Genie 4 World-Model: Funktionen, Fähigkeiten und Zugang

Die wichtigste Merkhilfe zu diesem Release ist Audio: Genie 4 ist DeepMinds erstes Echtzeit-World-Model mit nativer Tonerzeugung – inklusive interaktiver Dialoge, die auf dein Handeln reagieren. Das wiegt schwerer, als es klingt: Eine stumme Simulation ist eine Visualisierung, eine mit Umgebungsgeräuschen und sprechenden Figuren ist näher an einer Trainingsumgebung für Agents und Roboter.

Genie 4: zentrale Funktionen

DeepMind bündelt das Release um vier Kernfähigkeiten, plus eine fünfte aus der Robotik. Hier ist, was du damit praktisch tun kannst.

Eine laufende Welt steuern

Du änderst die Live-Simulation per Texteingabe: Wetter wechseln, Kamera verschieben, eine Person oder ein Objekt hinzufügen. Gemini passt deinen Prompt an das an, was bereits auf dem Bildschirm ist, sodass neue Elemente in Stil und Geometrie zur Szene passen – statt einfach darübergelegt zu wirken.

Zwischen deinen Eingaben schaut Gemini weiter zu und steuert nach, damit die Welt eigenständig fortschreitet. Diese Kombination aus Tastaturnavigation und Bearbeitung in natürlicher Sprache unterscheidet Genie 4 von Text-zu-Video-Modellen, bei denen dein einziger Regler der Startprompt ist.

Physik und menschliche Bewegung

Genie 4 simuliert Aerodynamik, Kollisionen und ähnliche physikalische Effekte – basierend auf dem, was DeepMind als fortgeschrittenes physikalisches Weltverständnis beschreibt. Die Demos reizen das bewusst aus: vom glänzenden Wassermelonen-Stillleben auf einem Steinpodest mit schwebenden Tropfen in Zeitlupe bis zur Makroaufnahme eines Ahornsamen, der ins Gras fällt.

DeepMind betont selbst, dass der größte Sprung die Darstellung von Menschen ist. Figuren bewegen sich natürlich, reagieren auf ihre Umgebung und lassen sich interaktiv steuern, während die Szene läuft – genau dort taten sich frühere World-Models am schwersten.

Native Audio und interaktive Dialoge

Jede Genie-4-Welt bringt den Klang ihrer Umgebung mit – vom Wind in den Bäumen bis zu Wellen am Strand – und Musik, wo es zur Szene passt. Die Demos spezifizieren Audio so präzise wie die Optik, bis hin zu "keine Hintergrundmusik außer den Instrumenten, die physisch in der Szene vorhanden sind".

Gesprochene Sprache ist der größere Anspruch. Figuren unterhalten sich und reagieren auf deine Eingaben und auf Ereignisse in der Welt, während sie geschehen. Das macht Genie 4 nutzbar für Dialog-Previz oder Agententraining. Nimm die Demo-Audios als Obergrenze, nicht als Untergrenze: DeepMind nennt die Genauigkeit von Echtzeit-Audio ausdrücklich als laufendes Forschungsthema.

Mehrschritt-Ereignisse, geplant von Gemini

Gemini 3.8 Flash läuft als steuernder Agent in der Schleife, während Genie 4 rendert. Es zerlegt ein Ziel in einzelne Schritte, prüft eingehende Frames darauf, ob jeder Schritt wirklich gelungen ist, und passt den Plan an, wenn sich die Welt verschiebt oder du eingreifst.

Diese Schleife sorgt für verlässliche Kausalität und prozedurales Verhalten statt bloßer Schönwetter-Bilder. Sie ist auch der technisch stärkste Differenzierer in diesem Release: Die Simulation steht unter Aufsicht eines Reasoning-Modells statt unkontrolliert im Open-Loop zu laufen.

Roboterszenarien mit Gemini 4 Argon erzeugen

DeepMind koppelt Genie 4 mit Gemini 4 Argon und Gemini Robotics. Argon zerlegt eine vom Nutzer formulierte Aufgabe in Schritte, die während des Renderns als Text-Captions in Genie 4 eingeblendet werden, sodass sich die Welt mit dem Aufgabenfortschritt anpasst. Das veröffentlichte Beispiel ist Apptroniks humanoider Apollo, der Dame spielt.

Für Robotik-Teams reizvoll: viele Szenarien generieren, ohne jede Umgebung von Hand zu bauen. Der Haken: Es sind imaginierte Welten, und die Ankündigung sagt nicht, wie gut sich in Genie 4 erlerntes Verhalten auf reale Hardware übertragen lässt.

Wie schlägt sich Genie 4 in Benchmarks?

Gar nicht – zumindest nicht öffentlich. Googles Ankündigung enthält keine Benchmark-Tabelle, keine Scores und keinen Vergleich mit anderen World-Models. Und bis zum 28. Oktober 2026 gibt es keine Drittanbieter-Reviews, unabhängigen Bewertungen oder Benchmark-Reproduktionen zu Genie 4. Jede Aussage zu Fähigkeiten geht auf DeepMinds eigene Demos und Tester zurück.

Was Google statt Scores veröffentlicht hat

Es gibt Aufzeichnungen von Echtzeit-Interaktionen, in denen Nutzer mit der Tastatur navigieren und per Text die Szene im Verlauf verändern. DeepMinds Post auf X, der zum Zeitpunkt des Schreibens 276,9 Tsd. Views hatte, nennt fünf Punkte: Fotorealismus durch Gemini Omni, fortgeschrittene Physik, Echtzeitsteuerung, native Audioausgabe und Gemini-Reasoning für mehrschrittige Kohärenz.

Demo-Reels sind ausgewählte Takes – lies sie als obere Grenze. Die Prompts selbst lohnen einen Blick: Sie sind lang, trennen Umgebung und Figuren und enthalten viele Negativvorgaben wie "kein CGI-Look" und "keine leeren Plattformen".

Was Trusted Tester berichtet haben

DeepMind hat vorab Cohorts aus Kreativbranchen, Journalismus, Bildung, Gaming und Engineering laufen lassen. Vier Einsatzfelder sind konkret genug, um zu helfen:

• Creative Direction: Filmschaffende steigen in eine Live-Simulation einer Szene ein und fahren mehrere Takes in Echtzeit, während sie Kamera, Licht, Dialoge und Action spontan anpassen.
• Historische Szenarien und immersive Fotos: Fotojournalisten verwandeln ein einzelnes 2D-Archivfoto in Sekunden in eine glaubwürdige Simulation der Umgebung oder visualisieren, wie eine Sturzflut oder ein Waldbrand abläuft.
• Konzeptdesign interaktiver Erlebnisse: Game-Developer gehen vom Einfall zum begehbaren Prototyp – noch bevor eine Zeile Engine-Code steht.
• Simulation: Enterprise-Partner testen schnelle Null-zu-Eins-Szenarien außerhalb der Robotik.

Das wiederkehrende Wort im Feedback ist "Entwurfsmodus" – und das ist die ehrliche Positionierung dieses Releases.

Wo Genie 4 bricht

DeepMind ist bei den Fehlermodi ungewöhnlich klar, was ich schätze. Visuelle Details und Objektbeständigkeit verschieben oder driften, je länger eine Session läuft, nach mehreren komplexen Prompt-Edits oder wenn du dich durch die Szene bewegst.

Genannt werden als offene Probleme: komplexe physikalische Interaktionen, Genauigkeit von Echtzeit-Audio, leserlich gerendeter Text, räumliche Präzision und langfristige Konsistenz. Letzteres ist die praktische Decke: Wenn eine Welt ihre Objekte über eine lange Session nicht stabil hält, prototypisierst du damit – du drehst nicht damit.

Wohin die Reise geht: hybride World-Models

DeepMinds nächster Schritt sind hybride World-Models, die strukturiertes Reasoning aus Code- und Sprachmodellen mit Pixel-Simulation verbinden. Gemini kartiert die Struktur und plant die zeitliche Abfolge, während Genie Aussehen, Klang und Reaktionen rendert.

Die Gemini-3.8-Flash-Schleife in diesem Release ist die erste Ausprägung dieser Arbeitsteilung. Wenn sie funktioniert, adressiert sie genau den von DeepMind benannten Schwachpunkt: Kohärenz über lange Sessions – etwas, das reine Pixeltreue nicht lösen kann.

Genie 4: Preis und Verfügbarkeit

Für Genie 4 gibt es keine veröffentlichten Preise. Weder Token- noch Session-Kosten sind bekannt, es gibt keine API-Kennung und kein Datum für die allgemeine Verfügbarkeit. Es ist eine Research-Preview.

Der Rollout erfolgt gestaffelt: Trusted Tester haben Zugang, Google-AI-Ultra-Abonnenten bekommen es als Nächstes in Project Genie, und Early-Access-Partner erreichen es über die Gemini API und Google AI Studio. Die Project-Genie-Warteliste ist für alle offen.

Zur Einordnung anderer Frontier-Preise bei Google: Gemini 4 Argon kostet bis 30. November 2026 2 $ pro Million Input-Token und 10 $ pro Million Output-Token, ab 1. Dezember 4 $ bzw. 20 $. Das sagt jedoch nichts darüber, was eine interaktive World-Model-Session kosten wird – Google hat dazu nichts mitgeteilt.

Auf Drittplattformen ist Genie 4 am 28. Oktober 2026 weder auf OpenRouter noch im OpenCode-Katalog (models.dev) gelistet. Jedes erzeugte Videoframe und jede Sekunde Audio trägt SynthID, Googles nicht wahrnehmbares Wasserzeichen. DeepMind hat interne Sicherheitstests vor der Preview durchgeführt.

Das Gatekeeping sorgt bei Nutzern für Frust. In den Antworten auf den Launch-Thread auf X ist die Top-Beschwerde, dass Genie 3 auch nach einem Jahr nicht bei allen Pro-Abonnenten angekommen sei – ein fairer Punkt, wenn die nächste Generation wieder hinter einer Warteliste startet.

Wie bekommst du Zugang zu Genie 4?

Es gibt derzeit drei Zugangswege – zwei davon kontrolliert Google:

• Trusted-Tester-Cohorts: geschlossen; die Gruppe, von der DeepMind Feedback aus Journalismus, Gaming, Bildung und Engineering einholt.
• Project Genie für Google-AI-Ultra-Abonnenten: kommt bald, mit einer öffentlichen Warteliste, in die du dich heute eintragen kannst.
• Gemini API und Google AI Studio: nur Early-Access-Partner, ohne veröffentlichte Model-ID.

Rate nicht an einer API-Zeichenkette herum. Google hat keine Genie-4-Model-ID veröffentlicht, und aus dem Marketingnamen zu raten endet in deinem Client schnell mit einem 404 – es gibt noch keinen Code-Snippet, der sich lohnt.

Was du vorab tun kannst: den Prompt-Stil lernen, denn der ist nicht nebenbei erledigt. Die Demos trennen klar zwischen Environment-Prompt und Character-Prompt, spezifizieren Kameraverhalten explizit und listen am Ende Negativvorgaben ("keine Third-Person-Perspektive", "keine Drohnenkamera", "kein 3D-Render-Look"). DeepMinds Genie-Prompt-Guide ist der Startpunkt, und unser Gemini-4-Argon-Artikel erklärt das Planungsmodell hinter diesen Szenen.

So sind Genie-4-Prompts tatsächlich aufgebaut

Die Demos folgen einem Muster, das du übernehmen solltest: ein Environment-Prompt, der das Setting fixiert, ein separater Character-Prompt, der Motiv und Kamerabeziehung festlegt, und dann ein Block mit Negativvorgaben. Eine Heißluftballon-Demo etwa legt eine First-Person-Ansicht aus einem Korb mit Lederkante rechts im Bild fest, bevor das antarktische Eisschild darunter beschrieben wird.

Die Negativvorgaben leisten die Hauptarbeit. Prompts schließen wiederholt Videospiel-Optik, Drohnenkameras, Over-Shoulder-Shots und leere Plattformen aus – offenbar die Defaults, auf die Genie 4 zurückfällt, wenn Prompts Spielraum lassen.

Fazit

Genie 4 ist das bislang deutlichste Signal, dass DeepMind Simulation – nicht nur Text – als Pfad zu AGI sieht und entsprechend Kapazität an der Grenze investiert. Im selben Monat, in dem OpenAI GPT-6.1 Terra auf günstige, volumenstarke Alltagstasks ausrichtete, lieferte Google mit Gemini 4 Argon ein Agent-Flaggschiff und ein World-Model, das seine Robotikforschung füttert.

Lohnt sich ein Umstieg? Es gibt nichts umzusteigen: kein Preis, keine Model-ID, keine API für den Rest von uns. Wenn du in Previsualisierung, Game-Prototyping oder Robotersimulation arbeitest, setz dich auf die Project-Genie-Warteliste – und erwarte Entwurfsqualität. Genau so haben es DeepMinds eigene Tester eingeordnet.

Wenn du die Gemini-Modelle verstehen willst, die das Reasoning hinter Genie 4 liefern, empfehle ich unseren AI Fundamentals Skill Track.