Google DeepMind kündigte Genie 4 am 27. Oktober 2026 als interaktives Weltmodell an: In der Demonstration lassen sich simulierte Szenen per Tastatur, Kamerasteuerung und Texteingaben verändern. Das Modell erzeugt dazu Umgebungsgeräusche, Musik und interaktive Dialoge. Die Forschungsvorschau startete für eine begrenzte Gruppe vertrauenswürdiger Tester.

Themen im Überblick

Was Genie 4 in Echtzeit erzeugt

Englischsprachige offizielle Demonstration von Google DeepMind mit textgesteuerten Szenen, Kamerabewegungen und erzeugtem Audio.

Ein Weltmodell erzeugt eine Umgebung, die sich als Reaktion auf Eingaben weiterentwickelt. In Googles Demo navigieren Nutzer per Tastatur durch solche Szenen, bewegen die Kamera und ändern die laufende Umgebung mit Textanweisungen. Dazu gehören auch generierte Geräusche, Musik und Dialoge, die auf Eingaben oder Ereignisse reagieren.

Wie Gemini plant und Genie 4 die Szene erzeugt

Google beschreibt getrennte Aufgaben für die beteiligten Modelle: Gemini Omni verankert Erscheinungsbild und Verhalten der Simulationen in der realen Welt. In einem weiteren Arbeitsablauf beobachtet Gemini 3.8 Flash Bilder der Szene, zerlegt ein Ziel in Schritte, prüft den Fortschritt und passt den Plan an. Genie 4 erzeugt die simulierte Welt, in der diese Schritte ablaufen.

So entsteht eine Folge aus Beobachten, Planen, Rendern und Anpassen. Das macht die Demo für kreative Vorvisualisierungen und frühe Ideen interessant: Eine Szene lässt sich erkunden und verändern, bevor dafür Engine-Code geschrieben wird.

Was das simulierte Apollo-Damespiel zeigt

Im Beispiel mit Apptroniks humanoidem Roboter Apollo plant Gemini 4 Argon mehrstufige Aufgaben. Diese Anweisungen gelangen als Text in Genie 4, das eine Szene rendert, in der Apollo Dame spielt. Das Beispiel ist eine Simulation.

Damit zeigt Google die Aufgabenteilung zwischen Planung und Weltmodell in einer simulierten Robotikszene. Es handelt sich um keinen Versuch mit einem physischen Apollo-Roboter.

Mögliche Einsatzfelder und praktische Grenzen

Englischsprachige Hands-on-Analyse von Theoretically Media mit Textsteuerung, Dialogen und spielähnlichen Interaktionen.

Google zufolge erkunden Tester mit Genie 4 unter anderem Vorvisualisierungen für Filme, interaktive Prototypen, historische Szenarien und generierte Simulationsumgebungen. Das sind Erprobungen in der Forschungsvorschau, keine beschriebenen kommerziellen Einsätze.

Google nennt zugleich konkrete Schwächen: Objekte und visuelle Details können besonders in längeren Sitzungen, nach komplexen Prompt-Änderungen oder beim Navigieren abdriften. Reale Orte lassen sich nicht immer genau nachbilden; komplexe Interaktionen und mehrere unabhängige Akteure in einer gemeinsam genutzten Umgebung bleiben Forschungsaufgaben. Eine durchgehende Interaktion beschreibt Google mit wenigen Minuten. Lesbarer Text gelingt oft erst, wenn er in der Weltbeschreibung ausdrücklich vorkommt; auch die Audiogenauigkeit bleibt eine Herausforderung.

Im englischsprachigen Hands-on-Video von Theoretically Media erkundet der Ersteller Textänderungen in einer Times-Square-Szene sowie Dialoge und spielähnliche Interaktionen. Er berichtet dabei von Unstimmigkeiten.

Welche Zugangswege Google ankündigte

Am 27. Oktober 2026 teilte Google mit, dass die Forschungsvorschau an eine begrenzte Gruppe vertrauenswürdiger Tester ausgerollt werde. Für Google AI Ultra-Abonnenten stellte das Unternehmen Zugang über Project Genie in Aussicht. Frühen Zugang für Partner kündigte Google außerdem über die Gemini API und Google AI Studio an.

SynthID und Sicherheitsvorkehrungen

Google zufolge enthält die Vorschau Sicherheitsvorkehrungen. Generierte Videos und Audios sollen zudem SynthID tragen, Googles Kennzeichnung für KI-generierte Medien.