DeepMinds Genie 4 verspricht realistischere Physik und menschliche Figuren
Das neue World Model von DeepMind soll deutlich glaubwürdigere Welten erzeugen. Ein Rollout an Entwickler und Google-AI-Ultra-Abonnenten sei bald geplant.
Macht euch einen Wunsch: DeepMinds Weltmodell Genie 4 bringt Audio und realistischere Menschen in Simulationen. Genie 4 wird in Kürze für Entwickler und Abonnenten von Google AI Ultra verfügbar sein.
0 Genie 4 erzeugt realistischere simulierte Welten. Bild: Google Genie 4 erzeugt realistischere simulierte Welten. Bild: Google Texteinstellungen Storytext Größe Klein Standard Groß Breite * Standard Breit Links Standard Orange * Nur für Abonnenten Mehr erfahren Zum Menü minimieren Im vergangenen Jahr ließ Google DeepMind mit der Vorstellung seines Weltmodells Genie 3 die Aktienkurse von Gaming-Unternehmen einbrechen. Seitdem sind Weltmodelle zu einem zentralen Forschungsschwerpunkt von KI-Laboren weltweit geworden, doch Google ruht sich nicht auf den Lorbeeren aus. Die Forscher haben intensiv an einem aktualisierten Modell gearbeitet, das Genie 3 in nahezu jeder Hinsicht verbessert. Und wer Google genug Geld zahlt, wird Genie 4 möglicherweise schon bald tatsächlich nutzen können.
Betrachtet man die Ausgaben von Genie 4, sieht man leicht ein Videospiel, weshalb Genie 3 in der Gaming-Branche für so viel Bestürzung gesorgt hat. DeepMind sieht das allerdings anders. Laut Google sind Weltmodelle ein zentrales Element auf dem Weg zur künstlichen allgemeinen Intelligenz (AGI). Ein Weltmodell erzeugt eine virtuelle Welt, ohne dass Umgebungen vorgerendert oder interaktive Elemente programmiert werden müssen. Man sagt dem Modell einfach, was man möchte, und es generiert das Erlebnis Bild für Bild in Echtzeit, während man es erkundet.
DeepMind zufolge könnte diese Technologie unendlich viele Trainingsumgebungen für physische Roboter schaffen oder in kreativen Bereichen neue Wege für schnelles Prototyping eröffnen. Natürlich setzt das voraus, dass das Modell genau das simuliert, was man sich wünscht. Genie 4 bringt mehrere Verbesserungen mit, die seine Simulationen nützlicher machen, was unter anderem den aktualisierten Gemini-Modellen von Google zu verdanken ist.
Wenn man in Genie 4 eine Welt erschafft, nutzt das Modell Gemini 3.8 Flash als führenden Agenten, der Ziele aufschlüsselt und jedes ausgegebene Bild bewertet. Das hält die Simulation auf Kurs und ermöglicht es, durch wechselnde Umgebungen zu bewegen, ohne den ursprünglichen Kontext zu verlieren. DeepMind weist allerdings darauf hin, dass Genie-4-Welten noch nur für ein paar Minuten konsistent bleiben, bevor sie vergessen, wie alles begonnen hat.
Wie bereits Genie 3 unterstützt die neue Version das Ändern der Parameter während der Laufzeit. Man kann das Wetter ändern, Elemente hinzufügen oder die Kamera bewegen, und Gemini lenkt die Simulation bei jeder Aktualisierung. Das ähnelt der Art und Weise, wie Reasoning-Modelle zusätzliche interne Prompts erzeugen, um die passenden Ausgabe-Token zu treffen.
Die Physik in KI-generierten Videos wirkt mitunter etwas unnatürlich, doch DeepMind sagt, Genie 4 habe ein neues Niveau an Realismus erreicht. Genie 4 soll offenbar bei Elementen wie Aerodynamik und Kollisionen bessere Ergebnisse liefern, was die Simulationen nützlicher und optisch ansprechender macht. Auch die Menschen, die in diesen Simulationen auftauchen, sollen weniger unheimlich wirken, mit natürlicheren Bewegungen und Reaktionen auf die sich verändernde Umgebung.
Genie 4 ist zudem das erste Weltmodell von DeepMind mit nativer Audiounterstützung. Die Videos erhalten ambient Hintergrundgeräusche, und man kann Audioelemente im Prompt angeben. Der größte Sprung, sofern er funktioniert, ist die Ergänzung menschlicher Sprache. DeepMind verspricht, dass Genie 4 in der Lage sein wird, interaktive Dialoge zu erzeugen, die sich anpassen, während man die Simulation verändert. Realistische Sprache in herkömmlichen KI-Videos war ein großer Realismus-Schub, und nun könnte eine ähnliche Revolution für Googles Weltmodelle bevorstehen.
DeepMind betont ausdrücklich, dass Weltmodelle noch ein aktives Forschungsgebiet sind. Genie 3 kam nie über die sehr eingeschränkte Web-Erfahrung von Project Genie hinaus. Das Team hat jedoch mit einer kleinen Gruppe vertrauenswürdiger Tester zusammengearbeitet, um auf eine breitere Veröffentlichung von Genie 4 hinzuarbeiten. Der Zugang wird in Kürze ausgeweitet, doch einen konkreten Zeitplan gibt es noch nicht. Billig wird es allerdings nicht.
Google plant, Genie 4 für Entwickler über die Gemini API und AI Studio bereitzustellen, doch Preise sind noch nicht bekannt. Auch Verbraucher sollen Zugang erhalten, allerdings schrittweise über Googles teuerste AI Ultra-Tarife, die bei 100 Dollar pro Monat beginnen. Langfristig könnte Google den Zugang auf die AI Pro- und AI Plus-Tarife ausweiten. Abgewickelt wird das weiterhin über Project Genie, was einschränkt, wie viel man mit Genie anfangen kann. Für Interessierte an einem frühzeitigen Zugang gibt es eine Warteliste.
Automatisch übersetzt. Das Original auf Englisch ist unten aufklappbar.
Original (Englisch) anzeigen
Make a wish DeepMind’s Genie 4 world model adds audio and more realistic people to simulations Genie 4 will roll out to developers and Google AI Ultra subscribers soon.
0 Genie 4 creates more realistic simulated worlds. Credit: Google Genie 4 creates more realistic simulated worlds. Credit: Google Text settings Story text Size Small Standard Large Width * Standard Wide Links Standard Orange * Subscribers only Learn more Minimize to nav Last year, Google DeepMind sent gaming stocks tumbling with the reveal of its Genie 3 world model. Since then, world models have become a major focus of AI labs around the world, but Google isn’t resting on its laurels. Researchers have been hard at work on an updated model that improves on Genie 3 in almost every way. And if you pay Google enough money, you might actually get to use Genie 4 before too long.
It’s easy to look at the output of Genie 4 and see a video game, which is why Genie 3 caused so much consternation in the gaming industry. DeepMind doesn’t think about it that way, though. According to Google, world models are a key element in the march toward artificial general intelligence (AGI). A world model creates a virtual world, but it doesn’t require pre-rendering environments or programming interactive elements. You simply tell the model what you want, and it generates the experience frame by frame in real time as you explore it.
DeepMind says this technology could create infinite training environments for physical robots or unlock new avenues of rapid prototyping for creative fields. Of course, that requires the model to accurately simulate what you want. Genie 4 has several improvements that make its simulations more useful, and that’s thanks in part to Google’s updated Gemini models.
When you prompt a world into existence in Genie 4, it leverages Gemini 3.8 Flash as a guiding agent to break down goals and evaluate each output frame. This helps keep the simulation on track, letting you move through varying environments without losing the original context. However, DeepMind notes that Genie 4 worlds still only remain consistent for a couple of minutes before they forget how things started.
Like Genie 3, the new version supports changing the parameters midstream. You can change the weather, add elements, or move the camera, and Gemini will help steer the simulation with each update. This is similar to the way reasoning models generate additional internal prompts to zero in on the right output tokens.
The physics in AI-generated video can sometimes look a bit unnatural, but DeepMind says Genie 4 has reached a new level of realism. Genie 4 can apparently do a better job with elements like aerodynamics and collisions, which makes the simulations more useful and visually appealing. People appearing in these simulations should also look less uncanny, with more natural movement and responses to the changing environment.
Genie 4 is also the first DeepMind world model with native audio. Videos will have ambient background sounds, and you can specify audio elements in your prompt. The biggest leap, if it works, is the addition of human speech. DeepMind promises that Genie 4 will be able to create interactive dialog that adapts as you change the simulation. Realistic speech in standard AI video was a major shift in realism, and now a similar revolution may be coming to Google’s world models.
DeepMind is careful to point out that world models are still an active area of research—Genie 3 never expanded beyond the very limited Project Genie web experience. However, the team has been working with a small group of trusted testers to build toward a wider release for Genie 4. Access will start expanding soon, but there’s no specific timeline yet. It won’t be cheap, though.
Google plans to roll out Genie 4 for developers via the Gemini API and AI Studio, but pricing isn’t yet available. Consumers will be able to get access, but it will roll out in phases with Google’s most expensive AI Ultra plans, which start at $100 per month. Google may expand access to AI Pro and AI Plus plans eventually. This will still be handled through Project Genie, which will limit how much you can do with Genie. There’s a waitlist for users who are interested in getting early access.