Genie 4 uitgelegd: wat wereldmodellen zijn en waarom Google er steeds naar blijft streven

Op 27 oktober 2026 kondigde Google DeepMind Genie 4 aan, zijn nieuwste wereldmodel. In tegenstelling tot een AI-videomodel — dat je een kant-en-klare clip geeft — genereert Genie 4 een wereld waar je zelf in stapt: het reageert bij elk frame op je toetsenbord, je kunt de scène tijdens de simulatie met gewone taal aanpassen en de wereld heeft nu ook eigen, live geluid — wind, voetstappen, muziek en gesproken dialogen — in plaats van een soundtrack die achteraf onder de video wordt gezet.

De nieuwe mogelijkheden vormen het verhaal, maar zijn ook de duidelijkste aanleiding om de vraag te beantwoorden waarover de AI-industrie al twee jaar discussieert: wat is een ‘wereldmodel’ precies, en waarom wil elk groot AI-lab er een?

Bij de lancering is Genie 4 een onderzoeksvoorbeeld voor vertrouwde testers. Volgens DeepMind komt het ‘binnenkort’ beschikbaar voor Google AI Ultra-abonnees via Project Genie — het consumentenproduct van het bedrijf waarmee je werelden kunt verkennen, dat momenteel draait op Genie 3 plus Nano Banana Pro en Gemini — en voor partners met vroege toegang tot de Gemini API en Google AI Studio. De wachtlijst voor Project Genie is al geopend; er zijn nog geen datums of prijzen bekendgemaakt. Je kunt dus nog geen tijd in Genie 4 boeken. Wat je wel kunt doen, is begrijpen binnen welk vakgebied het valt — dat vakgebied is het interessante deel en ontwikkelt zich razendsnel.

Wat is een wereldmodel eigenlijk?

Haal de marketinglaag eraf en een wereldmodel is een neuraal netwerk dat heeft geleerd hoe een wereld zich gedraagt, zodat het die wereld kan blijven simuleren: op basis van de huidige toestand van de wereld en een actie voorspelt het hoe de wereld er hierna uitziet — en nu ook klinkt. Geef zo’n systeem genoeg video en er ontstaat iets dat lijkt op een game-engine die je nooit zelf hebt geschreven: geen code voor de natuurkunde, geen handmatig gemaakte assets, geen levelontwerp. De regels, het landschap en de wolken boven de heuvels komen allemaal voort uit de gewichten.

Het idee heeft een baanbrekend voorbeeld. In 2018 lieten David Ha en Jürgen Schmidhuber in hun artikel World Models zien dat een kleine agent kon worden getraind binnen een generatief model van zijn eigen omgeving — in de woorden van de auteurs: ‘volledig binnen zijn eigen hallucinatoire droom, gegenereerd door zijn wereldmodel’ — en vervolgens kon worden overgezet naar de echte game. Dat blijft de helderste definitie in één zin: een wereldmodel is een plek om te oefenen.

Bedrijven hebben sindsdien twee verschillende conclusies getrokken uit hetzelfde idee:

• Voorspel in pixels. In februari 2024 stelde OpenAI in ‘Video generation models as world simulators’ dat het opschalen van videogeneratie ‘een veelbelovende weg is naar het bouwen van algemene simulators van de fysieke wereld’. Als bewijs voor die aanpak liet het zien hoe Sora Minecraft-gameplay rendert en tegelijkertijd de speler bestuurt met een eenvoudig beleid. De redenering is: maak de video goed genoeg en begrip van de wereld volgt vanzelf.
• Voorspel in abstracties. Yann LeCuns position paper uit 2022, A Path Towards Autonomous Machine Intelligence, kiest de tegenovergestelde benadering: een wereldmodel moet toekomstige toestanden voorspellen in een abstracte representatieruimte, niet in pixels — deels omdat voorspellen op pixelniveau het grootste deel van de capaciteit van een model opslokt met details die niemand kan verifiëren, en deels omdat een agent plannen maakt door denkbeeldige uitkomsten te vergelijken, niet door denkbeeldige frames te vergelijken. De JEPA-architectuur is die redenering, uitgewerkt in code.

Beide kampen zijn het eens over het doel — een simulator die diepgaand genoeg is om agents in te trainen, zonder voor elke fout de prijs van de echte wereld te betalen. Ze verschillen van mening over welke representatie daar het eerst toe leidt. DeepMinds Genie-werk valt aan de kant van de pixels, met een twist waar we zo op terugkomen: eerst pixels, maar dan pixels waarop je kunt inwerken, en nu met een taalmodel erachter.

Waarom een speelbare wereld moeilijker is dan een mooie video

Het onderscheid waar mensen vaak over struikelen, is dat een wereldmodel een andere orde van moeilijkheid is dan een videogenerator — niet gewoon een grotere videogenerator. De verschillen zijn structureel:

Een opmerking bij de tabel: hierin staat het ideale onderscheid tussen de twee modeltypen. Afzonderlijke producten vallen soms tussen beide in — GWM Worlds 2 van Runway en Oasis van Decart zijn modellen in videostijl die zijn ontwikkeld om speelbaar te zijn.

Maar een maker van een speelbaar wereldmodel krijgt te maken met problemen die een clipgenerator kan ontwijken:

1. Snelheid. Videomodellen met filmkwaliteit kunnen minuten doen over één shot. Een wereldmodel heeft per frame maar een fractie van een seconde, omdat interactieve ervaringen met 24 tot 60 frames per seconde draaien en elke tragere reactie de illusie verbreekt. Interactiviteit is een architectuurprobleem, niet alleen een kwestie van uitvoerkwaliteit.
2. Geheugen. Alles wat het model je heeft laten zien, moet het onthouden. Loop weg bij een herkenningspunt en kom een minuut later terug: als dat herkenningspunt er anders uitziet, valt de wereld meteen uiteen. Daarom houden mensen in het vakgebied vooral consistentie in de gaten — hoeveel samenhangende, onthouden ervaring een wereld kan vasthouden.
3. Oorzaak en gevolg in de natuurkunde. Geloofwaardige beelden zijn makkelijk na te maken; oorzaak en gevolg niet. In een benchmark uit 2025 met de naam Physics-IQ werden echte opnamen van alledaagse gebeurtenissen stilgezet en kregen videomodellen — Sora, Runway, Pika, Lumiere, Stable Video Diffusion en VideoPoet — de opdracht om ze voort te zetten. Vervolgens werden die voortzettingen vergeleken met wat er daadwerkelijk daarna gebeurde, voor vloeistoffen, optica, vaste stoffen, magnetisme en thermodynamica. Het oordeel: het fysieke begrip van die modellen was ‘ernstig beperkt en hield geen verband met visueel realisme’. Een wereldmodel moet die balans zien te vinden, anders kan niets wat erin wordt getraind betrouwbaar naar de echte wereld worden overgezet.

Deze drie knelpunten komen duidelijk terug in de releasegeschiedenis van Genie. Elke generatie is bedoeld om een volgende stap te zetten in snelheid, geheugen en causaliteit.

De Genie-reeks: van speelgoed tot twee minuten (volgens berichtgeving)

Opmerking: de resolutie en framerate van Genie 4 zijn niet bekendgemaakt. De vermelding van één minuut voor Genie 2 en de cijfers voor Genie 3 komen uit aankondigingen van DeepMind; de vermelding van twee minuten hierboven is gebaseerd op TechCrunch’ verslag van DeepMinds briefing bij de lancering (hier gemeld).

Twee details uit de Genie-reeks zijn van belang voor het concept, niet alleen als weetjes:

De eerste Genie bedacht zelf de besturing. Het Genie-artikel uit 2024 beschreef een fundamenteel wereldmodel met 11 miljard parameters, getraind op ruwe internetvideo zonder labels voor acties. Het liet zien dat het netwerk, wanneer iemand in de trainingsbeelden op ‘links’ drukt of springt, een latente actieruimte kan afleiden uit de veranderingen tussen frames. De wereld werd speelbaar zonder dat iemand acties hoefde te labelen. Daarom betekent ‘besturing’ in een wereldmodel niet dat het om knoppen gaat die een ontwerper heeft gekozen. Het gaat om alle acties die het model kan afleiden — en die DeepMinds generaties sindsdien steeds verder hebben uitgebreid, van platformgamebewegingen tot gebeurtenissen in de wereld die met tekst worden aangestuurd.

De groeiende consistentie vertelt het verhaal. Volgens DeepMinds aankondiging uit december 2024 kon Genie 2 ongeveer een minuut lang een samenhangende wereld vasthouden. Genie 3 verlengde de bruikbare interactie tot enkele minuten, met geheugen dat ongeveer een minuut terugging. Volgens het TechCrunch-verslag hierboven verdubbelt Genie 4 de werkhorizon tot ongeveer twee minuten. Die reeks laat zien waar het probleem om draait: het moeilijke aan interactieve werelden is niet het renderen. Het is honderden opeenvolgende, onthouden toestanden op interactieve snelheid op elkaar afgestemd houden.

Wat is er nieuw in Genie 4?

De aankondiging van DeepMind draait om vier mogelijkheden. Bekijk ze samen, niet als ‘Genie 3 plus extra’s’:

1. Je stuurt live bij met taal. Aanpassingen in natuurlijke taal — verander het weer, verplaats de camera, voeg een nieuw personage of object toe — worden in realtime op de simulatie toegepast. Gemini stemt je formulering af op de scène die het daadwerkelijk omringt. Tussen je invoer door blijft Gemini meekijken en bijsturen, zodat de wereld zich samenhangend ontwikkelt. Het vakmanschap zit hier niet in het renderen van een scène, maar in het reageren op veranderingen binnen die scène.

2. Natuurkunde en mensen. Genie 4 simuleert scenario’s uit de natuurkunde van de echte wereld — aerodynamica en botsingen zijn de voorbeelden van DeepMind — en volgens DeepMind zijn mensen de ‘meest indrukwekkende sprong’: personages die zich natuurlijk bewegen, op een organische manier op hun omgeving reageren en in realtime interactief kunnen worden aangestuurd.

3. Native audio. Genie 4 is volgens de eigen beschrijving van DeepMind ‘ons eerste realtimewereldmodel dat audio native genereert’. Elke omgeving heeft eigen omgevingsgeluid, van wind door de bomen tot golven op het strand — en de grote nieuwe stap is spraak: personages voeren gesprekken en reageren in realtime op je invoer en gebeurtenissen in de wereld, in plaats van achteraf een nagesynchroniseerde audiotrack te krijgen.

4. Een redeneerlaag in de lus. Het vierde punt is waar Genie 4 afwijkt van de aanpak van Genie 1–3. DeepMind zegt dat Gemini Omni — het multimodale model uit de Gemini-familie dat afbeeldingen, audio en tekst omzet in video — de simulatie verankert in de verschijningsvorm en het gedrag van de echte wereld, terwijl andere Gemini-modellen voor het redeneren zorgen. Concreet draait Gemini 3.8 Flash continu als een ‘begeleidende agent in de lus’: terwijl Genie 4 beelden rendert, neemt het de scène waar, verdeelt het het doel in stappen, beoordeelt het binnenkomende frames, controleert het elke stap en maakt het een nieuw plan wanneer de wereld verandert of de gebruiker ingrijpt. Het beoogde resultaat: betrouwbare causaliteit, procedureel gedrag en redeneren in meerdere stappen binnen een gegenereerde wereld.

In de aankondiging krijgt die redeneerlaag ook een partner met een naam: een experiment met Gemini 4 Argon en Gemini Robotics, waarin Argon een taak die de gebruiker heeft opgegeven in stappen opsplitst. Die stappen worden als tekstbijschriften ingevoegd in de simulatie terwijl die wordt gerenderd — zodat de gesimuleerde taak tijdens de uitvoering steeds naar voltooiing wordt gestuurd. Dat opent de deur naar ‘de taak oefenen in een gedroomde wereld voordat je de echte wereld eraan waagt’. Dat is de hele belofte van wereldmodellen voor robotica: eindeloos gevarieerde, veilig riskante en opnieuw uitvoerbare trainingsomgevingen, tegen vrijwel geen extra kosten per poging.

Wat nog niet werkt

DeepMind benoemt zelf de resterende tekortkomingen. Het is de moeite waard die te lezen als de takenlijst van het vakgebied:

• Samenhang blijft alleen tijdens korte sessies behouden. Visuele details en de blijvende aanwezigheid van objecten blijven verschuiven en afdrijven — vooral wanneer een simulatie langer loopt, na meerdere complexe bewerkingen of wanneer je door de scène navigeert.
• Complexe fysieke interacties, nauwkeurige audio in realtime, leesbare tekst renderen, ruimtelijke nauwkeurigheid en consistentie op lange termijn zijn allemaal actieve onderzoeksgebieden.

Iets uitgebreider gezegd: niemand heeft gegenereerde werelden die eindeloos consistent blijven al onder de knie. Marble van World Labs — 3D-werelden reconstrueren en persistent maken, exporteerbaar als Gaussian splats of meshes — is een concurrerende architectuur die dezelfde ambitie vanuit de andere richting benadert. De volgende stap die DeepMind noemt, is hybride wereldmodellen: laat een taalmodelstack de gestructureerde, logische laag van de wereld verzorgen, terwijl Genie weergeeft hoe die eruitziet, klinkt en reageert, in plaats van één enorm netwerk te vragen beide tegelijk te doen. Zoals Tejas Kulkarni, onderzoeksdirecteur bij Google, tijdens de presentatie volgens TechCrunch zei: "Wat we in de toekomst steeds vaker zullen zien, zijn deze hybride wereldmodellen, waarin Gemini code en tekst schrijft en Genie die in realtime verwerkt en de werkelijkheid op verschillende abstractieniveaus simuleert."

Twee feiten die relevant zijn voor de veiligheid voordat dit beschikbaar komt voor het grote publiek: alle video- en audio-uitvoer van Genie 4 bevat SynthID-watermerken, en DeepMind zegt veiligheidsevaluaties te hebben uitgevoerd voordat het de preview opende, die bewust eerst beschikbaar werd gesteld aan vertrouwde testers.

Wie bouwt hier nog meer aan — en waarom ze naar elkaar toegroeien

Genie 4 verscheen in een vakgebied dat al volop in beweging was. Dit is het globale overzicht, ingedeeld volgens de twee stromingen hierboven:

• Oasis van Decart (oktober 2024, ontwikkeld met chipstartup Etched) bewees dat klein ook mee kan doen: een model met 500 miljoen parameters, als open source uitgebracht voor lokaal gebruik, met een gehoste demo die een groter checkpoint draait en een Minecraft-achtige wereld improviseert in 360p en 20 fps op een NVIDIA H100 — zonder game-engine in de lus. (The Wall Street Journal meldt dat Amazon gesprekken voert om Decart over te nemen voor ongeveer $7 billion.)
• Marble van World Labs draait om ruimtelijke intelligentie — de term die het bedrijf van Fei-Fei Li gebruikt voor zijn eigen inzet op wereldmodellen. Het genereert persistente, navigeerbare 3D-werelden op basis van tekst, afbeeldingen of video, die zonder tijdslimiet te bekijken en te exporteren zijn als Gaussian splats, meshes of video. AMD kondigde op September 28, 2026 aan World Labs over te nemen voor $8.2 billion.
• NVIDIA Cosmos is de industriële tak: open checkpoints van wereldbasismodellen voor het genereren van synthetische trainingsdata en het simuleren van toekomstige situaties voor robots en autonome voertuigen — dezelfde logica van ‘eerst dromen, dan de werkelijkheid’, toegepast op machines met actuatoren én camera’s. NVIDIA’s stack voor ‘physical AI’ (Cosmos, plus de robotbasismodellen Isaac GR00T) wordt precies in dezelfde trant gepresenteerd als het robotica-experiment van DeepMind.
• GWM Worlds 2 van Runway verscheen een paar maanden voor Genie 4: speelbare gegenereerde werelden met audio, van een bedrijf dat is gebouwd op videogeneratie — het bewijs van de pixelstroming dat de grens tussen videomodellen en wereldmodellen ook vanuit de andere richting vervaagt.

En rond dat overzicht is er het geld: Amazon–Decart, AMD–World Labs en Rivians overname van de startup Third Dimension, die wereldmodellen ontwikkelt — aangekondigd op October 22, 2026 — om simulatie voor tests met zelfrijdende voertuigen in eigen huis te halen. Gamestudio’s, robotbouwers en autofabrikanten zoeken allemaal hetzelfde: werelden als trainingsomgevingen. Daarom blijft Google hiernaar streven, en daarom is de gemelde horizon van twee minuten een onderzoeksdoel en geen marketingkreet: een simulator is alleen bruikbaar als klaslokaal wanneer hij lang genoeg samenhangend blijft om erin te leren.

DeepMind omschrijft deze hele onderzoekslijn als ‘een cruciaal aspect van het bouwen van AGI’. De achterliggende bewering: een intelligentie die in de wereld gaat handelen, moet leren van oorzaken en niet van labels; en een bestuurbare, oneindig gevarieerde, veilig riskante wereld is het enige klaslokaal dat schaalbaar is. Dat is de sterke versie van de inzet — en het blijft een inzet. Of simulatie op pixelniveau de basis wordt voor belichaamde intelligentie, of slechts een van meerdere basissen waarbij de abstracte latente representaties van het LeCun-kamp een deel van de last dragen, kan nog niemand bewijzen.

Wat we specifiek over Genie 4 kunnen zeggen: het eerste dat officieel te onderbouwen is, is native audio — volgens DeepMinds beschrijving het eerste realtimewereldmodel dat native audio genereert. De grotere beweringen zijn van ons, en die moeten als argumenten op hun merites worden beoordeeld, niet als vaststaande feiten klinken: volgens ons is dit de eerste interactieve wereld met deze getrouwheid waarmee je kunt praten en die terugpraat, en tot nu toe het duidelijkste publieke voorbeeld van een redeneermodel dat de renderlus deelt — het dichtst dat het vakgebied is gekomen bij een betekenis van ‘wereldmodel’ die beide helften van de term omvat: de pixels én de geest die zich erdoorheen beweegt.

Veelgestelde vragen

Wat is een wereldmodel in één zin?
Een generatief model van hoe een wereld zich gedraagt: op basis van de huidige toestand van de wereld en een actie voorspelt het hoe de wereld er vervolgens uitziet en klinkt, zodat agents erin kunnen handelen en oefenen.

Waarin verschilt Genie 4 van een videomodel zoals Veo of Sora?
Een videomodel geeft je een kant-en-klaar fragment; Genie 4 geeft je een omgeving die frame voor frame op je invoer reageert, onthoudt wat het heeft gegenereerd en zelf live audio produceert. Video is content; een wereldmodel is een plek.

Kan ik Genie 4 vandaag al gebruiken?
Nog niet. Het is een onderzoekspreview voor vertrouwde testers. Consumenten zijn als volgende aan de beurt, via Project Genie voor Google AI Ultra-abonnees (waar momenteel Genie 3 draait). Daarna volgen ontwikkelaars als partners voor vroege toegang tot de Gemini API en Google AI Studio. Er zijn geen datums of prijzen bekendgemaakt.

Hoe lang kan een Genie 4-sessie duren?
Sessies zijn nog kort. Officieel blijft de consistentie behouden tijdens ‘korte sessies’; volgens TechCrunchs verslag van de presentatie ligt de bovengrens op ongeveer twee minuten van een consistente scène, tweemaal zo lang als bij Genie 3.

Genereert Genie 4 geluid?
Ja — geen muzieknummer dat achteraf over een voltooide video wordt gelegd. Omgevingsgeluid, muziek en gesproken dialoog worden als onderdeel van de wereld in elk frame gegenereerd, waarbij personages in realtime op jou en op elkaar reageren.

Begrijpt Genie 4 dan natuurkunde?
DeepMind demonstreert in de lanceringsdemo’s natuurkundige scenario’s zoals aerodynamica en botsingen, maar er is geen publiek verifieerbare natuurkundebenchmark voor Genie 4 gepubliceerd. Onafhankelijke evaluaties van videomodellen, bijvoorbeeld Physics-IQ, blijven aantonen dat visueel realisme geen fysiek begrip impliceert — beschouw realisme als een benadering, niet als bewijs.

Gaan wereldmodellen game-engines vervangen?
Niet snel, en waarschijnlijk ook niet helemaal. Gegenereerde werelden zijn nu al sneller en gevarieerder voor verkenning en prototyping, maar kunnen nog niet de deterministische, door ontwerpers beheerste werelden met lange sessies leveren die engines garanderen. De waarschijnlijkste nabije toekomst is samenwerking: gegenereerde werelden voor ideeënvorming, simulatie en het trainen van agents; engines voor productie en deterministisch spel.

Bronnen

• Genie 4: Een nieuwe generatie werelden simuleren (Google DeepMind, October 27, 2026)
• Genie 3: Een nieuw grensgebied voor wereldmodellen (Google DeepMind, August 5, 2025)
• Genie 2: Een grootschalig wereldbasismodel (Google DeepMind, December 4, 2024)
• Het wereldmodel Genie 4 van Google voegt audio, realistischere werelden en realtime sturing toe (TechCrunch, October 27, 2026)
• Grotere en betere werelden genereren / Marble: Een multimodaal wereldmodel (World Labs)
• NVIDIA en wereldwijde koplopers in robotica brengen physical AI naar de echte wereld (NVIDIA, March 16, 2026)