Google DeepMind stellt Genie 4 vor: Umgebungssimulationen in Echtzeit mit nativem Audio

Am 27. Oktober 2026 hat Google DeepMind Genie 4 angekündigt, die Weiterentwicklung seines 'World Models', das interaktive Simulationen in Echtzeit erzeugt. Die wichtigste Neuerung, die der Beitrag der Forschenden Raia Hadsell, Diego Rivas und Hang Qi hervorhebt, ist die nativ multimodale Auslegung des Systems: Neben dem Bild erzeugt es passend zum Kontext Musik, Umgebungsgeräusche und Dialoge. In der vom Unternehmen beschriebenen Architektur sorgen Modelle der Gemini-Familie für visuelle und logische Kohärenz. Gemini Omni verankert die Simulationen im Aussehen und Verhalten der realen Welt, während Gemini 3.8 Flash im Steuerungskreislauf arbeitet: Es beobachtet die Abfolge, prüft, ob Schritte abgeschlossen sind, und passt den Plan an, wenn die Nutzerin oder der Nutzer per Klartext eingreift, um Wetter, Kameraführung oder Bildaufbau zu ändern. Der offizielle Blog nennt außerdem das Modell Gemini 4 Argon, ohne dessen Rolle zu erklären.

Zu den von Testern erprobten Anwendungen gehören schnelles Prototyping von Videospielen, die Umwandlung von Archivfotos in begehbare Umgebungen und die Erzeugung von Unternehmensszenarien; Google nennt zudem das Training von Robotern und Agenten. DeepMind beschreibt außerdem Experimente mit Gemini Robotics, darunter einen simulierten Humanoiden Apptronik Apollo, der Dame spielt. Laut TechCrunch bleiben Szenen bis zu zwei Minuten zeitlich konsistent — doppelt so lange wie bei Genie 3 —, doch diese Angabe findet sich nicht auf den offiziellen Seiten von DeepMind. Es fehlen zudem die Daten für eine Prüfung in der Praxis: Das Unternehmen hat grundlegende technische Parameter wie Bildauflösung, Bildrate, Antwortlatenz, Nutzungskosten und maximale Sitzungsdauer nicht veröffentlicht. DeepMind räumt selbst ein, dass der Verlust von Details und Objektpersistenz in langen Sitzungen oder nach wiederholten Änderungen per Prompt ein ungelöstes Problem bleibt.

Alle erzeugten Videos und Audiodateien tragen das Wasserzeichen SynthID. Die Einführung erfolgt schrittweise: Derzeit ist die Vorschau einer kleinen Gruppe von Trusted Testern vorbehalten; 'bald' (laut TechCrunch in den kommenden Wochen) soll sie für Abonnenten von Google AI Ultra in Project Genie verfügbar werden, mit Warteliste, sowie für Partner mit frühem Zugang zur Gemini API und zu Google AI Studio. Im Google-Blog heißt es: "Simulating the world is a crucial step toward AGI"; Google DeepMind stellt in seinem Blog klar: "Genie 4 remains an early, evolving area of research". Wie Tejas Kulkarni, Research Director bei Google, gegenüber TechCrunch sagte, werde man künftig immer mehr "hybrid world models" sehen, also hybride Weltmodelle. Dass Audio in die Synthese des Raums einbezogen wird, zeigt den Willen, Simulation als einheitliches sensorisches Ökosystem zu behandeln. Solange es jedoch keine unabhängigen Prüfungen zu Latenz und tatsächlicher Stabilität der Umgebung gibt, muss sich erst zeigen, was das Modell im praktischen Einsatz leistet. — Olya