Google DeepMind stellt Genie 4 als Weltmodell in einer Forschungsvorschau vor

Google DeepMind kündigte Genie 4 an, sein neues Weltmodell für interaktive Simulationen in Echtzeit, und veröffentlichte es am 27. Oktober 2026 als Forschungsvorschau für vertrauenswürdige Tester.

Die von Raia Hadsell, Diego Rivas und Hang Qi verfasste Ankündigung beschreibt Genie 4 als von Grund auf multimodal: Musik, Umgebungsgeräusche und interaktive Dialoge werden gleichzeitig mit der simulierten Welt erzeugt. DeepMind zufolge „ermöglicht das Modell beispiellosen Realismus und verbessert interaktive Simulationen in Echtzeit“. Zudem bietet es eine gesteigerte Fotorealistik, flüssige Bewegungen und native Audiofunktionen; der Ton in den begleitenden Demonstrationen wird direkt vom Modell erzeugt.

Das Modell integriert Fähigkeiten aus der Gemini-Familie und baut darauf auf. Gemini Omni verankert die Simulationen im realen Erscheinungsbild und Verhalten, während andere Gemini-Modelle das komplexe Schlussfolgern ermöglichen, das dazu beiträgt, Kohärenz und Kontinuität einer Simulation zu wahren. Auf dieser Grundlage kann ein Nutzer ein Ereignis in Gang setzen, und Genie 4 simuliert, was daraufhin geschieht: wie die Welt reagiert, wie sie klingt und wie sich die darin befindlichen Menschen bewegen, reagieren und sprechen.

DeepMind beschreibt das Verstehen und Simulieren der Welt als entscheidenden Aspekt beim Aufbau einer AGI. Das Unternehmen sagt, Genie 4 erweitere seine Fähigkeit, sichere, unendlich vielfältige Simulationen zu erstellen, die sowohl Trainingsumgebungen für Roboter und Agenten als auch die Entwicklung neuer interaktiver Erlebnisse unterstützen können.

Vier Fähigkeitsbereiche

Die Demonstrationen von DeepMind sind Aufzeichnungen von Interaktionen in Echtzeit, bei denen Nutzer mithilfe herkömmlicher Tastatursteuerung und einer Kamera durch Welten navigieren und die sich entwickelnde Szene mit Textanweisungen lenken. Als erste dokumentierte Fähigkeit wird die Steuerung in Echtzeit vorgestellt: Ein Nutzer kann eine laufende Simulation mit natürlicher Sprache verändern, etwa das Wetter ändern, die Kamera bewegen oder eine neue Person oder einen neuen Gegenstand einführen. Gemini passt die Anweisung dabei kontextbezogen an die umgebende Szene an. Zwischen den Eingaben beobachtet und steuert Gemini die Szene ebenfalls, damit sich die Welt schlüssig weiterentwickelt.

Zu Physik und menschlichem Handeln sagt DeepMind, Genie 4 setze einen neuen Realismusmaßstab für interaktive Simulationen in Echtzeit und bilde physikalische Szenarien der realen Welt wie Aerodynamik und Kollisionen nach. Den größten Fortschritt sieht das Unternehmen in der Simulation von Menschen: Figuren bewegen sich natürlich, reagieren auf organische Weise auf ihre Umgebung und lassen sich interaktiv in Echtzeit steuern.

DeepMind bezeichnet Genie 4 als sein erstes Weltmodell in Echtzeit, das Audio nativ erzeugt. Jede Welt weist die für ihre Umgebung typischen Geräusche auf – vom Wind in den Bäumen bis zu den Wellen, die am Strand brechen. Das Modell bietet außerdem interaktive Dialoge, die sich dynamisch anpassen: Figuren unterhalten sich und reagieren in Echtzeit auf Nutzereingaben oder Ereignisse in der Welt.

Bei komplexen Ereignissen mit mehreren Schritten fungiert Gemini 3.8 Flash als steuernder Agent innerhalb des Prozesses. Während Genie 4 in Echtzeit eine Welt erzeugt, beobachtet Gemini die Szene kontinuierlich, zerlegt Ziele in eine Abfolge von Schritten und prüft eingehende Einzelbilder, um festzustellen, ob jeder Schritt erfolgreich war. Wenn sich die Welt verändert oder der Nutzer eingreift, passt Gemini seinen Plan an. DeepMind zufolge ermöglicht dies Welten mit verlässlichen Ursache-Wirkungs-Beziehungen, prozeduralem Verhalten und mehrstufigem Schlussfolgern.

Das Unternehmen experimentiert außerdem mit Gemini 4 Argon und Genie 4 in Verbindung mit Gemini Robotics. In einem dokumentierten Beispiel zerlegt Argon eine vom Nutzer vorgegebene Aufgabe in einzelne Schritte, die während der Darstellung der Simulation als Texteinblendungen erscheinen. Die beiden Systeme simulieren, wie der humanoide Roboter Apollo von Apptronik Dame spielt; während die Aufgabe ihrer Fertigstellung näherkommt, passt sich die Simulation an.

Vertrauenswürdige Tester und künftige Arbeit

DeepMind bezeichnet Genie 4 als bedeutenden Forschungsmeilenstein, betont jedoch, dass es sich weiterhin um ein frühes, experimentelles Modell handelt. Das Unternehmen arbeitet mit Gruppen vertrauenswürdiger Tester aus der Kreativbranche, dem Journalismus, dem Bildungswesen, der Spielebranche und dem Ingenieurwesen zusammen. Nach Angaben des Unternehmens testen Filmschaffende Genie 4 als schnellen „Entwurfsmodus“ für Vorvisualisierung und Ideenfindung: Sie steigen in eine laufende Simulation einer Szene ein und erstellen in Echtzeit mehrere Takes, während sie Kamerawinkel, Beleuchtung, Dialoge und Handlung anpassen. Fotojournalisten untersuchen, wie sich ein einzelnes archiviertes 2D-Foto innerhalb von Sekunden in eine realitätsnahe Simulation der dargestellten Umgebung verwandeln lässt. Teams testen außerdem, wie bevölkerte, dynamische Welten dem Publikum helfen können, historische Orte zu erleben oder sich vorzustellen, wie kurzfristige Umweltgeschehen wie Sturzfluten oder Waldbrände ablaufen.

Spieleentwickler und Kreativtechnologen testen, ob sie innerhalb von Sekunden von einer ersten Idee zu einem erkundbaren Prototyp gelangen können. Noch bevor sie Engine-Code schreiben, prüfen sie mithilfe von Anweisungen in natürlicher Sprache visuelle Stile, Materialästhetik und interaktive Spielmechaniken. Partner aus der Industrie bewerten Genie 4 als Werkzeug für die schnelle Szenarioerstellung von null auf eins und ermitteln Lücken, die DeepMind schließen könnte, um den Anforderungen an Simulationen besser gerecht zu werden.

Mit Blick auf die Zukunft sieht DeepMind hybride Weltmodelle als vielversprechenden Weg für weitere Fortschritte: Systeme, die das logische, strukturierte Schlussfolgern von Code- und Sprachmodellen mit der reichhaltigen sensorischen Repräsentation einer pixelgenauen Simulation verbinden. Bei diesem Ansatz erfasst Gemini die Struktur und plant im Hintergrund den narrativen Zeitablauf, während Genie die unmittelbare physische Realität erzeugt und Pixel für Pixel darstellt, wie die Welt aussieht, klingt und reagiert.

Sicherheit, Einschränkungen und Verfügbarkeit

DeepMind zufolge verfügt Genie 4 über strenge Sicherheitsvorkehrungen, die mit den Sicherheitsrichtlinien für die übrigen Modelle des Unternehmens übereinstimmen. Vor der Vorschau habe das Unternehmen das Modell internen Sicherheitsprüfungen unterzogen, um die Erzeugung schädlicher oder böswilliger Inhalte zu verhindern. DeepMind erklärt, Genie 4 bewusst zunächst vertrauenswürdigen Testpartnern zur Verfügung gestellt zu haben, um frühzeitig Rückmeldungen einzuholen. Alle von Genie 4 erzeugten Videos und Audiodateien werden SynthID enthalten, die unsichtbare digitale Wasserzeichentechnologie von DeepMind, mit der KI-generierte Inhalte über visuelle und auditive Modalitäten hinweg erkennbar gemacht werden.

Zu den Einschränkungen erklärt DeepMind, dass Genie 4 zwar über kurze Sitzungen hinweg kohärente Umgebungen aufrechterhalten kann, sich visuelle Details und die Beständigkeit von Objekten im Zeitverlauf jedoch weiterhin verändern oder verschieben können. Dies gilt besonders, wenn eine Simulation länger läuft, nach mehreren komplexen Änderungen an Prompts oder beim Navigieren durch eine Szene. Komplexe physische Interaktionen, die Genauigkeit von Audio in Echtzeit, die lesbare Darstellung von Text, die räumliche Genauigkeit und die langfristige Konsistenz sind weiterhin Gegenstand laufender Forschung.

Auf Genie 3 folgt Genie 4. DeepMind hatte Genie 3 am 5. August 2025 angekündigt und als sein erstes Weltmodell beschrieben, das Interaktionen in Echtzeit ermöglicht. Genie 3 erzeugte dynamische Welten, durch die Nutzerinnen und Nutzer mit 24 Bildern pro Sekunde navigieren konnten. Die Konsistenz blieb dabei bei einer Auflösung von 720p einige Minuten lang erhalten. Das Modell wurde als begrenzte Forschungsvorschau einer kleinen Gruppe von Wissenschaftlerinnen und Wissenschaftlern sowie Kreativen zugänglich gemacht.

DeepMind zufolge wird Genie 4 demnächst für Google AI Ultra-Abonnenten in Project Genie sowie für Partner mit frühzeitigem Zugang über die Gemini API und Google AI Studio verfügbar sein. Die Warteliste für Genie 4 in Project Genie ist geöffnet.