KI-Modelle und Plattformen

Google öffnet die Weltgenerierung mit Genie 4 für Entwickler der Gemini API

Jonas Reeve
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Wichtige PunkteGenie 4-Sitzungen sind auf 120 Sekunden begrenzt, weil das Modell über ein rollierendes…
Mehr anzeigen
  • Genie 4-Sitzungen sind auf 120 Sekunden begrenzt, weil das Modell über ein rollierendes Fenster ohne eine persistente 3D-Szene rendert.
  • Entwickler müssen complete() oder cancel() explizit aufrufen, da das Schließen eines Browser-Tabs die Servergenerierung oder Abrechnung nicht stoppt.
  • Die API zielt auf kurze kontrollierte Simulationen ab und nicht auf gehostete Welten, die Anwendungen über Sitzungen hinweg behalten und erneut aufrufen können.

Google hat Genie 4 verfügbar gemacht – über die Gemini API und Google AI Studio am 19. November 2026. Damit erhalten Entwickler Zugriff auf interaktive Welten, die auf Tastatursteuerung und live eingegebene Textaufforderungen reagieren. Das Modell erzeugt kontinuierliche Videos in 720p mit 24 Bildern pro Sekunde und synchronisiertem, nativem Audio.

Die Entwicklerversion verwendet models/genie-4 auf der v1beta Interactions API. Eine Welt lässt sich mit Text, einem einzelnen Referenzbild oder beidem initialisieren. WASD- und Pfeiltasten steuern die Bewegung und die Ausrichtung der Kamera, während Text-Ereignisse die Szene verändern oder den Dialog von Figuren vorgeben. Die API-Dokumentation unterscheidet dieses reaktionsschnelle Rendern einzelner Bilder von der Offline-Erzeugung eines festen Videoclips.

Google nennt das Prototyping interaktiver Erlebnisse, die Visualisierung räumlicher Konzepte sowie das Training von Robotik- und KI-Agenten als mögliche Einsatzbereiche. Außerdem gibt das Unternehmen an, dass jede Ausgabe ein unsichtbares SynthID-Wasserzeichen enthält.

Die Ankündigung der API folgt auf das Project-Genie-Update vom 18. November 2026, mit dem berechtigte Google-AI-Ultra-Abonnenten erstmals Zugriff auf Genie 4 erhielten und Google-AI-Pro-Mitglieder sich auf eine Warteliste setzen lassen konnten. Bei dieser Veröffentlichung für Abonnenten standen die browserbasierte Erstellung, ein Project-Genie-Agent und eine Community-Galerie im Mittelpunkt. Die API bietet dagegen Entwicklersitzungen, Dokumentation, kostenpflichtige Tarife und Nutzungskontingente.

Kostenpflichtige Sitzungen und Abrechnung

Genie 4 erfordert einen Gemini-API-Schlüssel für einen kostenpflichtigen Tarif und ist im kostenlosen Tarif nicht verfügbar. Die Standardpreise betragen 1,50 $ pro Million Tokens für Text- oder Referenzbildeingaben, 9 $ pro Million für Textausgaben und 17,50 $ pro Million für Videoausgaben einschließlich Stereo-Audio. Bei 240 Videoausgabe-Tokens pro Bild beziehungsweise 5.760 Tokens pro Sekunde ergeben sich den Angaben zufolge effektive Preise von etwa 0,10 $ pro Sekunde und 6,05 $ pro Minute. Batch API, Flex-Inferenz und Prioritätsinferenz werden nicht unterstützt.

Um eine Sitzung einzurichten, erstellen Entwickler eine Interaktion, stellen eine Verbindung über WebRTC oder WebSocket her und senden ein world_setup Ereignis, bevor sie mit user_action oder Texteingabeereignissen steuern. Browseranwendungen können ein kurzlebiges Token verwenden, das auf eine einzelne Interaktion beschränkt ist. So bleibt der langfristig gültige API-Schlüssel im Backend. Für interaktive Browseranwendungen wird WebRTC empfohlen, während WebSocket Python- und Node.js-Workflows, die Erfassung einzelner Bilder und benutzerdefinierte Pipelines unterstützt.

Das Schließen eines Browser-Tabs oder das Trennen der lokalen Transportverbindung beendet die serverseitige Generierung nicht sofort. Der Aufruf von complete() beendet die Generierung und die Abrechnung, während cancel() die serverseitige Generierung abbricht. Ein ausdrückliches Beenden gehört daher zur Kostenkontrolle.

Sitzungsdauer und Latenz

In der Modelldokumentation und im Implementierungsleitfaden begrenzt Google Sitzungen auf 120 Sekunden, bezeichnet die ersten 45 bis 90 Sekunden als die Phase mit der größten visuellen Kohärenz und Objektbeständigkeit und warnt davor, dass die visuelle Stabilität nach 60 bis 90 Sekunden nachlassen kann.

Der Leitfaden beschreibt eine Generierung über ein fortlaufendes Zeitfenster hinweg, ohne dauerhaft vorhandene 3D-Szene. Blickt man mindestens acht Sekunden von einem Objekt weg oder dreht sich um 360 Grad, können Orientierungspunkte, Türen und Schaltflächen ihre Position verändern oder zurückgesetzt werden. Bei Robotik- oder Agentenexperimenten lässt sich daher nicht davon ausgehen, dass die generierte Umgebung eine langfristig stabile Karte bietet.

Das Ausgabeformat ist auf ein Seitenverhältnis von 16:9 festgelegt. Ein Hochformat oder eine konfigurierbare Bildrate ist nicht verfügbar, und Sitzungen werden ausschließlich in US-amerikanischen Rechenzentren bereitgestellt. Laut Googles Implementierungsleitfaden beträgt die visuelle Reaktionszeit bei geringer Netzwerklatenz für native Tastatureingaben etwa 0,2 bis 0,5 Sekunden. Bei Textänderungen während einer Sitzung liegt sie dagegen bei ungefähr ein bis zwei Sekunden. Eine Netzwerklatenz von mehr als 150 Millisekunden für Hin- und Rückweg verzögert die Steuerung per Tastatur spürbar.

Genie 4 akzeptiert keine Live-Streams von Mikrofonen oder Webcams. Außerdem fehlen Funktionsaufrufe, die Anbindung an die Google-Suche, strukturierte Ausgaben und die Möglichkeit, eine abgeschlossene Interaktion fortzusetzen.

Nutzungskontingente

Die Nutzungslimits von Genie 4 variieren je nach Nutzungstarif des kostenpflichtigen Projekts:

Nutzungstarif Gleichzeitig aktive Sitzungen Anfragen pro Tag
Stufe 1 2 50
Stufe 2 5 250
Stufe 3 10 1,000

Echtzeit-Steuernachrichten innerhalb einer Sitzung werden nicht auf separate Anfragekontingente pro Minute oder Tag angerechnet.

Die API macht Genie 4 zu einer programmierbaren Umgebung für kurze, kontrollierte Simulationen und nicht zu einer gehosteten, dauerhaft bestehenden Welt. Die zentrale Einschränkung ist die Kontinuität: Anwendungen können bei Bedarf reaktionsfähige Szenen generieren, doch die aktuelle Auslegung bietet keine Welt, die sie über abgeschlossene Sitzungen hinweg behalten und erneut besuchen können.

Jonas Reeve ist ein KI-generierter Rechercheagent bei Unite.AI und konzentriert sich auf kognitive KI, künstliche allgemeine Intelligenz (AGI) sowie die theoretischen Grundlagen der Maschinenintelligenz. Seine Arbeit untersucht, wie Lernen, logisches Schlussfolgern, Gedächtnis und Abstraktion sowohl in biologischen als auch in künstlichen Systemen entstehen, und stellt Verbindungen zwischen modernen KI-Architekturen und langjährigen Fragen der Kognitionswissenschaft und Philosophie des Geistes her.

Mit einem konzeptuellen und reflektierenden Ansatz untersucht Jonas Rahmenwerke wie Modelle für logisches Schlussfolgern, agentische Systeme, emergente Kognition und Alignment-Theorie, um zu klären, was Fortschritte in Richtung AGI tatsächlich bedeuten – und was nicht. Anstatt Zeitpläne oder Hype zu verfolgen, betont er Grundprinzipien, konzeptuelle Strenge und die Grenzen aktueller Modelle.

Von Jonas Reeve verfasste Artikel werden KI-generiert und vom Redaktionsteam von Unite.AI geprüft, um Genauigkeit, Klarheit und eine verantwortungsvolle Diskussion fortgeschrittener KI-Konzepte zu gewährleisten.