Google DeepMind veröffentlicht Weltmodell Genie 4 mit Audio, Sprache und zwei Minuten Konsistenz

Was Google veröffentlicht hat

Google DeepMind hat Genie 4 am Dienstag, 27. Oktober, in einer Research Preview veröffentlicht. Genie ist ein Weltmodell, eine Art KI, die eine Umgebung simuliert, die Nutzer mit der Tastatur durchqueren und mit schriftlichen Anweisungen verändern können. Statt jedes Element vorab zu entwerfen, erzeugt das System jedes Bild in Echtzeit aus einer Textbeschreibung. Die erste Version richtet sich an „vertrauenswürdige Tester“, also an die Personen, die frühzeitig Zugang zu Google-Produkten erhalten. Google präsentiert die Technologie als Schritt in Richtung künstliche allgemeine Intelligenz, die sehr unterschiedliche Aufgaben jenseits von Videospielen bewältigen kann.

Genies Entwicklungspfad

Genie 1 erzeugte steuerbare zweidimensionale Umgebungen und wurde im Februar 2024 vorgestellt. Genie 2 wechselte im Dezember desselben Jahres zu 3D, und Genie 3, angekündigt im August 2025, ermöglichte eine realistischere Erkundung in Echtzeit mit 720p und 24 Bildern pro Sekunde.

Keines dieser Modelle war breit verfügbar. Genie 3 war über Project Genie zugänglich, eine experimentelle Web-App, die das Modell mit Nano Banana Pro und Gemini kombinierte. Nutzer mussten mindestens 18 Jahre alt sein und ein Abo von Google AI Ultra besitzen, die Erkundungen waren auf 60 Sekunden begrenzt.

Was die neue Version hinzufügt

Im Vergleich zu Genie 3 verbessert Genie 4 laut DeepMind die Simulation von Kollisionen und Aerodynamik sowie von Bewegung und menschlichen Reaktionen. Die auffälligste Neuerung ist natives Audio, das zusammen mit den Bildern erzeugt und in die Umgebung eingebaut wird, etwa Wind in den Bäumen oder Wellen, die an einem Strand brechen. Das Modell erzeugt zudem menschliche Sprache und interaktiven Dialog, sodass Figuren miteinander sprechen und auf Ereignisse in der Simulation reagieren können. Nutzer können mitten in der Simulation Eingaben tippen, um das Wetter oder den Kamerawinkel zu ändern oder neue Personen und Objekte hinzuzufügen.

Das Konsistenzfenster ist die klarste numerische Veränderung. Genie 4 hält eine Szene bis zu zwei Minuten konsistent, doppelt so lange wie der Vorgänger, der etwa eine Minute erlaubte.

Genie 31

Genie 42

Genie 3

1 Minuten

Genie 4

2 Minuten

Daten aus dem Artikeltext

Geminis Rolle und bekannte Grenzen

Gemini ist enger in Genie 4 integriert. Das System nutzt Gemini-Omni-Fähigkeiten, um den Realismus zu verbessern, und stützt sich auf Gemini 3.8 Flash als Supervisor, der die Szene beobachtet, Schritte plant und Bilder prüft, während Genie die Visuals erzeugt. In einem Forschungsversuch im Zusammenhang mit Gemini Robotics zerlegte das System Aufgaben in Schritte, die Genie 4 in Echtzeit simulierte – ein möglicher Weg, Roboterszenarien zu testen, bevor sie in der physischen Welt stattfinden. Tejas Kulkarni, Forschungsdirektor bei Google, beschrieb die Richtung in einem Briefing.

„Was wir in Zukunft zunehmend sehen werden, sind diese hybriden Weltmodelle, bei denen man eine Kombination aus Gemini hat, das Code und Text schreibt“

Die Grenzen sind klar. Google warnt, dass sich Details und Objektpermanenz mit längerer Simulationsdauer verändern können. Berichte zum Start merken an, dass das Modell nach etwa zwei Minuten zu vergessen beginnt, was es gezeigt hat.

Anwendungen, Konkurrenz und Zugang

Google bewirbt Genie 4 für die Vorvisualisierung für Filmemacher, das Prototyping von Spielideen und den Aufbau von Trainingsszenarien für Roboter und KI-Agenten, die die Folgen ihres Handelns lernen können, bevor sie in der physischen Welt agieren. Vertrauenswürdige Tester verweisen auf das Prototyping von Filmen als mögliche neue Anwendung.

Bloomberg ordnet die Veröffentlichung vor dem Hintergrund von Anlegersorgen ein und merkt an, dass die Technologie Investoren von Videospielfirmen verunsichert hat. Das Feld konsolidiert sich: AMD übernimmt World Labs, das von Fei-Fei Li geführte Unternehmen, Amazon verhandelt über den Kauf von Decart, und Rivian hat Third Dimension übernommen, um Simulationsfähigkeiten für Tests des autonomen Fahrens ins Haus zu holen. Runway hatte bereits GWM Worlds 2 veröffentlicht, ein spielbares Modell mit Audiogenerierung.

Genie 4 wird „in Kürze“ für Abonnenten von Google AI Ultra verfügbar sein, und Google hat eine Warteliste geöffnet, über die man sich für einen Test über Project Genie bewerben kann.