Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
deepmind4. Dezember 2024 · Q002997

Genie 2: A large-scale foundation world model

deepmind.google · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Google DeepMind beschreibt Genie 2 als Modell, das aus einem Bild steuerbare 3D-Welten für das Training und die Bewertung von KI-Agenten erzeugen soll. Die berichteten Fähigkeiten beruhen auf Beispielen; das Projekt sei noch früh, meist gezeigte Läufe dauerten 10 bis 20 Sekunden, und die Videos sind im bereitgestellten Quelltext nicht abspielbar.

Mittel

Der Bericht stellt Genie 2 vor, ein Weltmodell von Google DeepMind, das aus einem einzelnen Bild interaktive 3D-Umgebungen erzeugen soll. Menschen oder KI-Agenten können darin mit Tastatur- und Mausaktionen handeln. DeepMind sieht mögliche Anwendungen für vielfältigere Trainings- und Testwelten verkörperter Agenten sowie für das schnelle Prototyping interaktiver Ideen.

Laut den Autoren wurde Genie 2 auf umfangreichen Videodaten trainiert und sagt neue Bildzustände auf Grundlage früherer Zustände und Aktionen voraus. Beschriebene Fähigkeiten umfassen steuerbare Bewegung, Animationen, Objektinteraktionen, physikalische Effekte und das Erinnern zuvor sichtbarer Bereiche. Auch Fotos, Zeichnungen und Konzeptkunst sollen als Ausgangspunkt dienen können. Beispiele zeigen den SIMA-Agenten bei Aufgaben in neu erzeugten, zuvor unbekannten Umgebungen.

Die Aussagen beruhen auf den vom Team beschriebenen Beispielen; eine quantitative Auswertung wird im Bericht nicht vorgelegt. Die Forschung sei noch früh und benötige Verbesserungen bei Agenten und Umgebungen. Konsistenz werde bis zu einer Minute erreicht, die meisten Beispiele dauerten 10 bis 20 Sekunden. Eine Echtzeitversion sei verfügbar, liefere aber geringere Qualität. Die eingebetteten Videos sind im Quelltext nicht abspielbar.

Ausführlich lesen

Der Bericht stellt Genie 2 vor, ein von Google DeepMind entwickeltes Weltmodell, das aus einem einzelnen Startbild interaktive 3D-Umgebungen erzeugen soll. Menschen oder KI-Agenten können diese Welten mit Tastatur- und Mausaktionen erkunden. DeepMind begründet den Ansatz mit einem Engpass in der Forschung an verkörperten Agenten: Es fehle an ausreichend vielfältigen Trainings- und Testumgebungen. Genie 2 könne dafür neue Welten und Aufgaben bereitstellen und zugleich das schnelle Erproben interaktiver Ideen ermöglichen.

Laut Bericht wurde das Modell auf einem großen Videodatensatz trainiert. Es sagt schrittweise neue Bilder voraus und berücksichtigt dabei frühere Bildzustände sowie Eingaben. Die Autoren beschreiben beobachtete Fähigkeiten wie steuerbare Bewegung, Animationen, Objektinteraktionen, physikalische Effekte, Beleuchtung und das Wiedererkennen zuvor aus dem Blick geratener Bereiche. Aus demselben Ausgangsbild könnten unterschiedliche Verläufe entstehen, wenn andere Aktionen ausgeführt werden. Als Eingabe dienen etwa mit Imagen 3 erzeugte Bilder; auch Fotos, Zeichnungen und Konzeptkunst sollen sich in interaktive Szenen übertragen lassen.

Der Bericht zeigt außerdem Beispiele mit SIMA, einem Agenten, der natürlichsprachliche Aufgaben in 3D-Spielwelten ausführt. In den beschriebenen Versuchen soll SIMA etwa eine bestimmte farbige Tür öffnen oder eine Umgebung erkunden, die es zuvor nicht gesehen hat. DeepMind sieht darin eine mögliche Grundlage, Agenten in neuartigen Umgebungen zu trainieren und zu prüfen. Die Aussagen sind jedoch als Darstellung und Einschätzung der Autoren zu verstehen; der Bericht liefert keine systematische quantitative Auswertung dieser Beispiele.

Als technische Grundlage beschreibt DeepMind ein autoregressives latentes Diffusionsmodell: Videobilder werden zunächst komprimiert, anschließend verarbeitet ein Transformer den Verlauf und sagt weitere Zustände voraus. Die gezeigten Beispiele stammen laut Bericht von einem nicht destillierten Basismodell. Eine destillierte Variante könne in Echtzeit laufen, allerdings mit geringerer Ausgabequalität.

Der Bericht nennt klare Einschränkungen: Genie 2 befindet sich noch in einem frühen Forschungsstadium, und sowohl die Fähigkeiten der Agenten als auch die Erzeugung der Umgebungen müssten weiter verbessert werden. Die Weltkonsistenz könne bis zu einer Minute reichen; die meisten gezeigten Beispiele dauerten jedoch nur 10 bis 20 Sekunden. Zudem sind die eingebetteten Videos im bereitgestellten Quelltext nicht abspielbar; die dargestellten Ergebnisse lassen sich daher hier nur anhand der Bildunterschriften und Beschreibungen zusammenfassen.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Luna lieferte zwei Zusammenfassungen (kurz und mittel); beide wurden geprüft, die mittlere ist inhaltlich genauer, die Bewertung gilt für beide mit den genannten Lücken. Der Bericht behandelt die Sammelfragen kaum, daher sind die Stufen niedrig. Lunas Stufe 4 bei SF-H3 und SF-T3 ist zu hoch, ihre Stufe 1 bei SF-V4-T03 zu niedrig, und ihre Stufe 3 bei SF-V3-T04 ist zu hoch, da der Bericht zur Verantwortung nichts Konkretes sagt.

Im Bericht, aber nicht in der Zusammenfassung

  • Technik: autoregressives latentes Diffusionsmodell mit Autoencoder, Transformer und classifier-free guidance fehlt in der Kurzfassung und in der mittleren Fassung
  • Ausgangsbilder stammen aus Imagen 3 (Text-zu-Bild), wodurch jede beschriebene Welt per Text entstehen kann
  • Die Kurzfassung nennt weder SIMA-Agenten-Beispiele noch Fotos und Konzeptkunst als Ausgangspunkte
  • Der Bericht nennt den Bezug zur sicheren Ausbildung verkörperter Agenten und zu einem Weg Richtung AGI nicht als Ziel, sondern als offene These

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 26 %Hintergrund, keine Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 43 %Hintergrund, keine Belege
    • JEV 40 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 56 %einzelne zitierbare Belege
    • JEV 31 %Hintergrund, keine Belege
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra 68 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Vertrauen in Modelle
  1. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 59 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 69 %gleiches Oberthema, hilft nicht
    • d3-ultra 50 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-V3-T04 Wer muss Rechenschaft ablegen, wenn ein Modell Werte auf Lagen überträgt, die beim Training niemand vorhergesehen hat: das Modell, das Labor oder der Mensch, der das Ziel gesetzt hat? Luna: Stufe 3 · 57 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
  2. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV 60 %einzelne zitierbare Belege
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 64 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-V4-T03 Ist Intelligenz, die „eher gewachsen als entworfen“ ist, ein Grund für mehr Vorsicht oder dafür, Modelle wie ein Ökosystem zu pflegen? Luna: Stufe 1 · 66 % · gleiches Oberthema, hilft nicht · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 49 %Hintergrund, keine Belege
    • JEV 44 %nur am Rande erwähnt
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra 58 %gleiches Oberthema, hilft nicht

Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 46 %Hintergrund, keine Belege
    • JEV 35 %Hintergrund, keine Belege
    • amos 26 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 65 %gleiches Oberthema, hilft nicht

  2. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 100 %kein Bezug
    • Luna 50 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra 54 %gleiches Oberthema, hilft nicht

Modelle teilen und schützen
  1. SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
    • clef 100 %kein Bezug
    • Luna 35 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 42 %Hintergrund, keine Belege
    • JEV 30 %nur am Rande erwähnt
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 65 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  3. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 57 %einzelne zitierbare Belege
    • JEV 44 %einzelne zitierbare Belege
    • amos 25 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra 56 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung Hintergrund, keine Belege
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 48 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 53 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 67 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
  1. SF-E3 Welche Stellen sind in einem Staat für KI-Sicherheit und Prüfungen zuständig, und was davon gibt es schon?
    • clef 100 %kein Bezug
    • Luna 36 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Wirtschaft und Haftung
Information und Öffentlichkeit

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →