Genie 4: das Weltmodell von DeepMind, jetzt mit Ton
Das Weltmodell Genie 4 von Google DeepMind erzeugt interaktive Welten in Echtzeit, samt Musik, Geräuschen und Dialogen. Ich schaue, was es noch können soll.
Dieser Artikel in anderen Sprachen:العربيةEnglishEspañolFrançaisItaliano日本語Polski简体中文
In diesem Artikel
Am 27. Oktober hat Google DeepMind Genie 4 vorgestellt, die neue Generation seines Weltmodells, also einer KI, die in Echtzeit eine interaktive Welt erzeugt, in der man sich bewegen kann. Vorerst ist es eine Forschungsversion für ausgewählte Tester, als Nächstes sind Google-AI-Ultra-Abonnenten in Project Genie sowie Partner der Gemini API und von Google AI Studio an der Reihe.
Was ist neu am Weltmodell Genie 4?
Die auffälligste Neuerung ist der Ton. Laut DeepMind ist es ihr „erstes Echtzeit-Weltmodell, das Audio nativ erzeugt“ (im Original „our first real-time world model to generate audio natively“). Zusammen mit dem Bild entstehen:
- Umgebungsgeräusche,
- Musik,
- Dialoge der Figuren, die sich an das anpassen, was gerade passiert.
Die zweite Neuerung: Man steuert die Welt während der Simulation mit normalem Text. Wir können das Wetter ändern, die Kamera verschieben oder eine Person oder einen Gegenstand hinzufügen, ohne neu anzufangen. Gemini-Modelle ordnen den Befehl der Szene zu und führen die Ereignisse zwischen den Befehlen so weiter, dass die Welt stimmig bleibt.
Die dritte betrifft Physik und Menschen. In der Ankündigung ist von simulierter Aerodynamik und Kollisionen die Rede sowie von Figuren, die sich selbstständig bewegen und auf ihre Umgebung reagieren.
Wie arbeitet Genie 4 mit Gemini zusammen?
Hier wird es für Agenten-Fans spannend. Genie 4 nutzt die Gemini-Familie: Gemini Omni sorgt dafür, dass die Welt wie eine echte aussieht und sich so verhält, andere Gemini-Modelle übernehmen das logische Denken und die Kontinuität.
In der Demo arbeitet Gemini 3.8 Flash als Agent innerhalb der erzeugten Welt: Es beobachtet die Szene, zerlegt ein Ziel in Schritte, prüft in den folgenden Frames, ob ein Schritt geklappt hat, und korrigiert den Plan, wenn sich die Welt ändert oder der Nutzer eingreift. Außerdem zeigte DeepMind ein Experiment mit Gemini 4 Argon und Gemini Robotics, in dem Genie 4 den humanoiden Roboter Apollo von Apptronik beim Damespielen simuliert (ohne physischen Roboter).
Das ist dieselbe Richtung wie bei den Gemini-Agenten, die Minecraft durchgespielt haben, nur stammt die Welt hier nicht aus einem Spiel, sondern aus einem Modell.
Wie schlug sich Genie 3?
Zum Vergleich: Genie 3 vom August 2025 erzeugte Welten in 720p mit 24 Bildern pro Sekunde, die einige Minuten lang stimmig blieben, mit einem visuellen Gedächtnis von bis zu einer Minute. Für Genie 4 hat DeepMind solche Werte (Auflösung, Bildrate, Sitzungsdauer) bisher nicht genannt.
Genie 3 kam danach in Project Genie für AI-Ultra-Abonnenten und sorgte an der Börse für Aufregung. Am 30. Januar 2026 berichtete Sherwood News, dass die Unity-Aktie um mehr als 25 % fiel und Roblox um etwa 9 %. Daher die Frage, die bei Genie 4 wiederkommt: Werden Weltmodelle zur Gefahr für Game-Engines? Bisher ist das eher eine Kuriosität als ein fertiges Werkzeug zum Spielebauen ;)
Wie kann man Genie 4 ausprobieren?
Selbst testen lässt es sich derzeit nicht, außer wir gehören zu den eingeladenen Testern (DeepMind nennt Kreativbranche, Journalismus, Bildung, Gaming und Ingenieurwesen). Danach sieht der Plan so aus:
- Project Genie für Google-AI-Ultra-Abonnenten, „bald“.
- Gemini API und Google AI Studio für Partner mit frühem Zugang.
- Warteliste für Project Genie, verlinkt in der Ankündigung.
Termine und Preise für den API-Zugang hat DeepMind nicht genannt.
Worauf sollte man achten?
Erstens auf die Grenzen, die DeepMind selbst nennt. In längeren Sitzungen und nach vielen Änderungen können sich Bilddetails verändern, und Objekte bleiben nicht immer an ihrem Platz. Komplexe physikalische Interaktionen, die Genauigkeit des Tons in Echtzeit, lesbarer Text und langfristige Konsistenz sind weiterhin offene Probleme.
Zweitens auf fehlende Zahlen. Wir haben eine Beschreibung der Fähigkeiten und Demos, aber keine technischen Daten, daher lässt sich der Sprung gegenüber Genie 3 schwer einschätzen.
Drittens auf die Kennzeichnung von Inhalten. Laut DeepMind erhält jedes Video und jedes Audio aus Genie 4 ein SynthID-Wasserzeichen.
FAQ
Was ist Genie 4?
Ein Weltmodell von Google DeepMind, das in Echtzeit eine interaktive Umgebung mit Bild, Ton und Dialogen der Figuren erzeugt. Die Welt lässt sich während der Simulation mit Textbefehlen verändern.
Wann ist Genie 4 verfügbar?
Seit dem 27. Oktober 2026 nutzen es ausgewählte Tester. Laut DeepMind kommt es „bald“ zu Google-AI-Ultra-Abonnenten in Project Genie und zu Partnern der Gemini API und von Google AI Studio. Ein genaues Datum gibt es nicht.
Ist Genie 4 kostenlos?
Davon ist keine Rede. Der Zugang für Verbraucher soll über das kostenpflichtige Abo Google AI Ultra laufen, API-Preise wurden nicht genannt.
Was unterscheidet Genie 4 von Genie 3?
Laut DeepMind erzeugt Genie 4 nativ Ton, simuliert Physik und Menschen besser, ist fotorealistischer und erlaubt es, komplexere, mehrstufige Ereignisse in Echtzeit zu steuern.