Genie 4 soll interaktive Welten samt Ton und sprechenden Figuren in Echtzeit simulieren. Dabei planen Gemini-Modelle im Hintergrund mit, was in der Simulation als Nächstes passiert. Vorerst dürfen nur ausgewählte Tester das Weltmodell ausprobieren.
Google Deepmind hat Genie 4 vorgestellt, den Nachfolger des im August 2025 gezeigten Genie 3. Ein Weltmodell erzeugt keine fertigen Videos, sondern berechnet eine Umgebung fortlaufend Bild für Bild und reagiert auf Eingaben. Nutzer bewegen sich mit der Tastatur durch die Szene und lenken das Geschehen per Text.
Laut Google Deepmind ist Genie 4 das erste Echtzeit-Weltmodell des Unternehmens, das Ton direkt mit erzeugt. Jede Welt habe ihre eigene Geräuschkulisse, etwa Wind in den Bäumen. Hinzu kommen Dialoge: Figuren sollen sich unterhalten und in Echtzeit auf Eingaben oder Ereignisse reagieren.
Den größten Fortschritt beim Realismus sieht Deepmind in der Darstellung von Menschen: Die Figuren sollen sich natürlich bewegen, auf ihre Umgebung reagieren und sich interaktiv steuern lassen.
Gemini lenkt die Simulation im Hintergrund
Laut Deepmind baut Genie 4 auf Fähigkeiten des Videomodells Gemini Omni auf, damit Aussehen und Verhalten der Welt realistisch wirken. Weitere Gemini-Modelle sollen mitplanen und so die Simulation stimmig halten.
Ändert ein Nutzer per Text etwa das Wetter, passe Gemini die Anweisung an die laufende Szene an. Auch zwischen den Eingaben lenke Gemini das Geschehen, damit sich die Welt schlüssig weiterentwickelt.
Wie das funktioniert, beschreibt Deepmind am Beispiel mehrstufiger Abläufe: Gemini 3.8 Flash beobachte die Szene fortlaufend und zerlege ein Ziel in Schritte. Anhand neuer Bilder prüfe das Modell, ob jeder Schritt gelungen sei. Ändert sich die Welt oder greift der Nutzer ein, passe es den Plan an.
Deepmind experimentiert zudem mit Gemini 4 Argon, um die Arbeit an Genie mit seiner Robotik-Forschung Gemini Robotics zusammenzubringen. In einer Demo zerlegt Argon die Aufgabe, Dame zu spielen, in Schritte. Genie 4 erhält sie als Textanweisungen und simuliert daraus, wie der humanoide Roboter Apollo von Apptronik spielt. Eine echte Maschine ist daran nicht beteiligt.
Genie 4 ist weiter ein frühes Forschungsmodell
Deepmind bezeichnet Genie 4 als frühes, experimentelles Modell. Über kurze Sitzungen bleibe die Welt zwar stimmig. Bei längeren Simulationen oder nach mehreren komplexen Prompt-Änderungen könnten sich aber visuelle Details verschieben, und Gegenstände blieben nicht zuverlässig erhalten.
Auch an komplexen physikalischen Interaktionen, präzisem Ton in Echtzeit und lesbarem Text werde noch geforscht.
Vorerst steht Genie 4 als Forschungsvorschau nur ausgewählten Testern zur Verfügung. Bald soll das Modell auch Abonnenten von Google AI Ultra in der Web-App Project Genie erreichen, außerdem Partner mit frühem Zugang zur Gemini API und zu Google AI Studio.
Alle Videos und Tonspuren sollen Googles Wasserzeichen SynthID tragen, das KI-generierte Inhalte unsichtbar markiert.
Ausgereift könnten Weltmodelle als Trainingsumgebungen dienen, in denen Roboter und KI-Agenten aus simulierter Erfahrung lernen statt nur aus Daten. Die Kopplung von Gemini und Genie sieht Deepmind als frühen Schritt zu hybriden Weltmodellen, die das Schlussfolgern von Sprach- und Code-Modellen mit Simulation auf Pixelebene verbinden.
KI-News ohne Hype – von Menschen kuratiert
Mit dem THE‑DECODER‑Abo liest du werbefrei und wirst Teil unserer Community: Diskutiere im Kommentarsystem, erhalte unseren wöchentlichen KI‑Newsletter, 6× im Jahr den "KI Radar"‑Frontier‑Newsletter mit den neuesten Entwicklungen aus der Spitze der KI‑Forschung, bis zu 25 % Rabatt auf KI Pro‑Events und Zugriff auf das komplette Archiv der letzten zehn Jahre.
