KI SpotlightNewsDeepMind stellt Weltmodell Genie 4 mit Ton, Dialogen und Textsteuerung vor
Die Research Preview erzeugt Bild und Ton in einem Durchgang und bleibt laut Berichten bis zu etwa zwei Minuten konsistent. Zunächst haben nur ausgewählte Tester Zugang. Unabhängige Tests gibt es bislang nicht.
Mit KI erstelltInhalt
◆ Fakten auf einen Blick
- DeepMind kündigte am 27.10.2026 das Weltmodell Genie 4 als Research Preview an.
- Genie 4 baut auf der Gemini-Familie auf; Gemini Omni verankert Aussehen und Verhalten in der realen Welt.
- Nutzer steuern Szenen in Echtzeit per natürlicher Sprache, etwa Kamera, Wetter und neue Figuren.
- Jede Welt erzeugt nativen Ton zusammen mit dem Bild, inklusive Umgebungsgeräuschen, Musik und Dialogen.
- Gemini 3.8 Flash zerlegt als leitender Agent Ziele in Schritte und prüft erzeugte Frames.
Genie 4 erzeugt Bild und Ton gemeinsam und reagiert auf Texteingaben
Google DeepMind hat am 27. Oktober 2026 Genie 4 angekündigt, ein Weltmodell für interaktive Echtzeit-Simulationen. Das Modell erscheint als Research Preview. Ein Videogenerator liefert einen fertigen Clip. Genie 4 berechnet die Szene dagegen Bild für Bild und reagiert dabei auf Eingaben.
Laut DeepMind entsteht der Ton in jeder Welt im selben Prozess wie das Bild. Dazu gehören Umgebungsgeräusche, Musik und interaktive Dialoge. Figuren sprechen mit dem Nutzer und untereinander. Navigiert wird per Tastatur. Ereignisse lassen sich in natürlicher Sprache auslösen: Der Nutzer kann die Kamera bewegen, das Wetter ändern oder während der laufenden Simulation neue Figuren und Objekte einführen.
DeepMind spricht von „unprecedented realism“ und von den bislang fotorealistischsten und interaktivsten Welten. Das ist eine Herstellerangabe. Unabhängig prüfen lässt sie sich bislang nicht.
Gemini 3.8 Flash steuert die Simulation, Konsistenz reicht bis zu zwei Minuten
Genie 4 baut auf der Gemini-Familie auf. Nach Angaben von DeepMind verankert Gemini Omni Aussehen und Verhalten der Simulation in der realen Welt. Weitere Gemini-Modelle sollen für Kohärenz und Kontinuität sorgen. Gemini 3.8 Flash arbeitet als leitender Agent. Es zerlegt Ziele in Schritte und prüft die erzeugten Frames, damit die Szene während einer Sitzung nicht auseinanderfällt.
Laut Berichten bleiben Simulationen bis zu etwa zwei Minuten konsistent. Das wäre etwa doppelt so lang wie bei Genie 3, das rund eine Minute schaffte. Ars Technica urteilt, Genie 4 verbessere den Vorgänger „in almost every way“. Die Einschätzung stützt sich auf Demos des Herstellers. Unabhängige Tests liegen nicht vor.
Angaben zu Auflösung, Bildrate und Latenz fehlen. Auch einen Tech Report konnten wir nicht finden.
Zugang nur für Tester, Project Genie laut FAQ in keinem EU-Land verfügbar
Der Rollout beginnt mit einer begrenzten Gruppe vertrauenswürdiger Tester. Danach sollen Abonnenten von Google AI Ultra Zugang zu Project Genie erhalten, ebenso Early-Access-Partner in der Gemini API und in AI Studio. Laut der FAQ von Google Labs, die dailyai.pl zitiert, funktioniert Project Genie in keinem EU-Land. Für Nutzer in Deutschland dürfte der Weg über Ultra damit vorerst versperrt sein.
Ob es eine Warteliste gibt, ist offen. ai-tldr.dev erwähnt eine, der DeepMind-Blogpost nicht.
DeepMind nennt als Einsatzfelder sichere Trainingsumgebungen für Roboter und Agenten sowie kreative Werkzeuge für Film, Journalismus, Gaming und Fertigung. Dabei handelt es sich um Absichten des Herstellers, nicht um belegte Ergebnisse. Genie 4 gilt als experimentelles Modell mit Einschränkungen bei längeren Sessions und komplexer Physik. Woher diese Angabe stammt, geht aus dem Material nicht hervor.
