Google DeepMind hat Genie 4 enthüllt, ein KI-Modell, das eine interaktive Echtzeitsimulation einer realen Welt mit nativem Sound und erhöhtem Realismus bietet. Das Rollout hat in Form einer Forschungsvorschau an vertrauenswürdige Tester begonnen.
Das System ermöglicht es Nutzern, dynamische Umgebungen zu erzeugen und sich darin zu bewegen, indem sie die Szenen im Flug steuern. Währenddessen berechnet das Modell gleichzeitig die Physik, das Verhalten der Charaktere und die Klanglandschaften. Sundar Pichai, CEO von Alphabet und Google, bezeichnete Genie 4 als « unser realistischstes und interaktivstes Weltmodell ».
Google DeepMind, ein anglo-amerikanisches Forschungslabor für künstliche Intelligenz, ist eine Tochtergesellschaft von Alphabet Inc. Es wurde 2010 im Vereinigten Königreich gegründet, 2014 von Google übernommen und fusionierte dann im April 2023 mit der Google-Brain-Abteilung von Google AI zu Google DeepMind. Der Hauptsitz ist in London, und das Unternehmen verfügt über Forschungszentren in den USA, Kanada, Frankreich, Deutschland und der Schweiz.
Eine Echtzeitsteuerung und Sound, der gleichzeitig mit dem Bild erzeugt wird
Laut Google können Nutzer die simulierten Umgebungen mit Standard-Tastaturbefehlen erkunden und das Universum durch einfache Plain-Text-Eingabeaufforderungen verändern. So können sie das Wetter ändern, Kamerawinkel anpassen oder neue Charaktere und Objekte einführen. Google gibt auch an, dass Genie 4 einen signifikanten Sprung in der physikalischen Genauigkeit darstellt, mit komplexen Interaktionen wie Aerodynamik, Kollisionen oder Umweltwiderstand, und dass digitale Charaktere sich sofort bewegen und auf Befehle reagieren.
Google präsentiert Genie 4 als das erste Echtzeit-Weltmodell, das nativ synchronisierten Sound erzeugen kann, während die Bilder angezeigt werden. Es erzeugt kontextbezogene Stimmungen wie das Rauschen des Windes in den Bäumen oder das Brechen der Wellen sowie Hintergrundmusik. Es verwaltet auch interaktive gesprochene Dialoge: Die Charaktere führen Gespräche und reagieren auf Nutzeranfragen sowie auf Ereignisse in der Umgebung.
Ein Modell, das auf der Gemini-Familie aufbaut
Genie 4 ist keine eigenständige Grafikengine. Es stützt sich auf die multimodalen Reasoning-Fähigkeiten der Gemini-Familie. Gemini Omni verankert jede Simulation in einem Erscheinungsbild und einer physikalischen Dynamik, die aus der realen Welt stammen, während die Gemini-Reasoning-Modelle die Logik der Szene bewahren, damit Ereignisse eine kausale Konsistenz behalten. Das Modell Gemini 3.8 Flash übernimmt die Rolle eines Steuerungsagenten: Es verfolgt die eingehenden Bilder, unterteilt Ziele in Schritte, überprüft, ob jede Aktion zum Erfolg führt, und passt den Plan an, sobald eine Änderung in der Szene auftritt oder ein Nutzer eingreift.
Google betont, dass diese Kombination es ermöglicht, komplexe mehrstufige Ereignisse zu modellieren und das Verhalten von KI-Systemen in verschiedenen Umgebungen zu testen, bevor sie in der realen Welt eingesetzt werden. Das Unternehmen erinnert auch daran, dass « das Verstehen und Simulieren der Welt ein entscheidender Aspekt beim Aufbau einer allgemeinen künstlichen Intelligenz (AGI) ist ».
Erste, noch experimentelle Rückmeldungen
Genie 4 ist laut Google nach wie vor ein experimentelles Modell in einem frühen Stadium. Das Rollout betrifft zunächst Abonnenten von Google AI Ultra im Rahmen des Genie-Projekts sowie Partner mit frühem Zugang zur Gemini-API und zu Google AI Studio. Google hat mit Testern aus den Bereichen Kreativwirtschaft, Journalismus, Bildung, Videospiele und Ingenieurwesen zusammengearbeitet. Filmemacher können beispielsweise mehrere Takes derselben Szene in Echtzeit aufnehmen, während Fotoreporter erkunden, wie ein 2D-Archivfoto zu einer realistischen Simulation seiner Umgebung werden kann. Andere Teams untersuchen die Visualisierung kurzlebiger Umweltereignisse wie plötzliche Überschwemmungen oder Waldbrände.
Das Modell passt auch in die Arbeiten der auf autonomes Fahren spezialisierten Alphabet-Tochtergesellschaft. Im Februar 2026 hatte Waymo, ein Unternehmen im Besitz von Alphabet, Waymo World vorgestellt, ein Modell, das auf den Fähigkeiten von Genie 3 aufbaute, um virtuelle Umgebungen aus Texteingabeaufforderungen zu erstellen. Dieses System erzeugte synthetische Fahrbilder sowie Tiefenwahrnehmungsdaten, vergleichbar mit denen von Kameras und Lidar-Sensoren an Fahrzeugen.
