Google Genie 4 macht KI-Videos zu Echtzeit-Steuerbaren Welten
Google hat Genie 4 vorgestellt, ein Weltmodell, das Videoszenen in interaktive Umgebungen verwandelt, die sich in Echtzeit steuern lassen. Die Technik ist fuer Spiele, Robotik und Trainingssimulationen gedacht.
Veröffentlicht am 27. Oktober • Zuerst erschienen auf fathom.news
Google hat Google Genie 4 vorgestellt, ein neues KI-Tool, das Videoszenen in lebendige Welten verwandelt, die Menschen in Echtzeit steuern können, etwa für Spiele, Roboter und Trainingssimulationen.
Google Genie 4 wird als das neueste interaktive Weltmodell von Google DeepMind präsentiert. Ein Weltmodell ist ein KI-System, das vorhersagt, wie sich eine Szene im Laufe der Zeit verändern wird, und nicht nur, wie ein einzelnes Bild aussehen sollte.
Dieser Unterschied ist wichtig, denn die meisten KI-Videotools für Verbraucher funktionieren weiterhin wie Clip-Generatoren: Nach einer Eingabe liefern sie eine fertige Sequenz zurück und zwingen den Nutzer, das Modell bei jeder größeren Änderung erneut auszuführen. Das neue System behandelt eine Szene stattdessen eher wie eine Simulation, in der ein Nutzer eine neue Aktion, eine Kamerabewegung oder eine Änderung der Umgebungsdynamik anfordern kann, während die Welt weiterläuft.
Die Veröffentlichung am Dienstag folgt auf ein Jahr, in dem Weltmodelle von Forschungskuriositäten zu Produktkandidaten wurden. Frühere Google-Arbeiten zeigten, dass KI-Systeme spielähnliche Umgebungen generieren können, doch die Steuerung war begrenzt und der Realismus brach bei längeren Interaktionen zusammen.
Das neue Modell deutet darauf hin, dass das Unternehmen nun einen stärkeren Anspruch auf diese Kategorie erheben will. Google verkauft bereits Text-, Bild- und Videomodelle, und Weltmodell-Fähigkeiten könnten die fehlende Ebene für Robotik, Trainingssimulationen und Spiele-Prototyping werden.
Siehe auch: Google Cloud Blocks AI Bots From Getting Full Admin Rights
Google hat in den vergangenen Tagen auch andere Arbeiten zu embodied AI hervorgehoben. Die Cloud-Sparte des Unternehmens stellte am Dienstag Gemini Robotics Embodied Reasoning 2 vor, ein weiteres Zeichen dafür, dass sich das Unternehmen um Modelle organisiert, die innerhalb von Umgebungen agieren.
Die Veröffentlichung enthielt in den zitierten Beiträgen weder Preisangaben noch Benchmark-Zahlen. Damit bleibt offen, ob diese Arbeit auf einen breiten Entwicklerzugang, eine limitierte Vorschau oder einen internen Weg in Verbindung mit anderen Google-Produkten zusteuert.
Dies gehört zu einer Klasse von KI-Systemen, die Sequenzen statt einzelner Ausgaben modellieren. Einfach ausgedrückt trainiert Google DeepMind das Modell darauf vorherzusagen, was in einer Szene als Nächstes geschehen sollte, nachdem eine Eingabe, eine Kamerabewegung oder eine Nutzeraktion erfolgt ist. Dieser Vorhersageschritt wiederholt sich immer wieder, sodass sich die Welt kontinuierlich aktualisiert, statt bei einer fertigen Antwort stehenzubleiben.
Dieses Design ist wichtig für Entwickler, die interaktive Software bauen. Ein standardmäßiger Video-Generator kann einen hübschen Clip erzeugen, aber ein Spielestudio oder ein Robotik-Team braucht ein System, das auf neue Eingaben reagiert und dabei kohärent bleibt. Wenn Google Objekte, Ton und Bewegung über die Zeit im Einklang halten kann, wird der Ansatz für Simulationen nützlich, nicht nur für Inhalte.
Das nächste, worauf man achten sollte, ist die Verbreitung. Wenn das Modell in Entwicklerwerkzeugen, Cloud-APIs oder Robotik-Produkten auftaucht, würde das zeigen, dass Google Weltmodelle als Infrastruktur betrachtet und nicht als einmalige Demo. Bleibt der Zugang eingeschränkt, könnte sich die Arbeit noch in einer Erprobungsphase befinden.
Weiterlesen: IBM Puts Locks On AI Bots Before They Move Money Or Change Payroll
Automatisch übersetzt. Das Original auf Englisch ist unten aufklappbar.
Original (Englisch) anzeigen
Posted on Oct 27 • Originally published at fathom.news
Google showed off Google Genie 4, a new AI tool that turns video scenes into live worlds people can steer in real time for games, robots and training sims.
Google Genie 4 is framed as Google's newest interactive world model from Google DeepMind. A world model is an AI system that predicts how a scene should change over time, not just how a single image should look.
That distinction matters because most consumer AI video tools still work like clip generators, returning a finished sequence after a prompt and forcing the user to rerun the model for any major change. The new system instead treats a scene more like a simulation, where a user can ask for a new action, a camera move or a change in environment dynamics while the world keeps running.
Tuesday's release follows a year in which world models moved from research curiosities toward product candidates. Earlier Google work showed AI systems could generate game-like environments, but control was limited and realism broke under longer interactions.
The new model suggests the company now wants a stronger claim on that category. Google already sells text, image and video models, and world-model capability could become the missing layer for robotics, training simulations and game prototyping.
Also Read: Google Cloud Blocks AI Bots From Getting Full Admin Rights
Google has also spent the past day surfacing other embodied AI work. Its cloud unit on Tuesday highlighted Gemini Robotics Embodied Reasoning 2, another sign the company is organizing around models that act inside environments.
The release did not include pricing or benchmark figures in the cited posts. That leaves open whether this work is headed for broad developer access, a limited preview or an internal path tied to other Google products.
This belongs to a class of AI systems that model sequences instead of single outputs. In plain terms, Google DeepMind trains the model to predict what should happen next in a scene after a prompt, a camera move or a user action. That prediction step repeats over and over, so the world keeps updating rather than stopping at one finished answer.
That design matters for developers building interactive software. A standard video generator can make a pretty clip, but a game studio or robotics team needs a system that reacts to new inputs while staying coherent. If Google can keep objects, sound and motion aligned over time, the approach becomes useful for simulation, not only for content.
The next thing to watch is distribution. If the model appears in developer tools, cloud APIs or robotics products, that would show Google sees world models as infrastructure, not a one-off demo. If access stays narrow, the work may still be in a proving stage.
Read Next: IBM Puts Locks On AI Bots Before They Move Money Or Change Payroll