Am 27. Oktober 2026 stellte Google DeepMind das Weltmodell der neuen Generation Genie 4 vor. Die größte Neuerung: Die generierten Welten erzeugen selbst Geräusche, ihre Figuren sprechen, und während man zusieht, lässt sich die Szene per Texteingabe verändern. Der erste offizielle Beitrag auf X hatte bis zum Morgen des 28. Oktober rund 1,7 Millionen Aufrufe und 15.300 Likes. Ausprobieren lässt sich Genie 4 derzeit allerdings noch nicht: Google hat es nur für eine kleine Gruppe ausgewählter Tester freigegeben.
Das Wichtigste: In drei Minuten erfahren Sie, was Genie 4 neu macht, ob es schon nutzbar ist und was Sie als Nächstes tun können.
Die erste Neuerung von Genie 4: Die Welt spricht selbst
Kurz gesagt: Genie 4 erzeugt keine stumme Szene mehr, die man nur ansehen kann, sondern eine lebendige Welt, die Geräusche macht, reagiert und sich jederzeit verändern lässt.
Zunächst zum Begriff „Weltmodell“: Ein Videomodell liefert Ihnen gewissermaßen einen fertigen Film. Ein Weltmodell ähnelt eher einer Live-Aufführung: Die Schauspieler stehen die ganze Zeit auf der Bühne. Rufen Sie „Regen“, beginnt es dort zu regnen – und auch die weitere Handlung verändert sich. Im offiziellen Blog fasst Google die Fortschritte von Genie 4 in vier Fähigkeiten zusammen, die wir im Folgenden einzeln erklären.
Bildunterschrift: Im offiziellen Vorstellungsvideo betritt eine Figur die Welt von Van Goghs „Sternennacht“. Quelle: offizieller Beitrag von Google DeepMind zur Vorstellung (27.10.2026), Ausschnitt aus der offiziellen Demo.
Genie 4, Fähigkeit 1: Die Welt in Echtzeit verändern
Laut dem offiziellen Blog können Sie eine laufende Simulation mit natürlicher Sprache verändern: etwa das Wetter ändern, die Kameraposition verschieben oder neue Personen und Objekte hinzufügen. In der offiziellen Demo genügt eine Anweisung, während die Szene läuft, und schon ändert sich das Wetter, die Kamera bewegt sich oder eine weitere Person erscheint.
Ein wichtiges Detail: Laut Google berücksichtigt Gemini die Umgebung und formuliert Ihre Eingabeaufforderung so um, dass die Anweisung besser zur aktuellen Szene passt. Auch zwischen Ihren Eingaben beobachtet und steuert Gemini die Szene kontinuierlich, damit die Welt nicht „einfriert“, wenn Sie nichts eingeben.
Bildunterschrift: Während die Szene weiterläuft, erscheint nach einer Eingabeaufforderung ein Klavier im Schnee. Ein Kranich geht darauf zu und landet auf den Tasten. Quelle: wie oben.
Genie 4, Fähigkeit 2: Realistischere Physik und Figuren
Laut dem offiziellen Blog kann Genie 4 physikalische Phänomene wie Aerodynamik und Kollisionen simulieren. Die Demos zeigen unter anderem eine Wassermelone, die zu Boden fällt, sowie Ahornblätter, die herabschweben und miteinander kollidieren. Dabei ist zu beachten, dass Google diese Demos selbst veröffentlicht hat.
Die grösste Verbesserung sieht Google bei den Menschen: Die Figuren bewegen sich natürlicher, können auf ihre Umgebung reagieren und lassen sich in Echtzeit steuern. Im Vorgänger Genie 3 wirkten die Figuren noch vergleichsweise steif. Google nennt diesen Bereich nun als einen der wichtigsten Fortschritte.
Bildunterschrift: Die Anweisung „Wirf einen Marmorkopf auf die Wassermelone“ genügt: In der Szene erscheint ein Kopf, die Melone zerbricht und Fruchtfleisch spritzt umher. Quelle: wie oben.
Genie 4, Fähigkeit drei: native Audiogenerierung
Laut offizieller Beschreibung ist Genie 4 das „erste Echtzeit-Weltmodell, das Audio nativ generiert“. Jede Welt erhält ihre eigenen Umgebungsgeräusche, vom Wind in den Bäumen bis zum Rauschen der Meereswellen. Auch Hintergrundmusik ist möglich. Die Töne entstehen synchron zum Bild und werden nicht nachträglich hinzugefügt.
Hinzu kommen Dialoge: Laut offiziellem Blog reagieren Charaktere auf Ihre Eingaben oder auf Ereignisse in der Welt und sprechen in Echtzeit mit Ihnen. Der frühe Tester @venturetwins bezeichnete das auf X als „einen großen Schritt“ und hob besonders hervor, dass „auch natives Audio dabei ist“. Das ist allerdings nur ein persönlicher Eindruck und kein Nachweis für die Qualität der Ergebnisse.
Bildunterschrift: In der Opernwelt schwenkt die Kamera von selbst nach oben und gibt den Blick auf die Kuppel frei. Das Originalvideo enthält Umgebungsgeräusche und Dialoge, die im GIF nicht zu hören sind. Quelle: wie oben.
Genie 4, Fähigkeit vier: Komplexe Ereignisse mit Gemini simulieren
Laut dem offiziellen Blog kann Genie 4 in Kombination mit Gemini mehrstufige Ereignisse simulieren. So können KI-Systeme ihre Vorgehensweisen zunächst in einer simulierten Umgebung testen, bevor sie in der realen Welt zum Einsatz kommen. Diese Fähigkeit richtet sich vor allem an Forschungsbereiche wie die Robotik; gewöhnliche Nutzer werden kurzfristig keinen Zugang dazu haben.
Genie 4, zweite Veränderung: Dahinter arbeiten drei Modelle zusammen
Kurz gesagt: Genie 4 erzeugt die Pixel, während mehrere Gemini-Modelle für Erscheinungsbild, Steuerung und Aufgabenzerlegung zuständig sind.
Laut dem offiziellen Blog verankert Gemini Omni die Simulation im Aussehen und Verhalten der realen Welt. Es sorgt also dafür, dass die Dinge im Bild echt wirken. Mehr zum Hintergrund von Omni gibt es im Artikel „Gemini-Omni-Videomodell: 8 Hinweise auf eine Vorstellung bei der I/O 2026“.
Das zweite offiziell genannte Modell ist Gemini 3.8 Flash. Google bezeichnet es als „steuernden Agenten im Regelkreis“. Es zeichnet nicht selbst, sondern arbeitet eher wie Regisseur und Script Supervisor am Set: Es beobachtet kontinuierlich das Bild, zerlegt Ziele in einzelne Handlungsschritte und prüft anhand der erzeugten Bilder, ob jeder Schritt abgeschlossen wurde. Verändert sich die Welt oder meldet sich der Nutzer zwischendurch zu Wort, passt es den Plan sofort an.
Das dritte Modell ist Gemini 4 Argon, das in Experimenten rund um Gemini Robotics zum Einsatz kommt. Das offizielle Beispiel: Argon zerlegt die Aufgabe „Halma spielen“ in einzelne Schritte und übermittelt sie Genie 4 in Echtzeit als Texteinblendungen. Genie 4 rendert daraus Bilder, in denen der humanoide Roboter Apollo von Apptronik spielt.
In einem von TechCrunch zitierten Briefing sprach Googles Forschungsdirektor Tejas Kulkarni von künftigen „hybriden Weltmodellen“: Gemini schreibt Code und Text, während Genie diese Inhalte in Echtzeit empfängt und die Realität simuliert. Der offizielle Blog beschreibt dieselbe Richtung: Gemini übernimmt Struktur und erzählerischen Zeitablauf, Genie die physikalische Darstellung auf Pixelebene.
Genie 4, die dritte Veränderung: Es ist kein Videomodell wie Veo
Kurz gesagt: Ein Videomodell liefert einen fertigen Clip. Ein Weltmodell liefert eine laufende Szene, in die man jederzeit eingreifen kann.
Beide lösen unterschiedliche Aufgaben – keines ersetzt das andere. Videomodelle wie Veo eignen sich für feste Clips, die sich direkt in ein fertiges Werk schneiden lassen. Genie 4 ist besser für Ideenentwicklung, Vorabvisualisierung und interaktive Prototypen geeignet. Offiziell wird es weder als Werkzeug für fertige Videos positioniert, noch soll es eine Game Engine ersetzen.
Bildunterschrift: Ein ländlicher japanischer Bahnhof in den 1980er-Jahren. Aus der Ich-Perspektive geht es über den Bahnsteig, während sich die Menschen von selbst bewegen. Genau das kann ein Videomodell nicht bieten. Quelle: wie oben.
| Vergleichspunkt | Videomodell (z. B. Veo) | Weltmodell (Genie 4) |
|---|---|---|
| Ergebnis | Ein fester Videoclip | Eine laufende, interaktive Szene |
| Lässt sich zwischendurch etwas ändern? | Während der Generierung nicht | Jederzeit per Text oder Eingabe |
| Muss für eine Änderung neu generiert werden? | Ja | Nein, die Szene läuft weiter |
| Wofür eignet es sich? | Videomaterial, Werbung, Kurzvideos | Vorabvisualisierung, Storyboard-Ideen, interaktive Prototypen, Simulationsforschung |
Wann wird Genie 4 verfügbar sein?
Kurz gesagt: Derzeit können nur ausgewählte Tester Genie 4 nutzen. Alle anderen können sich zunächst auf die Warteliste setzen lassen.
Laut offiziellem Blog ist Genie 4 bereits als Forschungsvorschau für ausgewählte Tester verfügbar. Nachdem deren Feedback gesammelt wurde, soll es zunächst in Project Genie für Abonnenten von Google AI Ultra freigeschaltet werden. Gleichzeitig sollen ausgewählte Partner frühzeitig über die Gemini API und Google AI Studio Zugang erhalten.
Zwei Begriffe sind dabei wichtig: Project Genie ist eine experimentelle Web-App von Google Labs – gewissermaßen ein Schaufenster zum Ausprobieren des Weltmodells. Seit Januar ist sie Teil des Google-AI-Ultra-Abos. Die sogenannten Early-Access-Partner erhalten vorab Zugang. Dabei handelt es sich in der Regel um Unternehmen oder Entwicklerteams; eine öffentliche Anmeldung reicht dafür nicht aus.
Wer sich auf die Warteliste setzen lassen möchte, findet oben auf der offiziellen Seite den Link Join the Genie 4 waitlist. Er führt zu einem Google-Formular: forms.gle/WQnSNEM3omF7Uruu7. Dort einfach die geforderten Angaben eintragen. Wichtig: Stand 28. Oktober ist auf der Gemini-Abo-Seite bei Project Genie weiterhin Genie 3 aufgeführt. Genie 4 gehört noch nicht zu den Abo-Leistungen. Einen offiziellen Termin für die allgemeine Freigabe gibt es bisher nicht.
Sechs Dinge, die Genie 4 noch nicht kann
Das Fazit in einem Satz: Laut Google befindet sich Genie 4 noch in einer frühen Forschungsphase. Über kurze Zeiträume funktioniert es gut, bei längerer Laufzeit treten jedoch leichter Probleme auf.
- Das Bild verändert sich ungewollt (offizieller Blog): Über kurze Zeiträume bleiben Szenen konsistent. Läuft das Modell länger, wird die Eingabeaufforderung häufig geändert oder bewegt man sich viel durch die Szene, können sich Details und Objekte verändern. Langfristige Konsistenz ist weiterhin Gegenstand der Forschung.
- Komplexe physikalische Interaktionen (offizieller Blog): Auch daran wird noch geforscht.
- Genauigkeit von Echtzeit-Audio (offizieller Blog): Das Modell kann Töne erzeugen, deren Genauigkeit wird aber noch verbessert.
- Klar lesbare Schrift (offizieller Blog): Schilder und Texte im Bild werden möglicherweise nicht deutlich dargestellt.
- Räumliche Präzision (offizieller Blog): Positionen und Entfernungen sind noch nicht genau genug.
- Dauer einer einzelnen Generierung: Dazu steht nichts im offiziellen Blog. TechCrunch berichtet unter Berufung auf ein Briefing, Genie 4 könne eine konsistente Szene bis zu etwa zwei Minuten lang aufrechterhalten – doppelt so lange wie die Vorgängerversion. Als offizieller Vergleichswert gilt für Genie 3 in Project Genie eine Obergrenze von 60 Sekunden pro Generierung. Das passt zwar zusammen, die Angabe „zwei Minuten“ stammt bislang aber weiterhin aus Medienberichten.
Auch zu Auflösung, Bildrate, Preis, Nutzungskontingenten, Parameterzahl und dem Zeitpunkt einer API-Veröffentlichung gibt es keine offiziellen Angaben.
In der Community gibt es auch andere Stimmen. Der X-Nutzer @dummerspast39 meint, Genie 4 sei „kein neues Modell“, sondern im Kern eine Echtzeitversion von Omni mit 3.8 Flash als Assistent. Das ist die Einschätzung einer einzelnen Person, für die keine Belege vorgelegt wurden. Eine offizielle Reaktion darauf gibt es ebenfalls nicht. Im offiziellen Blog heisst es, Genie 4 „integriert die Fähigkeiten der Gemini-Familie und baut auf ihnen auf“.
Was Leser in China jetzt tun können
Kurz gesagt: Für das Weltmodell heißt es noch warten – ein Video, das sich heute schon nutzen lässt, können Sie aber bereits erstellen.
Wenn Sie zunächst nur neugierig sind, können Sie sich auf die Warteliste setzen lassen und den offiziellen Blog sowie die Informationen zu SynthID verfolgen. SynthID ist Googles unsichtbares Wasserzeichen: Es ist für das menschliche Auge nicht erkennbar, lässt sich aber nachweisen. Laut Google werden alle von Genie 4 erzeugten Videos und Audiodaten mit SynthID versehen. Wenn Sie künftig auf Inhalte stoßen, die möglicherweise mit Genie erstellt wurden, können Sie sie auf diese Weise überprüfen.
Wenn Sie sofort loslegen möchten, können Sie die bereits verfügbaren Teile des Genie-4-Systems nutzen. Das Modell gemini-3.8-flash, das Google ausdrücklich als „Regisseur“ bezeichnet, lässt sich derzeit über APIYI auf apiyi.com aufrufen. Sie können damit eine Szenenbeschreibung in Einstellungen, Aktionen und Dialoge zerlegen und so zunächst das Storyboard ausarbeiten. Für Videos stehen auf der Plattform bereits Modelle wie Seedance 2.5 zur Verfügung, mit denen Sie das Storyboard direkt in Videoclips umsetzen können. Die verfügbaren Modelle und Preise finden Sie in der Modellübersicht auf apiyi.com.
Das hat noch einen weiteren Vorteil: Mit einem einzigen API-Schlüssel können Sie mehrere Modelle aufrufen, ohne sich für jedes Modell einzeln registrieren zu müssen. Die Schnittstelle ist mit dem OpenAI-Format kompatibel. Setzen Sie base_url auf https://api.apiyi.com/v1, um sie in bestehenden Code einzubinden. Wenn Genie 4 tatsächlich verfügbar wird, haben Sie bereits Erfahrung mit einem Workflow aus „Regiemodell plus Videomodell“ gesammelt.
Häufige Fragen zu Genie 4
Q1: Was ist Genie 4?
Genie 4 ist ein Weltmodell, das Google DeepMind am 27. Oktober 2026 vorgestellt hat. Es kann interaktive Umgebungen in Echtzeit erzeugen und unterstützt von Haus aus Ton und Dialoge zwischen Charakteren.
Q2: Was unterscheidet Genie 4 von Genie 3?
Zu den Neuerungen, die der offizielle Blog nennt, gehören native Audioausgabe, Dialoge zwischen Charakteren, realistischere Bewegungen und eine Echtzeitsteuerung durch Gemini. Zur Dauer nennt nur TechCrunch einen Wert von „zwei Minuten“. Bei Genie 3 lag die Obergrenze in Project Genie bei 60 Sekunden.
Q3: Kann man Genie 4 bereits nutzen?
Für normale Nutzer noch nicht. Das Modell befindet sich in einer Forschungsvorschau und ist derzeit nur für ausgewählte Tester zugänglich. Später soll es für AI-Ultra-Nutzer von Project Genie und frühe API-Partner freigegeben werden. Ein konkretes Datum gibt es noch nicht.
Q4: Gibt es eine öffentliche API und Preise für Genie 4?
Nein. Weder eine API noch ein Modellname oder ein Abrechnungsmodell wurden öffentlich bekannt gegeben. Genie 4 ist derzeit auch kein käufliches Produkt. Wer verwandte Funktionen ausprobieren möchte, kann über APIYI auf apiyi.com bereits verfügbare Modelle wie Gemini 3.8 Flash aufrufen.
Q5: Kann Genie 4 Tools zur Videogenerierung ersetzen?
So einfach ist es nicht. Die Ergebnisse unterscheiden sich: Videomodelle liefern fertige Videos, während Genie 4 für Vorabvisualisierungen und Prototypen geeignet ist. Wer fertiges Videomaterial benötigt, braucht weiterhin ein Videomodell. Über APIYI auf apiyi.com lassen sich mehrere Videomodelle mit einem einzigen API-Schlüssel aufrufen.
Q6: Sind die Ergebnisse der offiziellen Demo glaubwürdig?
Die Demo stammt von Google selbst, und auch die Bewertungen früher Tester sind persönliche Eindrücke. Google räumt ein, dass die Bilddarstellung abdriften kann und es bei Text und räumlicher Genauigkeit noch Schwächen gibt. Bevor man ein Fazit zieht, sollte man weitere öffentliche Testergebnisse abwarten.
Zusammenfassung
Die größte Neuerung von Genie 4: Das Weltmodell vereint erstmals Ton, Dialoge und Steuerung in Echtzeit. Dahinter arbeiten unter anderem Gemini Omni und Gemini 3.8 Flash mit unterschiedlichen Aufgaben zusammen. Noch ist Genie 4 allerdings eine Forschungsvorschau: Zu Veröffentlichungstermin, Preis und Laufzeit gibt es keine offiziellen Angaben. Die genannten „zwei Minuten“ stammen lediglich aus Medienberichten.
Kurz gesagt: Genie 4 ist spannend, aber derzeit noch nicht nutzbar. Wer Inhalte erstellen möchte, kann mit vorhandenen Modellen schon jetzt Storyboards und Videos produzieren. Bei Bedarf lassen sich Gemini 3.8 Flash und Videomodelle mit einem einzigen API-Schlüssel bei APIYI auf apiyi.com ausprobieren.
Referenzen
- Offizieller Blog von Google DeepMind: Genie 4: A new generation of world simulation
- Link:
deepmind.google/blog/genie-4-a-new-generation-of-world-simulation - Offizieller Google-Blog: Introducing Genie 4
- Link:
blog.google/innovation-and-ai/models-and-research/google-deepmind/introducing-genie-4 - Bericht von TechCrunch: Google’s Genie 4 world model adds audio， more realistic worlds， and real-time steering
- Link:
techcrunch.com
Autor: APIYI-Technikteam
Technischer Austausch: Kontaktieren Sie uns gerne über die Startseite von APIYI auf apiyi.com. Weitere Informationen finden Sie im Dokumentationszentrum unter docs.apiyi.com.
