Google stellt multimodale Echtzeitsimulation Genie 4 vor

Google kündigt die Einführung des Weltmodells Genie 4 an und hat eine Forschungs-Vorschau für eingeladene Tester freigeschaltet. Nutzer können die Blickrichtung und Bewegung über die Tastatur steuern sowie Texteingaben nutzen, um während der Laufzeit einer Szene das Wetter zu ändern, Charaktere oder Objekte hinzuzufügen. Laut Google kann das Modell gleichzeitig Bilder, Umgebungsgeräusche und kontextabhängige Dialoge generieren sowie physikalische Interaktionen wie Charakterbewegungen und Kollisionen simulieren; diese Fähigkeiten müssen jedoch noch in breiteren Anwendungsfällen validiert werden. Genie 4 kombiniert Modelle der Gemini-Serie. Dabei überwacht Gemini 3.8 Flash kontinuierlich die generierten Bilder, zerlegt Ziele in Schritte und passt den Plan nach Szenenänderungen an. Google erforscht zudem die Integration von Genie 4 mit Gemini 4 Argon und der Robotikforschung zur Simulation mehrstufiger Aufgaben. Eingeladene Tester setzen das Modell derzeit in den Bereichen Film, Gaming, Bildung und Ingenieurwesen ein. Google plant, es anschließend für Abonnenten von Google AI Ultra innerhalb von Project Genie sowie für frühe Partner der Gemini API und von Google AI Studio freizugeben, hat jedoch noch keine konkreten Termine genannt. Gleichzeitig weist Google darauf hin, dass Genie 4 weiterhin ein experimentelles Modell ist: Bei langer Laufzeit oder nach mehrfachen Änderungen der Prompts können Objekte und visuelle Details abweichen, und die Genauigkeit komplexer physikalischer Interaktionen, der Audioqualität sowie der räumlichen Konsistenz bedarf noch Verbesserungen. Die vom Modell generierten Videos und Audiodateien werden mit dem digitalen Wasserzeichen SynthID versehen.