In der Nacht zum 27. Oktober veröffentlichte Google DeepMind das Weltmodell der neuen Generation, Genie 4, das von sich selbst behauptet, "das bislang realistischste und interaktivste" zu sein. Der alte Haken: Text-zu-Video ist wie ein Videoband mit eingegossener Zeitlinie – nach der Generierung lassen sich Kamera wie Figuren nicht mehr ändern. Genie 4 erschafft eine physische Welt, die in Echtzeit auf Tasteneingaben reagiert; eine durchgehend zusammenhängende Interaktion hat sich gegenüber dem Vorgänger Genie 3 von 1 Minute auf 2 Minuten verdoppelt.
Noch "lebendiger" zeigt es sich durch räumliche Konsistenz und permanentes Gedächtnis – öffnet man eine Tür, entsteht dahinter ein logisch passender Raum; tritt man einen Stuhl um und kehrt später zurück, liegt er noch am selben Platz, und der Hintergrund verändert sich nicht, sobald man den Blick abwendet. Während des Betriebs lässt sich zudem per Texteingabe das Wetter ändern oder die Kameraposition wechseln.
Gemini als Regisseur – erstmals mit synchronem Sound
Genie 4 ist das erste Weltmodell, das von Grund auf die synchron generierte Erzeugung von Ton und Bild unterstützt: Reitet man durch eine Untiefe, verändert sich das Plätschern der Hufe je nach Entfernung; nähert man sich einem Lagerfeuer, wird das Knistern des Holzes lauter. Vor einem virtuellen Charakter (NPC) kann man sprechen oder tippen, und dieser antwortet in Echtzeit passend zur Szene.
Dahinter steht eine Zusammenarbeit zweier Modelle: Gemini Omni fixiert das Aussehen von Charakteren und Requisiten, während das im Betrieb aktive Gemini 3.8 Flash als "Regisseur hinter der Kulisse" das Bild überwacht, Ziele zerlegt und frame für frame prüft; Gemini 4 Argon wurde in einen virtuellen Raum integriert und trainiert in Simulation den humanoiden Roboter Apollo beim Schachspielen und Haushaltsarbeiten.
Die Schwächen bleiben deutlich. Google räumt ein, dass Details bei längerem Betrieb abdriften und Text im Bild leicht zu wirren Zeichen wird; physische Interaktion sowie räumliche und langfristige Konsistenz bleiben schwierige Probleme, und die Realitätsnähe hat nicht bewiesen, dass es eine Engine ersetzen kann. Derzeit ist es nur vertrauenswürdigen Testern zugänglich; für die Öffentlichkeit muss man sich in einer Warteschlange anstellen, die an ein Google AI Ultra-Abo für rund 100 US-Dollar pro Monat gebunden ist.