Öffentliche Video-Arenen stimmen nur über vorgerenderte Clips ab, daher gibt es noch keinen öffentlichen Benchmark für Steuerung in Echtzeit per natürlicher Sprache.
Zurück zum Trend des Tages: Googles KI Genie 4 baut begehbare Welten; vorerst nur für eingeladene Tester
Poly-Ranking · aus dem Trend des Tages
Behauptungen zu Genie 4, nach Lücke bei den Belegen sortiert (2026)
Googles eigener Beitrag sagt, Welten von Genie 4 könnten nach mehreren Änderungen per Text abdriften, und das ist sein Hauptmerkmal. Kein öffentlicher Benchmark kann bisher eine Welt ändern, während jemand hindurchgeht.
- Nr. 1: Genie 4 Steuerung in Echtzeit per Text (Wetter, Kamera, Hinzufügen von Menschen oder Gegenständen)
- 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
Genie 4 Steuerung in Echtzeit per Text (Wetter, Kamera, Hinzufügen von Menschen oder Gegenständen)
Das ist das Hauptmerkmal, und Google sagt, es driftet nach „mehrfachen Textänderungen“ ab. Kein offener Benchmark ändert eine Welt während des Spaziergangs, und kein externer Tester hat direkten Zugang.
Aufgenommen: Claude, Gemini. Nicht aufgenommen: ChatGPT, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek.In ihren Listen: Claude: 1 · Gemini: Liste ansehen
Was jede KI angemerkt hat 2
- ClaudePlatz 1
Das Hauptmerkmal ist genau das, von dem Google selbst sagt, dass es nach „mehreren Prompt-Änderungen“ bricht, und kein öffentlicher Test ändert eine Welt während eines Rundgangs.
Quelle ↗ - Gemini
In der eigenen Liste anders benannt: ganze Liste öffnen.
Liste ansehen
2 KIs setzten es hierher - 2
Genie 4 langfristiges Gedächtnis und Konsistenz
Google führt die langfristige Konsistenz als ungelöst auf. Der beste Gedächtniswert von iWorld-Bench liegt im Paper bei 0,85, auf der Live-Rangliste bei 0,91. Genie 4 ist bei beiden nicht getestet.
Aufgenommen: Claude, Gemini. Nicht aufgenommen: ChatGPT, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek.In ihren Listen: Claude: 5 · Gemini: 1
Was jede KI angemerkt hat 2
- ClaudePlatz 5
Zwei Minuten, doppelt so viel wie bei Genie 3, doch Googles eigener Beitrag sagt nur „ein paar Minuten“ und führt langfristige Konsistenz als offene Forschungsfrage auf.
- GeminiPlatz 1
Keines der 14 getesteten führenden Weltmodelle erreicht bei iWorld-Bench 0,85 bei der Gedächtnissymmetrie, sodass Googles Versprechen einer nahtlosen Rückkehr die größte ungeprüfte Lücke ist.
Quelle ↗
2 KIs setzten es hierher - 3
Genie 4 zum Training von KI-Agenten und Robotern
Die Verkaufsidee für KI-Agenten beruht auf einer einzigen Demo mit humanoiden Robotern beim Damespiel (Apptronik Apollo). Veröffentlichte Zahlen zum Übertrag von der Simulation in die reale Welt wurden nicht gefunden.
Aufgenommen: Claude, Gemini. Nicht aufgenommen: ChatGPT, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek.In ihren Listen: Claude: 3 · Gemini: 3
Was jede KI angemerkt hat 2
- ClaudePlatz 3
Die Geschichte vom Agententraining beruht auf einem einzigen Experiment mit einem humanoiden Dame-Spiel, und ein Kommentator meint, Genie wirke jetzt eher wie ein steuerbarer Videogenerator.
Quelle ↗ - GeminiPlatz 3
Es wird als Trainingsmotor für autonome Robotik positioniert, doch zur Präsentation gab es keine veröffentlichten Daten zur Übertragung von Simulation auf reale Roboterstrategien.
2 KIs setzten es hierher - 4
Genie 4 nativer Ton und interaktiver Dialog
Google nennt es das „erste Weltmodell in Echtzeit, das Audio nativ erzeugt“, und sagt, die Genauigkeit des Tons verbessere sich noch. Ein Tester hörte eine Klarinette, als die Eingabe nach einem Saxofon verlangte.
Aufgenommen: Claude, Gemini. Nicht aufgenommen: ChatGPT, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek.In ihren Listen: Claude: 2 · Gemini: 7
Was jede KI angemerkt hat 2
- ClaudePlatz 2
„Erstes Echtzeit-Weltmodell, das Audio nativ erzeugt“, doch ein Kommentator hörte eine Klarinette, als der Prompt nach einem Saxofon verlangte.
Quelle ↗ - GeminiPlatz 7
Die interaktive Erzeugung von Dialog, Schritten und räumlicher Akustik in Echtzeit übertrifft reine Videomodelle, doch die Verzögerung unter Streaming-Last ist nicht offengelegt.
Quelle ↗
2 KIs setzten es hierher - 5
Genie 4 Physik (Aerodynamik, Kollisionen, Wasser)
Die Schlagzeile von The New Stack sagt, die Physik „stimmt noch nicht ganz“, und Google führt komplexe physikalische Wechselwirkungen als ungelöst auf.
Aufgenommen: Claude, Gemini. Nicht aufgenommen: ChatGPT, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek.In ihren Listen: Claude: 6 · Gemini: 6
Was jede KI angemerkt hat 2
- ClaudePlatz 6
Die Schlagzeile von The New Stack sagt, die Physik „stimmt noch nicht ganz“, und Google führt komplexe physikalische Interaktionen als ungelöst auf.
Quelle ↗ - GeminiPlatz 6
Die Navigation per Tastatur verdeckt, dass Objekte weiterhin durch Wände und Grenzen hindurchgehen, was formale Physiksimulatoren nicht zulassen.
Quelle ↗
2 KIs setzten es hierher - 6
Genie 4 Fotorealismus, Licht und Materialien
Diese Behauptung hat die kleinste Lücke. Zuschauer loben Licht und Materialien, auch wenn ein „fotorealistischer“ Clip wie ein Videospiel aussah. Blinde Abstimmungen in der Arena können zumindest Offline-Clips vergleichen.
Aufgenommen: Claude, Gemini. Nicht aufgenommen: ChatGPT, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek.In ihren Listen: Claude: 9 · Gemini: 9
Was jede KI angemerkt hat 2
- ClaudePlatz 9
Die überprüfbarste Behauptung und die am besten belegte: Kommentatoren finden, dass Licht und Materialien deutlich besser sind als in der Vorgängergeneration.
Quelle ↗ - GeminiPlatz 9
Die am leichtesten visuell zu prüfende Behauptung, gestützt durch gute Platzierungen in Ranglisten, doch die Filmbeleuchtung trägt am wenigsten zur funktionalen Kompetenz des Agenten bei.
Quelle ↗
2 KIs setzten es hierher - 7
Genie 4 Figuren und Verhalten mehrerer Agenten (Verankerung durch Gemini Omni)
Google räumt ein, dass die Modellierung mehrerer unabhängiger Agenten „noch ein offenes Forschungsproblem“ ist. Die Verankerung von Figuren durch Gemini Omni taucht nur in Googles Demo-Videos auf.
Aufgenommen: Claude, Gemini. Nicht aufgenommen: ChatGPT, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek.In ihren Listen: Claude: 7 · Gemini: 5
Was jede KI angemerkt hat 2
- ClaudePlatz 7
Google räumt ein, dass die Modellierung von Interaktionen zwischen mehreren unabhängigen Agenten „noch ein offenes Forschungsproblem“ ist.
Quelle ↗ - GeminiPlatz 5
Google behauptet, multimodale Reasoning-Modelle halten das Verhalten von Nicht-Spieler-Figuren kohärent, doch die Steuerung mehrerer Agenten gerät nach schnellen Verzweigungen von Prompts regelmäßig aus dem Takt.
2 KIs setzten es hierher - 8
Genie 4 SynthID-Wasserzeichen
Das ist eine Behauptung zum Verfahren, nicht zur Leistung, und sie wird leicht zu prüfen sein, sobald die Ergebnisse öffentlich sind. Kein Dritter hat bisher bestätigt, dass das Wasserzeichen in Live-Streams erhalten bleibt.
Aufgenommen: Claude, Gemini. Nicht aufgenommen: ChatGPT, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek.In ihren Listen: Claude: 10 · Gemini: 10
Was jede KI angemerkt hat 2
- ClaudePlatz 10
Eine prozedurale Behauptung, keine Leistungsbehauptung, und die am leichtesten zu prüfen, sobald die Ergebnisse öffentlich sind.
Quelle ↗ - GeminiPlatz 10
Googles digitale Herkunftsspur ist technisch belegt, doch es fehlt ein Nachweis dafür, ob sie nach einer Verkleinerung der Bilder bei niedriger Latenz erhalten bleibt.
2 KIs setzten es hierher - 9
Genie 4 Veranstaltungsplanung mit Gemini 3.8 Flash
Ein Denkmodell plant, prüft jeden Schritt und korrigiert, wenn sich die Welt verschiebt, aber kein veröffentlichter Test misst, ob der Plan innerhalb einer erzeugten Welt befolgt wird.
Aufgenommen: Claude. Nicht aufgenommen: ChatGPT, Gemini, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek.In ihren Listen: Claude: 4
Was jede KI angemerkt hat 1
- ClaudePlatz 4
Ein Reasoning-Modell plant, prüft jeden Schritt und überarbeitet ihn, doch kein veröffentlichter Test zeigt, dass es eine Welt kohärent hält.
Quelle ↗
1 KIs setzten es hierher - 10
Genie 4 für Film, Journalismus, Bildung, Spiele und Ingenieurwesen
Fünf Testerbereiche werden genannt, darunter der „Entwurfsmodus“ für Filme und alte Fotos, die in Welten verwandelt werden, aber es gibt keine Testerzahlen und keine Ergebnisse. Einige Tester nennen die Ausgabe „unscharf“.
Aufgenommen: Claude. Nicht aufgenommen: ChatGPT, Gemini, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek.In ihren Listen: Claude: 8
Was jede KI angemerkt hat 1
- ClaudePlatz 8
Echte Anwendungsfälle werden genannt, doch der Beitrag liefert keine Tester-Zahlen, Stichprobengrößen oder quantifizierten Ergebnisse.
Quelle ↗
1 KIs setzten es hierher
02Wissenswert
Was den KIs beim Erstellen der Liste aufgefallen ist.
Kommentatoren sagen, Genie 4 bleibe bei Dingen im Bild kohärent, bricht aber, wenn Objekte den Bildausschnitt verlassen und zurückkehren. Ein Simulator zum Training von Agenten braucht genau diesen Fall.
Gemini übernimmt die Planung und Genie erzeugt die Welt, daher ist schwer zu sagen, welchem Modell das Verdienst für jede Behauptung zusteht.
03So haben wir gezählt
In einfachen Worten, ohne Formeln.
1Die Frage
Top 10 Behauptungen zu Genie 4, sortiert nach Lücke bei den Belegen
2Wofür es gilt
weltweit, KI-Weltmodelle
3Worauf wir geachtet haben
- Stärke der öffentlichen Behauptung in Googles Ankündigung und Demos
- Unabhängige Berichterstattung: was Journalisten sagen, dass Tester gesehen haben, im Vergleich zu dem, was Google angibt
- Benchmark-Abdeckung: ob vorhandene offene Tests die Behauptung überhaupt messen können
- Folgen eines Fehlers: wie schwer die eingestandene Grenze wiegt, wenn sie in echten Arbeitsabläufen auftritt
- Google DeepMind: offizieller Beitrag zu Genie 4 — die Behauptungen und Googles eigene Vorbehalte (Abdriften, Objektbeständigkeit, Genauigkeit des Tons, Interaktion mehrerer Agenten). Auflösung, Bildrate, Sitzungslänge oder
- Bericht zum Start bei Quartz — wer Zugang hat (nur vertrauenswürdige Tester), Tastaturbewegung, wie Gemini Omni und Gemini-Denkmodelle hineinpassen, und die von Bloomberg gemeldete Grenze von etwa zwei Minuten pro Simulatio
- Bericht zum Start bei SiliconANGLE — Einführungsplan und das Zeitfenster der Konsistenz von zwei Minuten, beschrieben als das Doppelte der Grenze von Genie 3
- Bericht zum Start bei Android Authority — was Journalisten tatsächlich sehen konnten: Googles eigene Videos, eingeschränkter Zugang, keine angegebene Auflösung
4Wer 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.
5Wie 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.
04Die Liste jeder KI
🇺🇸 Claude10 Plätze · 3 Hinweise
Dieselbe Frage, allein von Claude beantwortet. Die endgültige Liste oben vereint alle KIs.
- 1Echtzeit-Steuerung einer laufenden Welt per Sprachbefehl (Wetter, Kamera, Hinzufügen von Menschen oder Objekten)
Das Hauptmerkmal ist genau das, von dem Google selbst sagt, dass es nach „mehreren Prompt-Änderungen“ bricht, und kein öffentlicher Test ändert eine Welt während eines Rundgangs.
Quelle ↗ - 2Interactive-Dialog, der sich an die Eingaben des Nutzers anpasst (native Audio)
„Erstes Echtzeit-Weltmodell, das Audio nativ erzeugt“, doch ein Kommentator hörte eine Klarinette, als der Prompt nach einem Saxofon verlangte.
Quelle ↗ - 3Nutzen für das Training von Agenten und Robotern (SIMA, Gemini Robotics, Apptronik Apollo beim Damespiel)
Die Geschichte vom Agententraining beruht auf einem einzigen Experiment mit einem humanoiden Dame-Spiel, und ein Kommentator meint, Genie wirke jetzt eher wie ein steuerbarer Videogenerator.
Quelle ↗ - 4Komplexe Ereignissimulation, gesteuert von Gemini 3.8 Flash
Ein Reasoning-Modell plant, prüft jeden Schritt und überarbeitet ihn, doch kein veröffentlichter Test zeigt, dass es eine Welt kohärent hält.
Quelle ↗ - 5Langfristige Konsistenz und Gedächtnis (etwa zwei Minuten)
Zwei Minuten, doppelt so viel wie bei Genie 3, doch Googles eigener Beitrag sagt nur „ein paar Minuten“ und führt langfristige Konsistenz als offene Forschungsfrage auf.
- 6Physiksimulation (Aerodynamik, Kollisionen, fließendes Wasser)
Die Schlagzeile von The New Stack sagt, die Physik „stimmt noch nicht ganz“, und Google führt komplexe physikalische Interaktionen als ungelöst auf.
Quelle ↗ - 7Figuren, die sich bewegen, reagieren und natürlich verhalten (auch im Zusammenspiel mehrerer Agenten)
Google räumt ein, dass die Modellierung von Interaktionen zwischen mehreren unabhängigen Agenten „noch ein offenes Forschungsproblem“ ist.
Quelle ↗ - 8Nutzen für ausgewählte Tester in Film, Journalismus, Bildung, Gaming und Technik
Echte Anwendungsfälle werden genannt, doch der Beitrag liefert keine Tester-Zahlen, Stichprobengrößen oder quantifizierten Ergebnisse.
Quelle ↗ - 9Fotorealismus, Licht und Materialien – „am realistischsten“
Die überprüfbarste Behauptung und die am besten belegte: Kommentatoren finden, dass Licht und Materialien deutlich besser sind als in der Vorgängergeneration.
Quelle ↗ - 10SynthID-Wasserzeichen auf allen erzeugten Videos und Audios
Eine prozedurale Behauptung, keine Leistungsbehauptung, und die am leichtesten zu prüfen, sobald die Ergebnisse öffentlich sind.
Quelle ↗
Was Claude aufgefallen ist
Googles eigener Beitrag nennt keine Auflösung, Bildrate, Sitzungsdauer oder Testerzahl. Die konkreteste Zahl in der Berichterstattung, zwei Minuten, stammt aus Presseberichten.
Kommentatoren auf Hacker News sagen, Genie 4 halte die Kohärenz gut bei Dingen, die im Bild bleiben, und bricht zusammen, wenn Objekte verschwinden und wieder auftauchen. Genau dieser Fall ist für einen Simulator zum Agententraining entscheidend.
Teil des Konzepts ist ein hybrides Design: Gemini übernimmt Struktur und Planung, während Genie Aussehen, Ton und Reaktion rendert. Dadurch lassen sich die Aussagen über Gemini-Modelle und Genie kaum voneinander trennen.
🇺🇸 Gemini10 Plätze · 2 Hinweise
Dieselbe Frage, allein von Gemini beantwortet. Die endgültige Liste oben vereint alle KIs.
- 1Langzeitgedächtnis und Schleifen-Symmetrie
Keines der 14 getesteten führenden Weltmodelle erreicht bei iWorld-Bench 0,85 bei der Gedächtnissymmetrie, sodass Googles Versprechen einer nahtlosen Rückkehr die größte ungeprüfte Lücke ist.
Quelle ↗ - 2Live-Steuerung per Sprache und Szenenveränderung
Paarweise Arenen wie Artificial Analysis bewerten die Ausführung statischer Prompts, sodass das Umlenken während eines laufenden interaktiven Prompts von Dritten völlig ungeprüft bleibt.
Quelle ↗ - 3Skalierbares Training verkörperter Agenten und Übertragung von Simulation auf die Realität
Es wird als Trainingsmotor für autonome Robotik positioniert, doch zur Präsentation gab es keine veröffentlichten Daten zur Übertragung von Simulation auf reale Roboterstrategien.
- 4Zwei-Minuten-Stabilität der Dauersimulation
Während Google das offene Sandbox-Spiel hervorhebt, zeigten unabhängige Briefings von Reportern eine harte Grenze von etwa 120 Sekunden, bevor strukturelle Halluzinationen einsetzen.
- 5Dynamische NPC-Dialoge dank Gemini Omni
Google behauptet, multimodale Reasoning-Modelle halten das Verhalten von Nicht-Spieler-Figuren kohärent, doch die Steuerung mehrerer Agenten gerät nach schnellen Verzweigungen von Prompts regelmäßig aus dem Takt.
- 63D-Geometrie aus der Ich-Perspektive und Kollisionsphysik
Die Navigation per Tastatur verdeckt, dass Objekte weiterhin durch Wände und Grenzen hindurchgehen, was formale Physiksimulatoren nicht zulassen.
Quelle ↗ - 7Nativer, synchronisierter Mehrkanal-Raumklang
Die interaktive Erzeugung von Dialog, Schritten und räumlicher Akustik in Echtzeit übertrifft reine Videomodelle, doch die Verzögerung unter Streaming-Last ist nicht offengelegt.
Quelle ↗ - 8Schnelle Reaktion auf Tastatureingaben und Kamera-Nachführung
Tester bestätigten die funktionierende WASD-Navigation, doch die Latenz beim Rendern in der Cloud schwankt stark außerhalb lokaler Hochbandbreiten-Setups.
- 9Fotorealistische Beleuchtung, Wetter und volumetrische Materialien
Die am leichtesten visuell zu prüfende Behauptung, gestützt durch gute Platzierungen in Ranglisten, doch die Filmbeleuchtung trägt am wenigsten zur funktionalen Kompetenz des Agenten bei.
Quelle ↗ - 10SynthID-Wasserzeichen für Interactive Audio und Video
Googles digitale Herkunftsspur ist technisch belegt, doch es fehlt ein Nachweis dafür, ob sie nach einer Verkleinerung der Bilder bei niedriger Latenz erhalten bleibt.
Was Gemini aufgefallen ist
Die Gedächtnisgrenze ist das bestimmende technische Hindernis des Jahres 2026: iWorld-Bench-Tests zeigen, dass kein interaktives Weltmodell 0,85 bei der Gedächtnissymmetrie überschreitet, was erklärt, warum die DeepMind-Democlips längere Navigation mit geschlossenen Schleifen meiden.
Öffentliche Ranglisten wie die Artificial Analysis Video Arena sind für nicht interaktive paarweise Videoabstimmungen gebaut, sodass der gesamten Branche ein öffentlicher Benchmark für Echtzeit-Steuerung per natürlicher Sprache fehlt.