Google DeepMind hat Genie 4 am Dienstag als Forschungsvorschau veröffentlicht. Der Fortschritt, den das Unternehmen verkauft, sind nicht schärfere Pixel, sondern Gleichzeitigkeit: Das Modell erzeugt eine Welt, ihren Raumklang, ihre Dialoge und die Physik, die sie zusammenhält, im selben Moment und in Echtzeit – während ein Nutzer Anweisungen in die Szene tippt.
Darin liegt der Unterschied zu einem Videogenerator. Genie 4 hält eine Schleife zum Nutzer offen: Wetter ändern, Kamera verschieben, eine neue Person in einen Innenhof setzen – die Simulation passt sich zwischen den Tastendrücken an. Zwischen den Eingaben beobachtet ein Gemini-Modell die Bilder und steuert die Welt so, dass sie von selbst weiterläuft.
DeepMind beschreibt die Architektur als Arbeitsteilung innerhalb der Gemini-Familie: Gemini Omni verankert Aussehen und Verhalten in etwas, das der realen Welt ähnelt; Gemini 3.8 Flash fungiert als lenkender Agent in der Schleife, zerlegt Ziele in Schritte, prüft eingehende Bilder und plant neu, wenn sich die Szene bewegt. In einem an Gemini Robotics gekoppelten Experiment zerlegte ein Gemini-4-Argon-Modell eine Aufgabe, während Genie 4 den humanoiden Roboter Apollo von Apptronik beim Damespiel rendert – ein Hinweis darauf, Roboterverhalten in generierten Welten zu proben, bevor die Hardware antritt.
Die Zahlen, die DeepMind nennt: Kohärenz für bis zu zwei Minuten, etwa doppelt so lang wie bei Genie 3, nativer Ton mit Musik, Umgebungsgeräuschen und interaktiver Sprache sowie Figuren, die auf Ereignisse reagieren, sich bewegen und sprechen. Jeder erzeugte Video- und Audiostream trägt SynthID, Googles unsichtbares Wasserzeichen.
Die Grenzen sind die bekannten, und DeepMind benennt sie ungewöhnlich offen: Details und Objekte driften, je länger eine Simulation läuft, besonders nach wiederholten Prompt-Änderungen. Lesbarer Text in der Welt, räumliche Genauigkeit und Klangtreue bleiben Forschungsthemen. Genie 4 startet zunächst bei ausgewählten Testern aus Film, Fotojournalismus, Bildung und Spieleindustrie, danach bei Google-AI-Ultra-Abonnenten in Project Genie und Early-Access-Partnern über Gemini API und AI Studio.
Der Kontext zählt: Der Markt für Weltmodelle konsolidiert sich schnell. Runway brachte im Sommer sein zweites spielbares Weltmodell heraus, World Labs wird von AMD übernommen, Amazon soll laut Berichten mit Decart verhandeln, und Rivian kaufte Third Dimension, um Fahrsimulation ins Haus zu holen. Genie 4 bietet diesem Markt keinen Ersatz für eine Spiel-Engine, sondern einen Entwurfsmodus: Takes drehen, Kamerawinkel testen, Mechaniken prototypen, bevor jemand Engine-Code schreibt.
Die Forschungsdirektoren von DeepMind nennen den nächsten Schritt hybride Weltmodelle: Gemini denkt über Struktur und Erzählung nach, Genie rendert die physische Realität Pixel für Pixel. Genie 4 ist die erste Version, in der dieser Handschlag im Produkt sichtbar wird statt im Paper.
