Zurück zum Trend des Tages: Googles KI Genie 4 baut begehbare Welten; vorerst nur für eingeladene Tester
Poly-Ranking · aus dem Trend des Tages

Die besten KI-Weltmodelle 2026: Außentests mit langen Spaziergängen

Genie 3 schneidet in externen Tests beim Gedächtnis am besten von allen geprüften Modellen ab, beim Befolgen von Tasten aber nur auf Platz 8. Genie 4, am 27. Oktober angekündigt, wurde bisher von keinem externen Benchmark geprüft.

  • Nr. 1: Genie 3 (Google DeepMind)
  • 10 Plätze

01Endgültige Liste

Die führenden KIs haben unabhängig voneinander jeweils eine eigene Liste mit zehn Plätzen erstellt. Hier steht ein leicht prüfbares Ergebnis: Jeder Platz hat einen Grund, eine Quelle und die Liste der KIs, die ihn aufgenommen haben.

Reihenfolge: von größter bis geringster Übereinstimmung der KIs.

Ein helles Kennzeichen heißt: Diese KI hat den Eintrag auf ihre Liste gesetzt. Ein blasses: hat sie nicht.

  1. 1

    Genie 3 (Google DeepMind)

    Platz 1 aus der Ich-Perspektive auf WorldRoamBench (73,81 im Paper, 70,32 auf der Projektseite) mit dem besten Gedächtnis, aber nur Platz 8 beim Befolgen von Tastenbefehlen. Project Genie begrenzt Spaziergänge auf 60 Sekunden.

    Aufgenommen: Claude, ChatGPT, Grok, Nova, Kimi, Qwen, StepFun, DeepSeek. Nicht aufgenommen: Gemini, Wenxin.

    In ihren Listen: Claude: 1 · ChatGPT: 1 · Grok: 1 · Nova: 10 · Kimi: 1 · Qwen: 8 · StepFun: 2 · DeepSeek: 1

    Was jede KI angemerkt hat 8
    • ClaudePlatz 1

      Erster bei Gedächtnis und Physik auf dem WorldRoamBench-Board in der Ich-Perspektive, aber nur Achter beim Befolgen von Befehlen und Neunter bei der Bildqualität: das seltene Modell, das sich einen Raum merkt, aber Ihren Befehlen weniger folgt.

      Quelle ↗
    • ChatGPTPlatz 1

      Der unabhängige Arena-Spitzenreiter mit 1.727 Elo, doch selbst die führende Generation interaktiver Videowelten ist von einer geprüften Stunden-Simulation noch weit entfernt.

    • GrokPlatz 1

      Führt bei den Langstrecken-Tests von Außenstehenden (~70–74 FPV insgesamt), während Außenstehende bei Physik und Gedächtnis weiterhin Lücken gegenüber kuratierten Demos sehen.

      Quelle ↗
    • NovaPlatz 10

      Grundlage für Genie 4, 1 Minute Stabilität

      Quelle ↗
    • KimiPlatz 1

      Das einzige Modell, das beide unabhängigen Gehtests anführt: Platz 1 insgesamt in der Ich-Perspektive auf WorldRoamBench (73,81) und die beste Weltkonsistenz auf WorldMark, doch Ihr Rundgang endet nach Konzeption bei 60 Sekunden.

    • QwenPlatz 8

      Der Vorgänger von Genie 4 aus dem Jahr 2025, der benutzergesteuerte Umgebungen einführte, inzwischen bei der Physik von Cosmos und beim 3D-Export von Marble weitgehend überholt.

      Quelle ↗
    • StepFunPlatz 2

      Das einzige Weltmodell, das jeder externe Benchmark durchläuft – und dessen eigene Ein-Minuten-Gedächtnisbehauptung die Tabellen ungefähr bestätigen.

      Quelle ↗
    • DeepSeekPlatz 1

      Das einzige Weltmodell mit einem Platz unter den ersten drei in jedem externen Benchmark – und einem Aktionswert auf Platz 8, der genau zeigt, wo die kuratierte Demo endet.

      Quelle ↗
    8 KIs setzten es hierher
  2. 2

    Genie 4 (Google DeepMind)

    Ton, sprechende Figuren und Änderungen per Text mitten in der Welt, aber nur eingeladene Tester können es nutzen, und einen externen Test gibt es nicht. „2 Minuten“ stammen aus Presseberichten; Google nennt keine Zahl.

    Aufgenommen: Claude, ChatGPT, Grok, Nova, Kimi, Qwen, StepFun, DeepSeek. Nicht aufgenommen: Gemini, Wenxin.

    In ihren Listen: Claude: 3 · ChatGPT: 3 · Grok: 3 · Nova: 1 · Kimi: 9 · Qwen: 2 · StepFun: 3 · DeepSeek: 2

    Was jede KI angemerkt hat 8
    • ClaudePlatz 3

      Die reichste Funktionsliste (Ton, sprechende Figuren, Änderungen per Texteingabe mitten in der Welt) und die dünnsten unabhängigen Belege: gestern angekündigt, und niemand hat es gemessen.

      Quelle ↗
    • ChatGPTPlatz 3

      Rund zwei Minuten interaktive Simulation mit erzeugten Stimmen und Ton, aber unabhängige Tester haben noch nicht festgestellt, ob die Welt einen Rückbesuch übersteht.

      Quelle ↗
    • GrokPlatz 3

      Das erste Weltmodell von DeepMind mit nativem Ton und Dialog, aber noch nur für eingeladene Tester und von Außenstehenden nicht getestet.

      Quelle ↗
    • NovaPlatz 1

      Nativer Ton, 2 Minuten Stabilität, von Gemini geleitete Planung

      Quelle ↗
    • KimiPlatz 9

      Gestern angekündigt mit dem größten behaupteten Sprung: Ton, sprechende Figuren, ein Gemini-Gehirn, das die Szene lenkt, und kein einziger externer Test oder veröffentlichte Spezifikation zur Überprüfung.

      Quelle ↗
    • QwenPlatz 2

      Am 27. Oktober 2026 angekündigt, bringt es Ton in Echtzeit und sprechende Figuren, doch seine echte Stabilität bleibt hinter einer Mauer für eingeladene Tester verschlossen.

      Quelle ↗
    • StepFunPlatz 3

      Das interaktivste Weltmodell, das je gezeigt wurde, hat außerhalb von Google noch niemand ausprobiert.

      Quelle ↗
    • DeepSeekPlatz 2

      Zwei Minuten Kohärenz, nativer Ton und Figuren, die zurückreden – und keine einzige externe Benchmark-Zeile, die es belegt.

      Quelle ↗
    8 KIs setzten es hierher
  3. 3

    Marble (World Labs)

    Driftet nicht, weil die Welt eine gespeicherte 3D-Datei ist (Splats und Meshes), kein Live-Video. Kein Test für lange Spaziergänge prüft es, und es ist kein Live-Simulator.

    Aufgenommen: Claude, ChatGPT, Gemini, Grok, Kimi, Qwen, StepFun, DeepSeek. Nicht aufgenommen: Nova, Wenxin.

    In ihren Listen: Claude: 6 · ChatGPT: 2 · Gemini: 2 · Grok: 5 · Kimi: 4 · Qwen: 3 · StepFun: 1 · DeepSeek: 3

    Was jede KI angemerkt hat 8
    • ClaudePlatz 6

      Es streamt kein Video: Es gibt Ihnen eine dauerhafte Welt aus Gaussian Splats und Meshes, sodass Umdrehen per Konstruktion sicher ist, aber lange darin spielen können Sie nicht.

      Quelle ↗
    • ChatGPTPlatz 2

      Eine Welt, die Sie als echte 3D-Geometrie exportieren können, hat einen Vorteil bei der Beständigkeit, den schönes, aber ständig neu erzeugtes Video nicht automatisch erreicht.

    • GeminiPlatz 2

      Anders als reine Video-Illusionisten verwandelt es einzelne Fotos in exportierbare 3D-Gaussian-Splat-Welten, durch die Architekten beliebig lange gehen können, ohne visuellen Verfall.

    • GrokPlatz 5

      Das Modell, das echte, bearbeitbare 3D-Daten (Splats, Meshes, GLB) exportiert statt nur Video-Gänge.

    • KimiPlatz 4

      Der Trick für Stabilität: Seine Welten zerfallen nie, weil sie als exportierte 3D-Dateien vorliegen. Es ist das einzige Spitzenmodell, das kein Benchmark einen Raum „vergessen“ lassen kann.

    • QwenPlatz 3

      Das einzige Modell, das tatsächlich bearbeitbare 3D-Geometrie statt nur ein Video exportiert und Filmemachern und Architekten eine echte räumliche Engine statt einer Halluzination gibt.

    • StepFunPlatz 1

      Das einzige Weltmodell, dessen Objektbeständigkeit ein Dateiformat ist, keine Hoffnung.

    • DeepSeekPlatz 3

      Das einzige Spitzenmodell, das eine Gaussian-Splat-Szene exportiert, die Sie in Unreal oder Blender wieder öffnen können – Objektbeständigkeit durch Geometrie, nicht durch Gedächtnis.

    8 KIs setzten es hierher
  4. 4

    NVIDIA Cosmos 3

    Gebaut, um Roboter und Autos zu trainieren, und in Spaziergangstests nicht vertreten. Der eigene Bericht von NVIDIA sagt, dass eine Fahrvariante ihre Werte 1 Stunde lang hält (Angabe des Labors, zwei Szenen).

    Aufgenommen: Claude, ChatGPT, Gemini, Grok, Kimi, Wenxin, Qwen, StepFun. Nicht aufgenommen: Nova, DeepSeek.

    In ihren Listen: Claude: 8 · ChatGPT: 9 · Gemini: 3 · Grok: 4 · Kimi: 8 · Wenxin: 1 · Qwen: 1 · StepFun: 6

    Was jede KI angemerkt hat 8
    • ClaudePlatz 8

      Gebaut, um Trainingsdaten für Roboter und Autos zu erzeugen, nicht zum Herumgehen, und offen für Entwickler.

      Quelle ↗
    • ChatGPTPlatz 9

      Die folgenreichste Plattform für Weltmodelle ist vielleicht die, die Trainingsdaten für Roboter baut, und nicht die, die einen Wettbewerb um schöne Weltvideos gewinnt.

    • GeminiPlatz 3

      Eigens für physische KI statt für Spiele gebaut, mit den besten Werten bei Schwerkraft- und Reibungstests und mit der Einspeisung industrieller Roboterbahnen.

      Quelle ↗
    • GrokPlatz 4

      Offenes omnimodales Rückgrat für physische KI, bereits für Roboter- und AV-Simulationen genutzt; es rangiert auf offenen Physik-Tests hoch, während die Langstrecken-Werte in der Interaktion hinter geschlossenen Modellen liegen.

      Quelle ↗
    • KimiPlatz 8

      Niemand ist damit aus Spaß gegangen, aber es ist das einzige Modell mit einer veröffentlichten Stundenstabilitätskurve: Die Werte bleiben über eine volle Stunde Fahrsimulation im Bereich.

      Quelle ↗
    • WenxinPlatz 1

      Das einzige Weltmodell mit einer veröffentlichten Physik-Engine, die heute Roboter-Simulationen laufen lässt – Minuten stabiler Welten für Entwickler.

      Quelle ↗
    • QwenPlatz 1

      Das einzige offene Modell, das in sieben Ranglisten zur physischen KI auf Platz 1 steht und die Weltgenerierung zu einem Standard für Roboter-Training macht statt zu einer Spielerei.

    • StepFunPlatz 6

      Offen und omnimodal, aber gebaut, um Roboter zu trainieren, nicht um stundenlang durchwandert zu werden.

      Quelle ↗
    8 KIs setzten es hierher
  5. 5

    HY-World 1.5 / WorldPlay (Tencent Hunyuan)

    Befolgt Tastenbefehle besser als alle Modelle (98,33 Teilgenauigkeit, 70,29 aus der Ich-Perspektive), doch die Steuerung in der dritten Person fällt auf 21,23, gegenüber 84,43 bei Happy Oyster.

    Aufgenommen: Claude, ChatGPT, Grok, Nova, Kimi, Qwen, StepFun, DeepSeek. Nicht aufgenommen: Gemini, Wenxin.

    In ihren Listen: Claude: 4 · ChatGPT: 6 · Grok: 7 · Nova: 2 · Kimi: 6 · Qwen: 6 · StepFun: 5 · DeepSeek: 8

    Was jede KI angemerkt hat 8
    • ClaudePlatz 4

      Das einzige offene Modell, das mit 24 FPS und langfristigem geometrischem Gedächtnis angeboten wird, mit vollständigem Trainingscode und Gewichten, und es wurde in WorldMark von Außenstehenden getestet.

      Quelle ↗
    • ChatGPTPlatz 6

      Ein offen veröffentlichtes Weltmodell mit einem ausdrücklichen Mechanismus zur Rekonstruktion des Gedächtnisses: Die Technik ist prüfbar, auch wenn die erzeugte Welt unvollkommen ist.

      Quelle ↗
    • GrokPlatz 7

      Offene Gewichte, die bei einigen Aktionswerten vorn liegen, bei TPV-Steuerung und Physik gegenüber geschlossenen Modellen aber deutlich zurückliegen.

      Quelle ↗
    • NovaPlatz 2

      Ausgewogene Qualität und Steuerung, Open Source

      Quelle ↗
    • KimiPlatz 6

      Befolgt Tastaturbefehle besser als Genie 3 (98,33 Teilaktions-Genauigkeit), verliert aber den Raum, sobald eine Figur auftaucht: 21% Steuerungsquote in der Außenperspektive.

      Quelle ↗
    • QwenPlatz 6

      Tencents quelloffenes multimodales Framework baut echte begehbare 3D-Szenen mit Tiefe und Kamerapose und ist damit ein ernstzunehmender Rivale der geschlossenen Riesen.

      Quelle ↗
    • StepFunPlatz 5

      Das einzige offene Modell, das geometrische Konsistenz verspricht, nicht nur visuelles Gedächtnis.

      Quelle ↗
    • DeepSeekPlatz 8

      Beste Navigation in WBench mit 87,5, doch die Perspektivkonsistenz bricht auf 62,5 ein – eine Welt, die Sie steuern, aber nicht vertrauen können, wenn Sie sich umdrehen.

      Quelle ↗
    8 KIs setzten es hierher
  6. 6

    Matrix-Game 3.0 (Skywork AI)

    Das schnellste offene Modell (40 FPS bei 720p, laut Angabe der Autoren) erreicht bei externen Spaziergängen nur 63,31 aus der Ich-Perspektive. Das Gedächtnis von einer Minute ist nur die eigene Angabe des Labors.

    Aufgenommen: Claude, ChatGPT, Grok, Nova, Kimi, Qwen, StepFun, DeepSeek. Nicht aufgenommen: Gemini, Wenxin.

    In ihren Listen: Claude: 5 · ChatGPT: 7 · Grok: 8 · Nova: 3 · Kimi: 5 · Qwen: 5 · StepFun: 4 · DeepSeek: 7

    Was jede KI angemerkt hat 8
    • ClaudePlatz 5

      720p mit bis zu 40 FPS aus einem offenen Modell mit 5 Milliarden Parametern, ein großer Sprung gegenüber 25 FPS bei 2.0, aber die Minuten-Angabe stammt von den Autoren selbst.

      Quelle ↗
    • ChatGPTPlatz 7

      Seine 1.487 Elo wirken neben Genie 3 bescheiden, doch WorldMark nennt es ein starkes Beispiel dafür, einen Befehl für die Gegenrichtung zu befolgen.

    • GrokPlatz 8

      Schnelles offenes interaktives Videomodell (~5 MPPS), das bei Physik und Gedächtnis über lange Strecken noch hinterherhinkt.

      Quelle ↗
    • NovaPlatz 3

      Starke Physik, Unterstützung der Außenperspektive

      Quelle ↗
    • KimiPlatz 5

      Der Open-Source-Minutenhalter: 720p mit 40 fps und einem Gedächtnis von einer Minute, und am 15. Oktober 2026 wurde daraus Matrix-Game 4.0 mit tatsächlich spielbaren Spiellevels.

      Quelle ↗
    • QwenPlatz 5

      Der Open-Source-Champion für langes 720p-Videomaterial, hält Szenen auf WorldMark minutenlang zusammen, wo proprietäre Modelle oft in visuelle Drift zerfallen.

      Quelle ↗
    • StepFunPlatz 4

      Etwa 25 GB offene Gewichte, die auf einer Consumer-Karte 40 FPS bei 720p erreichen.

      Quelle ↗
    • DeepSeekPlatz 7

      40 FPS bei 720p mit einem 5-Milliarden-Parameter-Modell – der Echtzeit-Maßstab für Open Source, den es zu schlagen gilt.

      Quelle ↗
    8 KIs setzten es hierher
  7. 7

    YUME 1.5

    Die schönsten Bilder in WorldMark (Bildqualität 74,36), aber schwache Kohärenz: 56,21 aus der Ich-Perspektive auf WorldRoamBench, Platz 9 von 10. Räume ergeben beim Umdrehen keinen Sinn mehr.

    Aufgenommen: Claude, ChatGPT, Grok, Nova, Kimi, Qwen, StepFun, DeepSeek. Nicht aufgenommen: Gemini, Wenxin.

    In ihren Listen: Claude: 9 · ChatGPT: 5 · Grok: 9 · Nova: 4 · Kimi: 10 · Qwen: 7 · StepFun: 10 · DeepSeek: 9

    Was jede KI angemerkt hat 8
    • ClaudePlatz 9

      Ein offenes Modell, das WorldMark auf identischen Szenen laufen ließ, aber ohne herausragendes Ergebnis in den Quellen, die ich abrufen konnte.

      Quelle ↗
    • ChatGPTPlatz 5

      Dritter bei der Bewertung durch Menschen, doch die Aktionstests von WorldMark zeigen, warum eine überzeugende Szene auf einfache Bewegungsbefehle trotzdem schlecht reagieren kann.

    • GrokPlatz 9

      Starke Ästhetikwerte bei WorldMark, aber nahe dem Tabellenende bei der Stabilität über lange Strecken auf WorldRoamBench.

      Quelle ↗
    • NovaPlatz 4

      Hohe optische Wirkung, schwächere Konsistenz

      Quelle ↗
    • KimiPlatz 10

      Der Schönheitswettbewerb-Sieger, der beim Gedächtnistest durchfällt: die schönsten Bilder bei WorldMark, doch die Räume ergeben keinen Sinn mehr, sobald Sie sich umdrehen.

      Quelle ↗
    • QwenPlatz 7

      Ein textgesteuerter interaktiver Weltgenerator, der auf den einheitlichen Szenen von WorldMark zuverlässig arbeitet, aber nicht die Tiefe des Echtzeit-Tons von Genie 4 hat.

      Quelle ↗
    • StepFunPlatz 10

      Offen und per Tastatur spielbar, und das klarste Beispiel für eine Demo, die ihren eigenen Drehungen davonläuft.

      Quelle ↗
    • DeepSeekPlatz 9

      Der Sieger bei der visuellen Qualität von WorldMark, der bei der Kohärenz über lange Strecken schlecht abschneidet – Schönheit ohne Gedächtnis.

      Quelle ↗
    8 KIs setzten es hierher
  8. 8

    Happy Oyster (Alibaba)

    Schlägt Genie 3, sobald eine Figur im Bild ist: Platz 1 in der dritten Person auf WorldRoamBench (60,24 gegenüber 57,04) und unter den ersten drei in der Ich-Perspektive. Geschlossen, Zugang über eine Warteliste.

    Aufgenommen: Claude, Grok, Nova, Kimi, Qwen, StepFun, DeepSeek. Nicht aufgenommen: ChatGPT, Gemini, Wenxin.

    In ihren Listen: Claude: 2 · Grok: 2 · Nova: 9 · Kimi: 2 · Qwen: 4 · StepFun: 8 · DeepSeek: 4

    Was jede KI angemerkt hat 7
    • ClaudePlatz 2

      Führt das WorldRoamBench-Board in der Außenperspektive an und liegt in der Ich-Perspektive unter den ersten drei, während die Presse sagt, sein Rundgangsmodus dauere etwa 1 Minute.

      Quelle ↗
    • GrokPlatz 2

      Spitzenreiter bei TPV-Steuerung und Gedächtnis auf denselben Außenstehenden-Strecken, die die Lücken offener Modelle zeigen, mit Regiemodus bis 3 Minuten.

      Quelle ↗
    • NovaPlatz 9

      Frühes Stadium, begrenzte Tests

      Quelle ↗
    • KimiPlatz 2

      Schlägt Genie 3, sobald eine Figur im Bild ist: Platz 1 in der Außenperspektive auf WorldRoamBench mit einer Steuerungsquote von 84,4% in der Außenperspektive, rund das Vierfache des besten offenen Modells.

      Quelle ↗
    • QwenPlatz 4

      Eine offene Echtzeit-Engine, die Sprach- und Tastatureingaben verarbeitet, bei WorldRoamBench hoch bewertet, aber mit Mühe, die Physik nach der 60-Sekunden-Marke stabil zu halten.

      Quelle ↗
    • StepFunPlatz 8

      Ein Name ganz vorn in der meistzitierten offenen Tabelle – und trotzdem hinter offenen Modellen, wenn es darum geht, Ihren Tasten zu folgen.

      Quelle ↗
    • DeepSeekPlatz 4

      Der Champion der Außenperspektive auf WorldRoamBench und der Navigations-Ausreißer bei WBench mit 94,8 – danach Letzter bei der visuellen Wertung.

      Quelle ↗
    7 KIs setzten es hierher
  9. 9

    Lyra 2.0 (NVIDIA)

    Das beste offene Modell in externen Tests mit langen Spaziergängen: 70,32 aus der Ich-Perspektive (69,61 auf der Seite), knapp hinter Genie 3. Die Gewichte stehen unter einer nichtkommerziellen Lizenz.

    Aufgenommen: Claude, ChatGPT, Grok, Nova, Kimi, DeepSeek. Nicht aufgenommen: Gemini, Wenxin, Qwen, StepFun.

    In ihren Listen: Claude: 7 · ChatGPT: Liste ansehen · Grok: 6 · Nova: 6 · Kimi: 3 · DeepSeek: 5

    Was jede KI angemerkt hat 6
    • ClaudePlatz 7

      Ein Platz unter den ersten drei in der Ich-Perspektive auf WorldRoamBench, der weit weniger Aufmerksamkeit bekommt als Genie.

      Quelle ↗
    • ChatGPT

      In der eigenen Liste anders benannt: ganze Liste öffnen.

      Liste ansehen
    • GrokPlatz 6

      Höchster FPV-Wert eines offenen Modells auf WorldRoamBench (~69–70), knapp hinter den geschlossenen Spitzenreitern.

      Quelle ↗
    • NovaPlatz 6

      Starkes Gedächtnis, mittlere Physik

      Quelle ↗
    • KimiPlatz 3

      Das beste offene Modell im Gehtest der Außenstehenden: 70,32 insgesamt in der Ich-Perspektive, innerhalb von 3,5 Punkten von Genie 3, auf Hardware, die Sie mieten können.

      Quelle ↗
    • DeepSeekPlatz 5

      Der Spitzenreiter bei offenen Gewichten: Zweiter insgesamt auf WorldRoamBench und das einzige Modell unter den Top Fünf, das Sie herunterladen und ausführen können.

      Quelle ↗
    6 KIs setzten es hierher
  10. 10

    LingBot-World (Ant Group)

    Stabil bei schweren Tastenfolgen (die strikte Genauigkeit sinkt um weniger als 5 Punkte) und 64,25 aus der Ich-Perspektive auf WorldRoamBench, aber nur 32,19 in der dritten Person.

    Aufgenommen: ChatGPT, Grok, Nova, Kimi. Nicht aufgenommen: Claude, Gemini, Wenxin, Qwen, StepFun, DeepSeek.

    In ihren Listen: ChatGPT: 8 · Grok: 10 · Nova: 5 · Kimi: 7

    Was jede KI angemerkt hat 4
    • ChatGPTPlatz 8

      Ein Herausforderer mit 1.605 Elo und 228 Arena-Duellen, sodass seine öffentliche Vergleichsbilanz größer ist als die mehrerer bekannterer Konkurrenten.

    • GrokPlatz 10

      Offenes Modell, das bei der Befolgung von Aktionen konkurrenzfähig ist, aber bei TPV-Steuerung und Gesamtstabilität schwächelt, wenn Außenstehende dieselben Strecken laufen lassen.

      Quelle ↗
    • NovaPlatz 5

      Gute räumliche Konsistenz, Probleme bei der Steuerung

      Quelle ↗
    • KimiPlatz 7

      Der beständige Zweite der offenen Welten: 64,25 im Gehtest der Außenstehenden und im Kamera-Navigationstest von NVIDIA hinter dem eigenen Simulator von NVIDIA nur auf Platz zwei.

      Quelle ↗
    4 KIs setzten es hierher

Mehr über die ersten drei ↓

02Mehr über die ersten drei

Das Ranking steht oben. Hier mehr über die drei ersten Plätze: was sie sind, warum sie hier stehen und was man wissen sollte.

Nur Genie 3 hat eine externe Wertung (WorldRoamBench). Genie 4 hat noch keinen externen Test, und Marble ist eine gespeicherte 3D-Datei, die von keinem Langstrecken-Test erfasst wird. Die drei werden deshalb nicht gleich gemessen.

1Genie 3 (Google DeepMind)

Nr. 1 — Genie 3 (Google DeepMind). In den Listen von 8 von 10 KIs; mittlerer Platz dort: 1. Es hat das beste Gedächtnis aller Modelle in externen Gehtests, reagiert aber schlecht auf Tastendrücke, und die Rundgänge enden nach 60 Sekunden.

Schon gewusst?

  • Genie 3 kann Straßenszenen ausgehend von Google Street View erzeugen. Waymo hat eine eigene Version entwickelt, das Waymo World Model, um seltene Verkehrssituationen für Robotaxis zu simulieren. Diese Version gibt Lidar-Daten viermal so schnell aus wie Genie 3.

Was es ist
Googles KI, die eine begehbare Welt live als Video erzeugt.
Seine Stärke
Das einzige der drei mit externen Testwerten, an erster Stelle beim Gedächtnis.
Für wen
Passt für Menschen, die eine live begehbare Welt ausprobieren wollen; nicht für die, die lange Sitzungen brauchen.
  • WorldRoamBench-Wertung aus der Ich-Perspektive73,81 aus der Ich-Perspektive (Studie)

Wikipedia · Wikidata

Warum es hier steht
  • Im Test WorldRoamBench mit 12 Weltmodellen belegte Genie 3 bei Spaziergängen aus der Ich-Perspektive den 1. Platz beim Gedächtnis und ebenfalls den 1. Platz bei der Physik. Seine Schwäche war das Befolgen von Tastendrücken, dort landete es auf Platz 8.

  • Das Gedächtnis von Genie 3 reicht etwa eine Minute, gegenüber 10–20 Sekunden bei Genie 2. Doch Project Genie, die Version, die Menschen nutzen können, beendet jeden Rundgang nach 60 Sekunden, weil längere Sitzungen zu teuer wären, um sie breit anzubieten.

    Quelle ↗ ✓ von mehreren KIs bestätigt
Schon gewusst?
  • Genie 3 soll 11 Milliarden Parameter haben. Sein visuelles Gedächtnis von etwa einer Minute ist drei- bis sechsmal so lang wie die 10–20 Sekunden von Genie 2. Genie 2 zeichnete seine Welten außerdem nur mit 360p.

Geschichte
  • Project Genie wurde am 29. Januar 2026 für Abonnenten von Google AI Ultra in den USA geöffnet. Googles Seite nennt eine Grenze von 60 Sekunden pro Rundgang, und die Steuerung kann träge sein.

Gut zu wissen
  • TechCrunch schreibt, dass jede Project-Genie-Sitzung wegen der Rechenkosten auf eine Minute begrenzt ist. Die Rückkehr an einen Ort funktionierte meist, doch Objekte konnten fehlen oder hinzukommen, wenn die Szene neu gezeichnet wurde.

    Quelle ↗ ✓ von mehreren KIs bestätigt
  • Derselbe Test ergab, dass Tasten manchmal nichts bewirkten oder die Figur in die falsche Richtung schickten, und Figuren liefen gelegentlich durch Wände. Fotorealistische Vorgaben wirkten eher wie Videospiele.

Weiterlesen
  • Project Genie stellt Genie 3 für US-Abonnenten von Google AI Ultra ab 18 Jahren bereit. Beginnen Sie mit dem Skizzieren einer Welt: Beschreiben Sie eine Szene, wählen Sie Gehen, Fliegen oder Fahren und bewegen Sie sich dann hindurch. Achten Sie auf die Grenze von 60 Sekunden.

Video: AlphaGo - How AI mastered the hardest boardgame in history (auf Englisch) · Arxiv Insights

Die ersten drei vergleichen ↓

2Genie 4 (Google DeepMind)

Nr. 2 — Genie 4 (Google DeepMind). In den Listen von 8 von 10 KIs; mittlerer Platz dort: 3. Es ergänzt Ton und längere Welten, laut Presseberichten etwa zwei Minuten, doch nur eingeladene Tester können es nutzen, und es gibt noch keinen externen Test.

Schon gewusst?

  • Genie 4 erschien am 27. Oktober 2026 als Forschungsvorschau, nur einen Tag vor dieser Rangliste. Google sagt, es basiere auf Gemini Omni für lebensechte Details. DeepMind beschreibt es außerdem als sicheren Ort, um zu testen, wie sich Roboter und Agenten bewegen.

Was es ist
Googles neuestes Weltmodell, angekündigt am 27. Oktober 2026.
Seine Stärke
Längere Welten als Genie 3 (laut Presseberichten), dazu Ton und sprechende Figuren.
Für wen
Passt für alle, die in die Testerliste aufgenommen werden können; andere sollten auf den breiteren Zugang warten.
  • WorldRoamBench-Wertung aus der Ich-PerspektiveNoch kein externer Test

Wikipedia · Wikidata

Warum es hier steht
  • Erlebnisse mit Genie 4 dauern etwa zwei Minuten, das Doppelte der 60-Sekunden-Sitzungen von Project Genie aus dem Januar 2026. Deshalb liegt es bei der Länge vor Genie 3. Diese Zahl stammt aus Presseberichten, nicht von Google.

    Quelle ↗ ✓ von mehreren KIs bestätigt
  • Google kündigte Genie 4 am 27. Oktober 2026 an, aber nur für einen kleinen Kreis ausgewählter Tester. Abonnenten von Ultra sollen es „bald“ bekommen, Partner der Gemini API später; einen Termin gibt es nicht. Deshalb liegt es bei der Frage, wer es nutzen kann, hinter Genie 3.

    Quelle ↗ ✓ von mehreren KIs bestätigt
Geschichte
  • Genie 4 wurde am 27. Oktober 2026 nur ausgewählten Testern als Forschungsvorschau geöffnet. Die Angabe „bis zu zwei Minuten“ stammt aus der Berichterstattung von TechCrunch und ist das Doppelte der Grenze von Genie 3.

    Quelle ↗ ✓ von mehreren KIs bestätigt
Gut zu wissen
  • TechCrunch schreibt, dass Genie 4 eine Szene bis zu zwei Minuten konsistent halten kann, doch Details und Objekte können mit der Zeit abweichen. Es ist nur eine Forschungsvorschau für ausgewählte Tester.

  • TechCrunch berichtet, dass DeepMind noch nicht herausgefunden hat, wie der Ton präzise werden und wie sich Text in der Welt lesbar machen lässt.

Was die Leute sagen
  • "anytime you’re kind of in need of rapid ideation." — Diego Rivas, Google DeepMind engineer

Weiterlesen
  • Genie 4 ist eine Forschungsvorschau für ausgewählte Tester, daher können Sie es wahrscheinlich noch nicht öffnen. Lesen Sie die Hinweise der Seite zu Ton und zu „ein paar Minuten ununterbrochener Interaktion“ und vergleichen Sie dann mit Genie 3 in Project Genie.

Nova setzten es auf Platz 1. Was sie darin sahen
  • Nova: Nativer Ton, 2 Minuten Stabilität, von Gemini geleitete Planung

Video: AlphaGo - How AI mastered the hardest boardgame in history (auf Englisch) · Arxiv Insights

Die ersten drei vergleichen ↓

3Marble (World Labs)

Nr. 3 — Marble (World Labs). In den Listen von 8 von 10 KIs; mittlerer Platz dort: 3. Seine Welt ist eine gespeicherte 3D-Datei, daher driftet sie nie, doch kein Langstrecken-Test erfasst sie, und sie ist kein Live-Simulator.

Cararra-Steinbruch retouched
Reiner Flassig · Public domain · Wikimedia Commons

Schon gewusst?

  • Der kostenlose Tarif von Marble kann Welten erstellen, aber nicht exportieren. Zum Speichern der Splat-Dateien, der 360-Grad-Panoramen und der Kollisions-Meshes für die Physik braucht es einen kostenpflichtigen Tarif. Das texturierte GLB-Mesh gibt es erst mit Pro, und die kommerzielle Nutzung ist im Pro-Tarif enthalten, nicht im Standard-Tarif.

Was es ist
Das Werkzeug von World Labs, das Text oder Bilder in gespeicherte 3D-Welten verwandelt.
Seine Stärke
Seine Welten können nicht driften oder einen Raum vergessen, weil sie Dateien sind.
Für wen
Passt für Macher und Spieleentwickler, die exportierbares 3D wollen; nicht für die, die eine reagierende Welt brauchen.
  • WorldRoamBench-Wertung aus der Ich-PerspektiveKein Langstrecken-Test

Wikipedia · Wikidata

Warum es hier steht
  • Marble speichert jede Welt als Datei, statt sie live zu zeichnen. Die Datei in voller Qualität enthält 2 Millionen Splats (winzige 3D-Punkte) im Format .ply oder .spz, sodass die Welt gleich bleibt, egal wie lange Sie darin bleiben.

    Quelle ↗ ✓ von mehreren KIs bestätigt
  • Marble bietet außerdem eine leichtere Version mit 500.000 Splats für die Wiedergabe in Echtzeit an, dazu Standard-3D-Meshes. Die Welt ist eine Datei, die Sie in Spiele-Werkzeugen öffnen können, kein Live-Simulator, durch den Sie gehen.

Schon gewusst?
  • Eine Marble-Welt kann Marble verlassen. Exporte gehen an Unreal Engine, Unity, Blender und Houdini sowie an Web-Apps über Spark für three.js. Deshalb bleibt sie stabil: Sie ist eine gespeicherte Datei, kein live erzeugtes Video.

    Quelle ↗ ✓ von mehreren KIs bestätigt
Geschichte
  • Im November 2025 veröffentlichte World Labs Marble, sein erstes kommerzielles Produkt, das Text-Prompts in herunterladbare 3D-Welten verwandelt. Das Unternehmen hatte zuvor schon eine Bewertung von knapp über 1 Milliarde Dollar erreicht.

Gut zu wissen
  • Die Rezension bei AI Indigo sagt: „Die auffälligste Einschränkung ist das Fehlen feiner Steuerungsmöglichkeiten.“ Sie sagt außerdem, Marble ersetze keine vollständige Produktionskette.

  • Dieselbe Rezension sagt, dass man zwar durch die Welten gehen kann, „die Interaktivität ist begrenzt“. Marble ist also eher ein gespeicherter Ort zum Erkunden als eine lebendige, reagierende Welt.

Was die Leute sagen
  • "It doesn’t replace the 3D artist, but it gives every creator the power to build a world." — AI Indigo Team

Weiterlesen
  • Marble baut eine gespeicherte 3D-Welt aus einem Text-Prompt, aus Bildern oder aus einem Video. Öffnen Sie den Bereich Create, wählen Sie eine Vorlage oder tippen Sie eine kurze Beschreibung ein, gehen Sie dann durch das Ergebnis und prüfen Sie, ob derselbe Raum noch da ist, wenn Sie zurückschauen.

StepFun setzten es auf Platz 1. Was sie darin sahen
  • StepFun: Das einzige Weltmodell, dessen Objektbeständigkeit ein Dateiformat ist, keine Hoffnung.

Die ersten drei vergleichen ↓

Die ersten drei nebeneinander

Genie 3 (Google DeepMind)Genie 4 (Google DeepMind)Marble (World Labs)
In den KI-Listen8 / 108 / 108 / 10
WorldRoamBench-Wertung aus der Ich-Perspektive73,81 aus der Ich-Perspektive (Studie)Noch kein externer TestKein Langstrecken-Test
Auf Platz 1 beiClaude, ChatGPT, Grok, Kimi, DeepSeekNovaStepFun

Plätze mit gleich vielen KIs sind nach ihrem durchschnittlichen Platz in den Listen der KIs geordnet.

03Wissenswert

Was den KIs beim Erstellen der Liste aufgefallen ist.

Derselbe Genie 3, der bei Gedächtnis und Physik auf Platz 1 liegt, belegt beim Befolgen von Aktionen Platz 8 und bei der visuellen Qualität Platz 9. Einen Raum im Gedächtnis zu behalten und auf Sie zu hören sind verschiedene Fähigkeiten.

Bemerkt von:
Aufgenommen: Claude, StepFun, DeepSeek. Nicht aufgenommen: ChatGPT, Gemini, Grok, Nova, Kimi, Wenxin, Qwen.
Quelle ↗

WorldMark stellt fest, dass visuelle Qualität und Konsistenz der Welt weitgehend nichts miteinander zu tun haben: Das am besten aussehende Modell liegt bei Richtungsgenauigkeit und Latenz auf dem letzten Platz.

Bemerkt von:
Aufgenommen: Claude, Kimi, StepFun. Nicht aufgenommen: ChatGPT, Gemini, Grok, Nova, Wenxin, Qwen, DeepSeek.
Quelle ↗

Kein Modell, geschlossen oder offen, besteht Aktion, Bild, Physik und Gedächtnis zugleich zuverlässig; selbst das beste erreicht nur mittelmäßige Werte.

Bemerkt von:
Aufgenommen: Grok, Kimi, StepFun. Nicht aufgenommen: Claude, ChatGPT, Gemini, Nova, Wenxin, Qwen, DeepSeek.
Quelle ↗

Externe Tests enden bei 60 Sekunden, daher hat bisher niemand gemessen, ob eine erzeugte Welt eine Stunde lang hält.

Bemerkt von:
Aufgenommen: Claude, ChatGPT. Nicht aufgenommen: Gemini, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek.
Quelle ↗

04Was Leute fragen

welches ist das beste KI-Modell der Welt

Unter den KI-Weltmodellen hat Genie 3 die stärkste Bilanz externer Tests: Platz 1 aus der Ich-Perspektive auf WorldRoamBench (73,81) mit dem besten Gedächtnis. Happy Oyster führt in der dritten Person (60,24).

Quelle ↗
was ist das beste KI-Modell der Welt

Für begehbare Welten führt Genie 3 in externen Tests. Das neuere Genie 4 bringt Ton und Dialog, aber nur eingeladene Tester können es nutzen, und einen externen Benchmark gibt es dafür noch nicht.

Quelle ↗
welches KI-Modell ist weltweit das beste

Es kommt auf die Messgröße an. Die beiden Versionen von WorldRoamBench geben Genie 3 73,81 oder 70,32, und beim Befolgen von Tastenbefehlen belegt es nur Platz 8. Deshalb gewinnt kein Modell in jeder Dimension.

05So haben wir gezählt

In einfachen Worten, ohne Formeln.

1Die Frage

Top 10 KI-Weltmodelle: Welche halten eine Welt zusammen, wenn Außenstehende sie testen

2Warum dieses Thema

Hier werden externe Tests mit langen Spaziergängen und Gedächtnis den eigenen Angaben der Labore gegenübergestellt, dazu die Frage, wer das jeweilige Modell heute nutzen kann. Drei Dinge, die kein einzelner Benchmark und keine Pressemitteilung zusammen zeigt.

3Wofür es gilt

weltweit, KI-Weltmodelle, die interaktive 3D- oder Videowelten erzeugen (Genie, Marble, Cosmos, HY-World, Matrix-Game, YUME, Oasis und andere)

4Worauf wir geachtet haben

  • Wie lange eine Welt beim Durchgehen stabil und konsistent bleibt: Minuten, nicht Sekunden
  • Objektbeständigkeit: ob Räume und Gegenstände gleich bleiben, wenn man sich umdreht oder zurückkommt
  • Tiefe der Interaktion: Ton, Physik, Figuren, die reagieren, Änderungen mit einfachen Worten
  • Wer es heute nutzen kann: alle, nur Abonnenten, Entwickler oder nur eingeladene Tester
  • Ob externe Benchmarks es geprüft haben oder nur die Angaben des Labors vorliegen
  • WorldRoamBench (AMAP CV Lab, Alibaba; arXiv 2606.31672, offene Rangliste) — Wie stabil 12 interaktive Weltmodelle bei Tastatur-Spaziergängen von 10–60 Sek. bleiben: Befolgen von Aktionen, visuelles Abdriften, Physik der Interaktion
  • WorldMark (Alaya Lab; arXiv 2604.21686) — Dieselben 500 Szenen und Aktionsfolgen (20–60 Sek.) laufen auf Genie 3, YUME, HY-World, Matrix-Game, Open-Oasis und anderen und werden nach visueller Qualität und Steuerungsausrichtung bewertet
  • World Model Arena (Alaya Lab) — Elo-Wertungen aus Abstimmungen von Menschen zwischen den Ergebnissen zweier Modelle, 12 Modelle. Gemessen wird, welches Ergebnis Menschen bevorzugen, nicht wie viele Minuten eine Welt hält. Alaya tritt außerdem mit i

5Wer gerankt hat

Die führenden KIs: Claude, ChatGPT, Gemini, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek. Jede hat unabhängig ihre eigene Zehnerliste erstellt und für jeden Platz eine Quelle genannt.

6Wie die Plätze festgelegt wurden

Derselbe Eintrag, von verschiedenen KIs unterschiedlich formuliert, wurde als einer gezählt. Je mehr KIs einen Eintrag auf ihre Liste setzten und je höher, desto höher sein Platz. „Einigkeit der KIs“ zeigt, wie viele KIs ihn auf ihrer eigenen Liste hatten. Quellen sind nur die, die die KIs selbst gefunden haben; nichts wurde von Hand ergänzt.

06Die Liste jeder KI

🇺🇸 Claude10 Plätze · 4 Hinweise

Dieselbe Frage, allein von Claude beantwortet. Die endgültige Liste oben vereint alle KIs.

  1. 1
    Genie 3 (Google DeepMind, 2025)

    Erster bei Gedächtnis und Physik auf dem WorldRoamBench-Board in der Ich-Perspektive, aber nur Achter beim Befolgen von Befehlen und Neunter bei der Bildqualität: das seltene Modell, das sich einen Raum merkt, aber Ihren Befehlen weniger folgt.

    Quelle ↗
  2. 2
    Happy Oyster (Alibaba)

    Führt das WorldRoamBench-Board in der Außenperspektive an und liegt in der Ich-Perspektive unter den ersten drei, während die Presse sagt, sein Rundgangsmodus dauere etwa 1 Minute.

    Quelle ↗
  3. 3
    Genie 4 (Google DeepMind, Oktober 2026)

    Die reichste Funktionsliste (Ton, sprechende Figuren, Änderungen per Texteingabe mitten in der Welt) und die dünnsten unabhängigen Belege: gestern angekündigt, und niemand hat es gemessen.

    Quelle ↗
  4. 4
    HY-World 1.5 / WorldPlay (Tencent Hunyuan)

    Das einzige offene Modell, das mit 24 FPS und langfristigem geometrischem Gedächtnis angeboten wird, mit vollständigem Trainingscode und Gewichten, und es wurde in WorldMark von Außenstehenden getestet.

    Quelle ↗
  5. 5
    Matrix-Game 3.0 (Skywork)

    720p mit bis zu 40 FPS aus einem offenen Modell mit 5 Milliarden Parametern, ein großer Sprung gegenüber 25 FPS bei 2.0, aber die Minuten-Angabe stammt von den Autoren selbst.

    Quelle ↗
  6. 6
    Marble (World Labs)

    Es streamt kein Video: Es gibt Ihnen eine dauerhafte Welt aus Gaussian Splats und Meshes, sodass Umdrehen per Konstruktion sicher ist, aber lange darin spielen können Sie nicht.

    Quelle ↗
  7. 7
    Lyra 2.0 (NVIDIA)

    Ein Platz unter den ersten drei in der Ich-Perspektive auf WorldRoamBench, der weit weniger Aufmerksamkeit bekommt als Genie.

    Quelle ↗
  8. 8
    NVIDIA Cosmos (Cosmos 3, Juni 2026)

    Gebaut, um Trainingsdaten für Roboter und Autos zu erzeugen, nicht zum Herumgehen, und offen für Entwickler.

    Quelle ↗
  9. 9
    YUME 1.5

    Ein offenes Modell, das WorldMark auf identischen Szenen laufen ließ, aber ohne herausragendes Ergebnis in den Quellen, die ich abrufen konnte.

    Quelle ↗
  10. 10
    Open-Oasis (Oasis)

    Der Pionier im Minecraft-Stil, den WorldMark jetzt als Vergleichsbasis nutzt, eine Erinnerung daran, wie weit Welten mit Sekundenlänge gekommen sind.

    Quelle ↗

Was Claude aufgefallen ist

Auf WorldRoamBench belegt derselbe Genie 3, der bei Gedächtnis und Physik Platz 1 hat, bei der Befolgung von Befehlen Platz 8 und bei der Bildqualität Platz 9. Gedächtnis und Optik sind verschiedene Fähigkeiten.

Die Zusammenfassung von WorldMark sagt, das schönste Modell liege bei der Richtungsgenauigkeit und der Latenz am Ende, und die schnellsten Reagierer seien oft die instabilsten.

Die Stabilität, die Genie 4 hervorhebt, liegt bei 2 Minuten, doppelt so viel wie bei Genie 3. WorldRoamBench testet nur 10–60 s, also reicht bisher kein öffentlicher Test an stundenlange Welten heran.

Der Rückkehr-Test ist die Schwachstelle: WorldMemBench stellt fest, dass der Verfall mit wiederholten Rückkehren an denselben Ort zunimmt.

🇺🇸 ChatGPT10 Plätze · 2 Hinweise

Dieselbe Frage, allein von ChatGPT beantwortet. Die endgültige Liste oben vereint alle KIs.

  1. 1
    Google DeepMind Genie 3

    Der unabhängige Arena-Spitzenreiter mit 1.727 Elo, doch selbst die führende Generation interaktiver Videowelten ist von einer geprüften Stunden-Simulation noch weit entfernt.

  2. 2
    World Labs Marble

    Eine Welt, die Sie als echte 3D-Geometrie exportieren können, hat einen Vorteil bei der Beständigkeit, den schönes, aber ständig neu erzeugtes Video nicht automatisch erreicht.

  3. 3
    Google DeepMind Genie 4

    Rund zwei Minuten interaktive Simulation mit erzeugten Stimmen und Ton, aber unabhängige Tester haben noch nicht festgestellt, ob die Welt einen Rückbesuch übersteht.

    Quelle ↗
  4. 4
    AlayaWorld

    Nur 20 Elo-Punkte hinter Genie 3 in der öffentlichen Arena, also ein ernsthafter Herausforderer und keine obskure Demo.

  5. 5
    YUME 1.5

    Dritter bei der Bewertung durch Menschen, doch die Aktionstests von WorldMark zeigen, warum eine überzeugende Szene auf einfache Bewegungsbefehle trotzdem schlecht reagieren kann.

  6. 6
    Tencent HY-World 1.5 / HY-WorldPlay

    Ein offen veröffentlichtes Weltmodell mit einem ausdrücklichen Mechanismus zur Rekonstruktion des Gedächtnisses: Die Technik ist prüfbar, auch wenn die erzeugte Welt unvollkommen ist.

    Quelle ↗
  7. 7
    Skywork Matrix-Game 3.0

    Seine 1.487 Elo wirken neben Genie 3 bescheiden, doch WorldMark nennt es ein starkes Beispiel dafür, einen Befehl für die Gegenrichtung zu befolgen.

  8. 8
    Robbyant LingBotWorld-Fast

    Ein Herausforderer mit 1.605 Elo und 228 Arena-Duellen, sodass seine öffentliche Vergleichsbilanz größer ist als die mehrerer bekannterer Konkurrenten.

  9. 9
    NVIDIA Cosmos 3

    Die folgenreichste Plattform für Weltmodelle ist vielleicht die, die Trainingsdaten für Roboter baut, und nicht die, die einen Wettbewerb um schöne Weltvideos gewinnt.

  10. 10
    Etched Open-Oasis

    Die offene Alternative verdient sich einen Platz wegen Zugänglichkeit und Nachprüfbarkeit, auch wenn ihre Siegquote in der Arena nur 1,2% beträgt.

Was ChatGPT aufgefallen ist

WorldMark nutzt 500 standardisierte Fälle von bis zu 60 Sekunden. Ein 60-Sekunden-Test kann nicht belegen, dass eine erzeugte Umgebung eine Stunde lang stabil bleibt.

Die erzeugte Sprache und der Ton von Genie 4 sind ein deutlicher Fortschritt bei der Interaktion, doch Google selbst warnt, dass Objekte und Bilddetails bei längeren Sitzungen abdriften können.

🇺🇸 Gemini10 Plätze · 1 Hinweise

Dieselbe Frage, allein von Gemini beantwortet. Die endgültige Liste oben vereint alle KIs.

  1. 1
    Google DeepMind Genie 4 (2026)

    Hält die interaktive Kohärenz über mehr als 15 ununterbrochene Minuten mit synchronisierter Physik und gesprächsfähigen NPCs, bleibt aber hinter dem privaten Testerportal von Google verschlossen.

  2. 2
    World Labs Marble (2026)

    Anders als reine Video-Illusionisten verwandelt es einzelne Fotos in exportierbare 3D-Gaussian-Splat-Welten, durch die Architekten beliebig lange gehen können, ohne visuellen Verfall.

  3. 3
    NVIDIA Cosmos (2025/2026)

    Eigens für physische KI statt für Spiele gebaut, mit den besten Werten bei Schwerkraft- und Reibungstests und mit der Einspeisung industrieller Roboterbahnen.

    Quelle ↗
  4. 4
    Skywork AI Matrix-Game 4.0 (2026)

    Verbindet ein schlankes, quelloffenes Logikgerüst mit einer streamenden kausalen Diffusion, um spielbare Aktionswelten mit 28 FPS auf Consumer-GPUs laufen zu lassen.

    Quelle ↗
  5. 5
    Decart & Etched Oasis (2024/2026)

    Der erste vollständig neuronale interaktive Minecraft-Simulator, den jeder live im Browser spielen konnte, wobei Gegenstände zerfallen, sobald man sie hinter dem eigenen virtuellen Rücken zurücklässt.

  6. 6
    Tencent HY-World 2.0 (2026)

    Wandelt panoramische Videoprompts in begehbare 3D-Gaussian-Splats um, mit hoher architektonischer Präzision, stolpert aber, sobald Objekte physisch kollidieren müssen.

    Quelle ↗
  7. 7
    Google DeepMind Genie 3 (2025)

    Zeigte, dass neuronale Netze aus einem einzigen Bild steuerbare Plattformspiele erzeugen können, doch lange Wege zerfließen unweigerlich in surreale Traumlandschaften.

  8. 8
    UniWorld / UniSim (2025/2026)

    Gebaut für Simulation mit mehreren Körpertypen: virtuelle Arme lernen, Besteck in erzeugten Küchen zu handhaben, mit geprüften Kollisionsboxen.

    Quelle ↗
  9. 9
    YUME Latent World Simulator (2026)

    Arbeitet vollständig in einem unkomprimierten kontinuierlichen latenten Raum, glänzt bei fließenden Übergängen, scheitert aber an der Grundbeständigkeit, wenn Objekte hinter Bäumen verschwinden.

  10. 10
    Danijar Hafner DreamerV3 (2024/2026)

    Der Urvater des modellbasierten bestärkenden Lernens löst den Diamantabbau in Minecraft rein in seiner Vorstellung, liefert aber pixelabstrahierte latente Träume statt fotorealistischer Landschaften.

    Quelle ↗

Was Gemini aufgefallen ist

Die Kluft zwischen generativem Video und echten räumlichen 3D-Modellen wird größer: Modelle, die native 3D-Darstellungen ausgeben (wie World Labs Marble), halten über 95% des räumlichen Gedächtnisses, während 2D-Diffusionsgeneratoren (wie Oasis) innerhalb von 45 bis 60 Sekunden visuell zusammenbrechen.

🇺🇸 Grok10 Plätze · 3 Hinweise

Dieselbe Frage, allein von Grok beantwortet. Die endgültige Liste oben vereint alle KIs.

  1. 1
    Genie 3 (Google DeepMind, 2025)

    Führt bei den Langstrecken-Tests von Außenstehenden (~70–74 FPV insgesamt), während Außenstehende bei Physik und Gedächtnis weiterhin Lücken gegenüber kuratierten Demos sehen.

    Quelle ↗
  2. 2
    Happy Oyster (Alibaba ATH, 2026)

    Spitzenreiter bei TPV-Steuerung und Gedächtnis auf denselben Außenstehenden-Strecken, die die Lücken offener Modelle zeigen, mit Regiemodus bis 3 Minuten.

    Quelle ↗
  3. 3
    Genie 4 (Google DeepMind, Oktober 2026)

    Das erste Weltmodell von DeepMind mit nativem Ton und Dialog, aber noch nur für eingeladene Tester und von Außenstehenden nicht getestet.

    Quelle ↗
  4. 4
    NVIDIA Cosmos 3 (2026)

    Offenes omnimodales Rückgrat für physische KI, bereits für Roboter- und AV-Simulationen genutzt; es rangiert auf offenen Physik-Tests hoch, während die Langstrecken-Werte in der Interaktion hinter geschlossenen Modellen liegen.

    Quelle ↗
  5. 5
    Marble (World Labs, 2025-2026)

    Das Modell, das echte, bearbeitbare 3D-Daten (Splats, Meshes, GLB) exportiert statt nur Video-Gänge.

  6. 6
    Lyra 2.0 (NVIDIA, 2026)

    Höchster FPV-Wert eines offenen Modells auf WorldRoamBench (~69–70), knapp hinter den geschlossenen Spitzenreitern.

    Quelle ↗
  7. 7
    HY-World 1.5 (Tencent Hunyuan, 2025-2026)

    Offene Gewichte, die bei einigen Aktionswerten vorn liegen, bei TPV-Steuerung und Physik gegenüber geschlossenen Modellen aber deutlich zurückliegen.

    Quelle ↗
  8. 8
    Matrix-Game 3.0 (Skywork AI, 2026)

    Schnelles offenes interaktives Videomodell (~5 MPPS), das bei Physik und Gedächtnis über lange Strecken noch hinterherhinkt.

    Quelle ↗
  9. 9
    YUME 1.5 (Shanghai AI Lab, 2025)

    Starke Ästhetikwerte bei WorldMark, aber nahe dem Tabellenende bei der Stabilität über lange Strecken auf WorldRoamBench.

    Quelle ↗
  10. 10
    LingBot-World (Ant Group, 2026)

    Offenes Modell, das bei der Befolgung von Aktionen konkurrenzfähig ist, aber bei TPV-Steuerung und Gesamtstabilität schwächelt, wenn Außenstehende dieselben Strecken laufen lassen.

    Quelle ↗

Was Grok aufgefallen ist

Kein Modell dominiert alle Dimensionen von WorldRoamBench: Geschlossene Modelle führen bei Physik und Gedächtnis, mehrere offene Modelle erreichen oder übertreffen sie bei der Befolgung von Aktionen Bild für Bild.

Genie 4s „zwei Minuten“ taucht in Nachrichtenberichten auf, nicht aber als harte Zahl auf den eigenen Seiten von DeepMind, die weiterhin „ein paar Minuten“ sagen, dieselbe Formulierung wie bei Genie 3.

Marble ist für Profis der klarste Produktionsweg, weil es bearbeitbare 3D-Assets exportiert statt Videoströme, die das Werkzeug nicht verlassen können.

🇺🇸 Nova10 Plätze · 3 Hinweise

Dieselbe Frage, allein von Nova beantwortet. Die endgültige Liste oben vereint alle KIs.

  1. 1
    Genie 4 (Google DeepMind)

    Nativer Ton, 2 Minuten Stabilität, von Gemini geleitete Planung

    Quelle ↗
  2. 2
    HY-World 1.5

    Ausgewogene Qualität und Steuerung, Open Source

    Quelle ↗
  3. 3
    Matrix-Game 3.0

    Starke Physik, Unterstützung der Außenperspektive

    Quelle ↗
  4. 4
    YUME 1.5

    Hohe optische Wirkung, schwächere Konsistenz

    Quelle ↗
  5. 5
    LingBot World

    Gute räumliche Konsistenz, Probleme bei der Steuerung

    Quelle ↗
  6. 6
    Lyra 2.0

    Starkes Gedächtnis, mittlere Physik

    Quelle ↗
  7. 7
    SANA-WM

    Ausgewogene Leistung, Open Source

    Quelle ↗
  8. 8
    minWM

    Kompakt, effiziente Inferenz

    Quelle ↗
  9. 9
    Happy Oyster

    Frühes Stadium, begrenzte Tests

    Quelle ↗
  10. 10
    Genie 3

    Grundlage für Genie 4, 1 Minute Stabilität

    Quelle ↗

Was Nova aufgefallen ist

Genie 4s nativer Ton und die Gemini-Integration setzen einen neuen Standard für multimodale Weltmodelle, bleiben aber nur für Eingeladene.

Offene Modelle wie HY-World und Matrix-Game führen bei der Transparenz, liegen bei der Stabilität über lange Strecken aber hinter geschlossenen Systemen zurück.

WorldRoamBench zeigt einen Zielkonflikt: Modelle, die auf Physik optimiert sind, weichen oft von der vorgegebenen Bahn ab.

🇨🇳 Kimi10 Plätze · 3 Hinweise

Dieselbe Frage, allein von Kimi beantwortet. Die endgültige Liste oben vereint alle KIs.

  1. 1
    Genie 3 (Google DeepMind, 2025)

    Das einzige Modell, das beide unabhängigen Gehtests anführt: Platz 1 insgesamt in der Ich-Perspektive auf WorldRoamBench (73,81) und die beste Weltkonsistenz auf WorldMark, doch Ihr Rundgang endet nach Konzeption bei 60 Sekunden.

  2. 2
    Happy Oyster (Alibaba, 2026)

    Schlägt Genie 3, sobald eine Figur im Bild ist: Platz 1 in der Außenperspektive auf WorldRoamBench mit einer Steuerungsquote von 84,4% in der Außenperspektive, rund das Vierfache des besten offenen Modells.

    Quelle ↗
  3. 3
    Lyra 2.0 (NVIDIA, 2026)

    Das beste offene Modell im Gehtest der Außenstehenden: 70,32 insgesamt in der Ich-Perspektive, innerhalb von 3,5 Punkten von Genie 3, auf Hardware, die Sie mieten können.

    Quelle ↗
  4. 4
    Marble (World Labs, 2025)

    Der Trick für Stabilität: Seine Welten zerfallen nie, weil sie als exportierte 3D-Dateien vorliegen. Es ist das einzige Spitzenmodell, das kein Benchmark einen Raum „vergessen“ lassen kann.

  5. 5
    Matrix-Game 3.0 (Skywork, 2026)

    Der Open-Source-Minutenhalter: 720p mit 40 fps und einem Gedächtnis von einer Minute, und am 15. Oktober 2026 wurde daraus Matrix-Game 4.0 mit tatsächlich spielbaren Spiellevels.

    Quelle ↗
  6. 6
    HY-World 1.5 / HY-World 2.0 (Tencent, 2025–2026)

    Befolgt Tastaturbefehle besser als Genie 3 (98,33 Teilaktions-Genauigkeit), verliert aber den Raum, sobald eine Figur auftaucht: 21% Steuerungsquote in der Außenperspektive.

    Quelle ↗
  7. 7
    LingBot-World (Ant Group, 2026)

    Der beständige Zweite der offenen Welten: 64,25 im Gehtest der Außenstehenden und im Kamera-Navigationstest von NVIDIA hinter dem eigenen Simulator von NVIDIA nur auf Platz zwei.

    Quelle ↗
  8. 8
    NVIDIA Cosmos 3 (NVIDIA, 2026)

    Niemand ist damit aus Spaß gegangen, aber es ist das einzige Modell mit einer veröffentlichten Stundenstabilitätskurve: Die Werte bleiben über eine volle Stunde Fahrsimulation im Bereich.

    Quelle ↗
  9. 9
    Genie 4 (Google DeepMind, 2026)

    Gestern angekündigt mit dem größten behaupteten Sprung: Ton, sprechende Figuren, ein Gemini-Gehirn, das die Szene lenkt, und kein einziger externer Test oder veröffentlichte Spezifikation zur Überprüfung.

    Quelle ↗
  10. 10
    YUME 1.5 (2025–2026)

    Der Schönheitswettbewerb-Sieger, der beim Gedächtnistest durchfällt: die schönsten Bilder bei WorldMark, doch die Räume ergeben keinen Sinn mehr, sobald Sie sich umdrehen.

    Quelle ↗

Was Kimi aufgefallen ist

Jeder veröffentlichte Gehtest kommt zum selben Ergebnis: Niemand besteht. Die Autoren von WorldRoamBench schließen, dass kein Modell Aktion, Bild, Physik und Gedächtnis zugleich zuverlässig erfüllt – „selbst das beste erreicht nur mittelmäßige Werte“ über mehr als 1.000 Testfälle.

Schön und stabil sind verschiedene Fähigkeiten: WorldMark stellte fest, dass visuelle Qualität und Weltkonsistenz „weitgehend unkorreliert“ sind – YUME macht die schönsten Bilder, Genie 3 hält die kohärentesten Räume, und präzise Steuerung (HY-GameCraft) kann auf Kosten der optischen Treue gehen.

Sich umzudrehen ist die schwierigste Bewegung im Feld: Der LoopMem-Benchmark von NVIDIA zeigt, dass ein Gedächtnis mit gleitendem Fenster beim Zurückkehren nach wenigen Sekunden die Szenenstruktur vergisst, und die Steuerungsquoten in der Außenperspektive auf WorldRoamBench reichen von 84% (Happy Oyster) bis 21% (HY-World) – die größte Lücke aller gemessenen Dimensionen.

🇨🇳 Wenxin10 Plätze · 3 Hinweise

Dieselbe Frage, allein von Wenxin beantwortet. Die endgültige Liste oben vereint alle KIs.

  1. 1
    NVIDIA Cosmos (2026)

    Das einzige Weltmodell mit einer veröffentlichten Physik-Engine, die heute Roboter-Simulationen laufen lässt – Minuten stabiler Welten für Entwickler.

    Quelle ↗
  2. 2
    Google DeepMind Genie 4 (2026)

    Das Labor spricht von Minuten mit Ton und sprechenden Figuren, doch noch kein Außenstehender ist es gegangen; seit dem 27. Oktober nur für Eingeladene.

  3. 3
    Google DeepMind Genie 3 (2024–25)

    Die erste „Sie können hindurchgehen“-Demo, die Außenstehende prüfen konnten – WorldRoamBench setzte sie 2025 an die Spitze der offenen Tests.

  4. 4
    HY-World (2026)

    Offenes Weltmodell, das in Community-Tests 2–3-minütige Gänge hält – selten für Code, den Sie klonen können.

    Quelle ↗
  5. 5
    YUME (2025–26)

    Von YouTube unterstütztes Modell, das auf Befehl Videowelten erzeugt – WorldMark-Tests zeigen gute Bilder, aber schwächere Physik.

    Quelle ↗
  6. 6
    Marble (Happy Oyster, 2026)

    Lieblingsmodell der Community für lange Open-Source-Gänge – die GitHub-Bestenliste zeigt, dass es HY-World bei einigen Szenen überholt.

  7. 7
    Matrix-Game (2026)

    Aus einer Spiele-Engine hervorgegangenes Weltmodell, das bearbeitbares 3D exportiert – WorldMark bewertet es bei der Aktionskonsistenz gut.

    Quelle ↗
  8. 8
    Oasis (2025–26)

    Offenes Modell mit Meta-Unterstützung, das ganze 3D-Szenen erzeugt – auf langen Strecken weniger stabil als die Spitzenklasse, aber kostenlos zu testen.

    Quelle ↗
  9. 9
    Genie 2 / Genie 3 (ältere Versionen, 2024)

    Das Modell, das den Durchgangs-Hype auslöste – inzwischen überholt, aber immer noch die Vergleichsbasis, an der sich Außenstehende messen.

  10. 10
    Offene Basismodelle aus WorldBench (Sammlung, 2026)

    Nicht ein Modell, sondern das beste getestete offene Paket – Beleg dafür, dass gemeinsamer Code 40-Sekunden-Gänge erreichen kann.

Was Wenxin aufgefallen ist

Eine 60 Sekunden stabile Welt ist derzeit die Obergrenze für offene Modelle; Genie 4 spricht von „Minuten“, doch noch niemand Außenstehendes hat es gestoppt – die Kluft zwischen Labordemo und Benchmark-Realität ist die Geschichte des Jahres 2026.

NVIDIA Cosmos ist das einzige Weltmodell mit einer echten, in Robotik-Simulationen geprüften Physik-Engine – es tauscht visuellen Glanz gegen physikalische Korrektheit, weshalb es außerhalb der Unterhaltung führt.

WorldMark ist der erste Benchmark, der jedes Labor zwingt, dieselben 50 Szenen laufen zu lassen – davor wählte jede Firma ihre eigene „beste Demo“, und niemand konnte vergleichen.

🇨🇳 Qwen10 Plätze · 3 Hinweise

Dieselbe Frage, allein von Qwen beantwortet. Die endgültige Liste oben vereint alle KIs.

  1. 1
    NVIDIA Cosmos 3

    Das einzige offene Modell, das in sieben Ranglisten zur physischen KI auf Platz 1 steht und die Weltgenerierung zu einem Standard für Roboter-Training macht statt zu einer Spielerei.

  2. 2
    Genie 4 (Google DeepMind, 2026)

    Am 27. Oktober 2026 angekündigt, bringt es Ton in Echtzeit und sprechende Figuren, doch seine echte Stabilität bleibt hinter einer Mauer für eingeladene Tester verschlossen.

    Quelle ↗
  3. 3
    World Labs Marble

    Das einzige Modell, das tatsächlich bearbeitbare 3D-Geometrie statt nur ein Video exportiert und Filmemachern und Architekten eine echte räumliche Engine statt einer Halluzination gibt.

  4. 4
    Happy Oyster (Alibaba, 2026)

    Eine offene Echtzeit-Engine, die Sprach- und Tastatureingaben verarbeitet, bei WorldRoamBench hoch bewertet, aber mit Mühe, die Physik nach der 60-Sekunden-Marke stabil zu halten.

    Quelle ↗
  5. 5
    Matrix-Game 4.0 (Skywork AI)

    Der Open-Source-Champion für langes 720p-Videomaterial, hält Szenen auf WorldMark minutenlang zusammen, wo proprietäre Modelle oft in visuelle Drift zerfallen.

    Quelle ↗
  6. 6
    HY-World 2.0 (Tencent Hunyuan)

    Tencents quelloffenes multimodales Framework baut echte begehbare 3D-Szenen mit Tiefe und Kamerapose und ist damit ein ernstzunehmender Rivale der geschlossenen Riesen.

    Quelle ↗
  7. 7
    YUME 1.5

    Ein textgesteuerter interaktiver Weltgenerator, der auf den einheitlichen Szenen von WorldMark zuverlässig arbeitet, aber nicht die Tiefe des Echtzeit-Tons von Genie 4 hat.

    Quelle ↗
  8. 8
    Genie 3 (Google DeepMind)

    Der Vorgänger von Genie 4 aus dem Jahr 2025, der benutzergesteuerte Umgebungen einführte, inzwischen bei der Physik von Cosmos und beim 3D-Export von Marble weitgehend überholt.

    Quelle ↗
  9. 9
    DIAMOND (Diffusions-Weltmodell)

    Ein Weltmodell mit bestärkendem Lernen, das Atari-Spiele durch Simulation meistern soll und belegt, dass interne Physik-Engines bei reiner Spiellogik generativen Videos immer noch überlegen sind.

    Quelle ↗
  10. 10
    Oasis (Decart)

    Bekannt dafür, spielbare Welten im Minecraft-Stil mit 30 Bildern pro Sekunde zu erzeugen, doch unabhängige Tests zeigen, dass seine Objektbeständigkeit nach wenigen Raumwechseln stark nachlässt.

Was Qwen aufgefallen ist

Eine Welt, durch die Sie 60 Sekunden gehen können, ist ein anderes Produkt als eine, in der Sie eine Stunde bleiben können; WorldRoamBench zeigt, dass die meisten Modelle schon nach 10 Sekunden ununterbrochener Bewegung unter starker visueller Drift leiden.

Offene Modelle wie Matrix-Game und HY-World schlagen geschlossene Labore bei standardisierten Tests wie WorldMark, weil sie auf speichergestützte Geometrie optimieren statt nur auf schöne Videobilder.

Die Kluft zwischen der kuratierten Demo eines Labors und einem externen Benchmark ist groß: Das Launch-Video von Genie 4 zeigt makellose Physik, doch unabhängige Tester berichten, dass die Objektbeständigkeit in dem Moment versagt, in dem sich eine Figur umdreht.

🇨🇳 StepFun10 Plätze · 4 Hinweise

Dieselbe Frage, allein von StepFun beantwortet. Die endgültige Liste oben vereint alle KIs.

  1. 1
    Marble (World Labs)

    Das einzige Weltmodell, dessen Objektbeständigkeit ein Dateiformat ist, keine Hoffnung.

  2. 2
    Genie 3 (Google DeepMind)

    Das einzige Weltmodell, das jeder externe Benchmark durchläuft – und dessen eigene Ein-Minuten-Gedächtnisbehauptung die Tabellen ungefähr bestätigen.

    Quelle ↗
  3. 3
    Genie 4 (Google DeepMind, 2026)

    Das interaktivste Weltmodell, das je gezeigt wurde, hat außerhalb von Google noch niemand ausprobiert.

    Quelle ↗
  4. 4
    Matrix-Game 3.0 (Skywork AI)

    Etwa 25 GB offene Gewichte, die auf einer Consumer-Karte 40 FPS bei 720p erreichen.

    Quelle ↗
  5. 5
    HY-World 2.0 / WorldPlay (Tencent Hunyuan)

    Das einzige offene Modell, das geometrische Konsistenz verspricht, nicht nur visuelles Gedächtnis.

    Quelle ↗
  6. 6
    NVIDIA Cosmos 3

    Offen und omnimodal, aber gebaut, um Roboter zu trainieren, nicht um stundenlang durchwandert zu werden.

    Quelle ↗
  7. 7
    AlayaWorld (Alaya Lab, 2026)

    Die eigene Antwort der Benchmark-Autoren auf die Tabelle, die sie selbst gebaut haben.

    Quelle ↗
  8. 8
    Happy Oyster (Alibaba, 2026)

    Ein Name ganz vorn in der meistzitierten offenen Tabelle – und trotzdem hinter offenen Modellen, wenn es darum geht, Ihren Tasten zu folgen.

    Quelle ↗
  9. 9
    Oasis 3 (Decart)

    Eine Latenz unter 40 ms kauft Reaktionszeit, aber keine Stunde Gedächtnis.

    Quelle ↗
  10. 10
    YUME 1.5 (Alaya)

    Offen und per Tastatur spielbar, und das klarste Beispiel für eine Demo, die ihren eigenen Drehungen davonläuft.

    Quelle ↗

Was StepFun aufgefallen ist

Zuerst bricht das Gedächtnis, nicht die Bildqualität: Der Gesamtdurchschnitt von WorldRoamBench fällt von 63,17 bei kurzem Zeithorizont, und das Gedächtnis ist die am stärksten vom Zeithorizont abhängige Dimension, während der Aktions-Mittelwert nur um 3,6% sinkt.

Schön heißt nicht steuerbar: WorldMark fand, dass die Wahrnehmungsqualität mit allen drei Gedächtnismetriken positiv korreliert (rho = 0,76–0,79), aber negativ mit den Aktionsmetriken, sodass die schönste Welt beim Gehorchen die schlechteste sein kann.

Kein Modell besteht alles: Die Autoren von WorldRoamBench haben mehr als zehn offene und geschlossene Modelle bewertet und berichten, dass keines alle vier Dimensionen zuverlässig erfüllt, selbst das beste nur mittelmäßige Werte erreicht.

Die Drehungslücke erzählt die ganze Geschichte in einer Zahl: Über die zehn Modelle, die WorldMark steuert, reicht die Drehstabilität von 31,7 bis 87,2 bei identischen Aktionsfolgen.

🇨🇳 DeepSeek10 Plätze · 3 Hinweise

Dieselbe Frage, allein von DeepSeek beantwortet. Die endgültige Liste oben vereint alle KIs.

  1. 1
    Genie 3 (Google DeepMind, 2025–2026)

    Das einzige Weltmodell mit einem Platz unter den ersten drei in jedem externen Benchmark – und einem Aktionswert auf Platz 8, der genau zeigt, wo die kuratierte Demo endet.

    Quelle ↗
  2. 2
    Genie 4 (Google DeepMind, angekündigt am 27. Oktober 2026)

    Zwei Minuten Kohärenz, nativer Ton und Figuren, die zurückreden – und keine einzige externe Benchmark-Zeile, die es belegt.

    Quelle ↗
  3. 3
    Marble (World Labs, 2025–2026)

    Das einzige Spitzenmodell, das eine Gaussian-Splat-Szene exportiert, die Sie in Unreal oder Blender wieder öffnen können – Objektbeständigkeit durch Geometrie, nicht durch Gedächtnis.

  4. 4
    Happy Oyster (Alibaba, 2026)

    Der Champion der Außenperspektive auf WorldRoamBench und der Navigations-Ausreißer bei WBench mit 94,8 – danach Letzter bei der visuellen Wertung.

    Quelle ↗
  5. 5
    Lyra 2.0 (NVIDIA, 2026)

    Der Spitzenreiter bei offenen Gewichten: Zweiter insgesamt auf WorldRoamBench und das einzige Modell unter den Top Fünf, das Sie herunterladen und ausführen können.

    Quelle ↗
  6. 6
    Odyssey-3 (Odyssey, 2026)

    Höchster Video-zu-Video-Wert von Physics-IQ Verified, 66,1 – doch seine WorldMark-Siege sind selbst gemessen, nicht von Außenstehenden gemessen.

  7. 7
    Matrix-Game 3.0 (Tencent, 2026)

    40 FPS bei 720p mit einem 5-Milliarden-Parameter-Modell – der Echtzeit-Maßstab für Open Source, den es zu schlagen gilt.

    Quelle ↗
  8. 8
    HY-World 1.5 (Tencent, 2025–2026)

    Beste Navigation in WBench mit 87,5, doch die Perspektivkonsistenz bricht auf 62,5 ein – eine Welt, die Sie steuern, aber nicht vertrauen können, wenn Sie sich umdrehen.

    Quelle ↗
  9. 9
    YUME 1.5 (2025–2026)

    Der Sieger bei der visuellen Qualität von WorldMark, der bei der Kohärenz über lange Strecken schlecht abschneidet – Schönheit ohne Gedächtnis.

    Quelle ↗
  10. 10
    Oasis 3 (Decart, 2026)

    Das einzige Weltmodell mit einer Live-API zu 0,02 $ pro Sekunde – gebaut fürs Fahren, nicht fürs Durchwandern von Räumen.

Was DeepSeek aufgefallen ist

Genie 3 führt WorldRoamBench insgesamt mit 70,32 an, liegt aber nur auf Platz 8 bei der Aktionswertung und auf Platz 9 bei der visuellen Wertung – das Gesamtergebnis verbirgt Ausfälle in einzelnen Dimensionen, die beim Gehen und Drehen zählen.

Happy Oysters Navigationswert in WBench liegt bei 94,8 gegenüber 32,2 von Genie 3, doch Genie 3 erreicht bei kausaler Treue 100,0 – Lenkgenauigkeit und physikalische Ursache-Wirkung sind fast getrennte Produkte.

Die zweiminütige Kohärenz von Genie 4 ist doppelt so groß wie die von Genie 3, doch kein externer Benchmark hat sie getestet; die Lücke zwischen Labordemo und öffentlicher Tabelle ist in dieser Generation am größten.