm afternoon sunlight that backlights airborne droplets in crisp slow motion.

Character prompt: A whole, glossy green-striped watermelon rests in the center of the stone plinth.

생성되는 영상과 오디오에는 모두 SynthID 워터마크가 들어갑니다. 결과물을 외부에 쓸 계획이라면 미리 알아 둘 부분입니다.

게임 업계는 이번에도 주가부터 쳐다봤습니다. Startup Fortune은 Project Genie 이후 Unity 주가가 하루에 22% 넘게 빠졌다고 보도했지만 1차 시세 데이터로는 확인되지 않은 수치입니다. 반면 Seeking Alpha 보도에 따르면 Wedbush는 Take-Two의 최상위 게임들을 두고 Genie가 "a tool, not a competitor"라고 평가했습니다. 지금 공개된 정보만 보면 이 평가가 더 현실에 가깝습니다. 몇 분짜리 비결정적 장면을 만들고 3D 에셋이나 엔진 프로젝트로 내보내는 기능도 확인되지 않은 도구가 당장 게임 엔진의 자리를 차지하기는 어렵습니다.

팀에서 Genie 4 도입을 검토한다면, 계획서에 적기 전에 가격과 세션 길이 정책이 공개됐는지부터 확인하세요. 지금은 둘 다 빈칸입니다. 이 빈칸이 채워져야 데모가 아니라 도구로서 따져 볼 수 있습니다.