Google DeepMind bringt Project Genie auf den Markt, eine Webanwendung, mit der Google US Ultra-Abonnenten interaktive Welten erstellen und erkunden können, die vom Modell Genie 3 generiert werden. Im Gegensatz zu konventionellen Videomodellen, die feste Sequenzen erzeugen, generiert ein „World Model“ die Umgebung Bild für Bild in Echtzeit und ermöglicht es dem Nutzer, zu navigieren und zu interagieren.

Workflow und kreative Pipeline: Der Nutzer beginnt damit, seine Welt und seinen Charakter zu beschreiben. Nano Banana Pro erzeugt zunächst ein „Canvas“-Bild, das als visueller Ausgangspunkt dient. Ein Klick auf „Generate World“ veranlasst Genie 3, dieses 2D-Bild in eine erkundbare 3D-Umgebung zu verwandeln. Der Übergang von 2D zu immersivem 3D ist der von Testern identifizierte „Wow-Moment“. Die Anwendung erlaubt zudem das Hochladen persönlicher Fotos – ein fotografiertes Spielzeugdinosaurier kann so zu einer steuerbaren Figur in einer Rekonstruktion des Zimmers werden.

Technische Herausforderungen: Genie 3 löst ein komplexeres Problem als die Standard-Videogenerierung. Ein Videomodell kann Bilder nachträglich anpassen, um Konsistenz zu gewährleisten; Genie 3 muss in Echtzeit generieren, konsistent sowohl mit der Vergangenheit ALS AUCH mit der unmittelbaren Aktion des Nutzers, ohne zukünftige Eingaben zu kennen. Die aktuelle Begrenzung auf 60 Sekunden resultiert aus einem Kompromiss: Die Dynamik der Welt nimmt tendenziell allmählich ab, und die Bereitstellungskosten bleiben hoch.

Entwicklung seit Genie 1: Genie 1 war ein Forschungspapier. Genie 2 (Dezember 2024) bot 10 Sekunden in niedriger Auflösung, ohne Echtzeit. Genie 3 (angekündigt im August 2025, jetzt gestartet) erreicht eine Minute in Echtzeit mit fotorealistischer Qualität. Das Team stellt fest, dass vor einem Jahr eine Minute Echtzeit-Konsistenz als ehrgeiziges Ziel erschien; heute fordern Nutzer mehr.

Angedachte Anwendungen: Über die Unterhaltung hinaus untersucht das Team Bildung (personalisierte therapeutische Expositionen, etwa ein Kind, das ein mit virtuellen Spinnen gefülltes Zimmer erkundet) und verkörperte Intelligenz. Das Projekt Simmer nutzt Genie 3 bereits, um KI-Agenten zu trainieren, die Ziele in beliebigen 3D-Welten erreichen können – ein Schritt in Richtung verkörperter AGI.

Ausblick: Die Roadmap umfasst Multiplayer (komplex wegen der Latenz), mehr Interaktionssteuerungen, eine Entwickler-API und die Erweiterung auf andere Oberflächen. Das Team schätzt, 50 % seiner Vision erreicht zu haben, mit „enormem Spielraum“ für weitere Verbesserungen. Die ultimative Vision: eine von der Realität nicht zu unterscheidende Simulation, „eine Kopie des Universums, in der man tun kann, was man will“.