DeepMind kündigt Genie 4 an, ein Echtzeit-Weltmodell mit nativem Ton

Google DeepMind hat Genie 4, ein Echtzeit-Weltmodell mit nativem Ton, am 27. Oktober 2026 angekündigt. Genie 4 ist eine Forschungsvorschau für vertrauenswürdige Tester, keine allgemeine Veröffentlichung. [1]

Was hat DeepMind angekündigt?

DeepMind sagt, Genie 4 erschließe eine bisher unerreichte Realitätsnähe und verbessere die interaktive Echtzeitsimulation. Es ist das erste Echtzeit-Weltmodell des Labors, das Ton nativ erzeugt, einschließlich Musik, Umgebungsgeräuschen und Dialog. Figuren sprechen und reagieren in Echtzeit auf Eingaben. Der Beitrag stammt von Raia Hadsell, Diego Rivas und Hang Qi. DeepMind stellte die Ankündigung auf X um 16:10 UTC ein. [1] [2]

Was kann man in der Simulation ändern?

Nutzer steuern mit einer üblichen Tastatur und lenken mit Textbefehlen. Natürliche Sprache kann das Wetter ändern, die Kamera bewegen oder eine Person oder ein Objekt in Echtzeit hinzufügen. Gemini passt den Befehl an die Szene an und lenkt zwischen den Eingaben. [1]

DeepMind sagt, das Modell decke Physik wie Aerodynamik und Kollisionen sowie menschliches Handeln ab. Der größte Sprung sei, wie Genie 4 Menschen simuliert. [1]

Gemini Omni verankert die Simulation in Aussehen und Verhalten der wirklichen Welt. Andere Gemini-Modelle liefern das Denken für Zusammenhang und Kontinuität. Gemini 3.8 Flash arbeitet als leitender Agent in der Schleife, beobachtet die Szene, zerlegt Ziele in Schritte und prüft jeden Schritt. [1]

Wer kann Genie 4 ausprobieren?

Die Vorschau gilt jetzt für vertrauenswürdige Tester. Sie kommt zu Abonnenten von Google AI Ultra in Project Genie und zu Partnern mit frühem Zugang zur Gemini API und zu Google AI Studio. Eine Warteliste ist in Project Genie offen. Allgemein verfügbar ist es nicht. Video und Ton von Genie 4 tragen ein SynthID-Wasserzeichen. [1]

Wozu sagt DeepMind, dass es dient?

DeepMind nennt Weltsimulation einen entscheidenden Teil des Wegs zu AGI. Dazu gehören Trainingsumgebungen für Roboter und Agenten und neue interaktive Erlebnisse. Der Vorgänger ist Genie 3 vom August 2025. [1]

Eine eigene Meldung zu Gemini-Agenten in Minecraft steht unter science/gemini-4-argon-agents-beat-minecraft-in-27-hours.

Wo sieht DeepMind die Grenzen?

DeepMind sagt, visuelle Details und Objektpermanenz können bei längeren Läufen abdriften. Das kann auch nach mehreren komplexen Befehlseingriffen oder beim Navigieren geschehen. Über kurze Sitzungen bleibe Genie 4 kohärent, sagt DeepMind. Komplexe physikalische Wechselwirkungen, die Genauigkeit des Echtzeit-Tons, lesbarer Text, räumliche Genauigkeit und langfristige Konsistenz sind offene Forschungsfelder. [1]