Google DeepMind hat am Dienstag, 27. Oktober, Genie 4 vorgestellt. Das sogenannte Weltmodell erzeugt begehbare, interaktive Szenen in Echtzeit und liefert dazu erstmals passenden Ton: Wind, Wellen, Musik und gesprochene Dialoge von Figuren. Nutzen können Sie Genie 4 vorerst nicht – Google gibt das Modell zunächst nur an ausgewählte Testerinnen und Tester heraus.
Was ist ein Weltmodell?
Ein Videogenerator wie Veo erstellt einen fertigen Clip, den Sie sich anschauen. Ein Weltmodell rechnet dagegen fortlaufend aus, was als Nächstes passiert, während Sie eingreifen. In den Vorführungen von Google DeepMind steuern Nutzer Kamera und Bewegung mit der Tastatur und verändern die Szene zusätzlich per Texteingabe. Das Modell reagiert darauf Bild für Bild.
Google selbst sieht darin einen wichtigen Baustein auf dem Weg zu allgemeiner KI. Im Blogbeitrag der Forschenden Raia Hadsell, Diego Rivas und Hang Qi heißt es: „Understanding and simulating the world is a crucial aspect of building AGI.“
Was kann Genie 4?
Google nennt vier Schwerpunkte:
- Szenen live verändern: Per Texteingabe lassen sich etwa das Wetter umstellen, die Kamera bewegen oder neue Personen und Gegenstände einfügen. Gemini passt die Anweisung an die laufende Szene an und hält die Welt zwischen Ihren Eingaben stimmig.
- Realistischere Physik und Bewegung: Simuliert werden laut Google zum Beispiel Aerodynamik und Zusammenstöße; Figuren sollen sich natürlich bewegen und auf ihre Umgebung reagieren.
- Eigener Ton: Genie 4 ist nach Angaben von Google das erste Echtzeit-Weltmodell, das Audio direkt mit erzeugt – keine nachträglich darübergelegte Tonspur.
- Mehrstufige Abläufe: Ein Gemini-Modell (Gemini 3.8 Flash) beobachtet die Szene, zerlegt ein Ziel in einzelne Schritte und passt den Plan an, wenn sich die Welt verändert.
Für das realistische Aussehen greift Genie 4 auf Gemini Omni zurück, das Google bereits in Google Vids einsetzt.
Wofür soll das gut sein?
Google denkt an mehrere Einsatzfelder: Vorvisualisierung beim Film, schnelle Prototypen für Spieleentwickler, nachgestellte historische Szenen im Fotojournalismus sowie Simulationen für Unternehmen und die Robotik. Gerade für Roboter und KI-Agenten sind beliebig variierbare, gefahrlose Trainingsumgebungen interessant.
Offen räumt Google auch Schwächen ein: In längeren Sitzungen können Details und die Beständigkeit von Objekten abdriften. Komplexe physikalische Interaktionen, die Genauigkeit des Tons, lesbarer Text und räumliche Präzision gelten weiterhin als Forschungsthemen.
Von Genie 3 zu Genie 4
| Genie 3 | Genie 4 | |
|---|---|---|
| Vorgestellt | 5. August 2025 | 27. Oktober 2026 |
| Ton | nein | ja, direkt erzeugt |
| Auflösung / Bildrate | 720p, 24 fps | nicht genannt |
| Zugang zum Start | kleiner Kreis aus Forschung und Kreativen | ausgewählte Tester, Warteliste |
Zahlen zu Auflösung, Bildrate oder Sitzungsdauer von Genie 4 hat Google nicht veröffentlicht. Ein direkter Leistungsvergleich ist deshalb nicht möglich.
Wann kommt Genie 4 nach Deutschland?
Einen Termin gibt es nicht. Nach der Testphase sollen zuerst Abonnenten von Google AI Ultra in Project Genie sowie Partner mit Vorabzugang zur Gemini API und zu Google AI Studio folgen. Project Genie selbst startete im Januar 2026 zunächst nur für Ultra-Kunden in den USA ab 18 Jahren. Ob und wann Genie 4 hierzulande nutzbar wird, lässt Google offen; Preise wurden ebenfalls nicht genannt. Über die Seite von Google DeepMind können Sie sich auf die Warteliste setzen.
Alle Videos und Töne aus Genie 4 erhalten das unsichtbare Wasserzeichen SynthID. Zudem habe das Modell interne Sicherheitsprüfungen durchlaufen, damit es keine schädlichen Inhalte erzeugt. Welche Modelle Google aktuell sonst anbietet, lesen Sie in unserem Beitrag zu Gemini 4 Argon.
Häufige Fragen
Kann ich Genie 4 schon ausprobieren?
Nein. Derzeit erhält nur ein begrenzter Kreis ausgewählter Tester Zugang. Interessierte können sich auf die Warteliste setzen.
Was kostet Genie 4?
Google hat keinen Preis genannt. Der spätere Zugang ist zunächst für Abonnenten von Google AI Ultra in Project Genie vorgesehen.
Woran erkenne ich Inhalte aus Genie 4?
Laut Google tragen alle erzeugten Videos und Töne das digitale Wasserzeichen SynthID, das für das Auge unsichtbar ist.
