Genie 3 lanseras – Google skapar interaktiva AI-världar i realtid

Genie 3 lanseras – Google skapar interaktiva AI-världar i realtid

Den 5 augusti 2025 presenterade Google DeepMind Genie 3, en generell världsmodell som kunde skapa interaktiva miljöer från en textprompt och generera nästa bildruta i realtid när användaren rörde sig genom världen. Modellen kunde producera 720p-miljöer i omkring 24 bildrutor per sekund och behålla visuell konsekvens under flera minuter.

Marketplace sammanfattar lanseringen i efterhand. Genie 3 var en begränsad forskningsförhandsvisning och inte en färdig spelmotor för konsumenter. Google utvecklade modellen för forskning om agenter, simulering och fysisk AI – områden där ett system behöver kunna öva i många varierade miljöer.

Genie 3 i korthet

| Punkt | Uppgift vid presentationen |
|---|---|
| Lanseringsdatum | 5 augusti 2025 |
| Utvecklare | Google DeepMind |
| Modelltyp | Generell interaktiv världsmodell |
| Upplösning | 720p i de presenterade demonstrationerna |
| Hastighet | Cirka 24 bildrutor per sekund |
| Interaktion | Användaren eller agenten kunde navigera i realtid |
| Konsistens | Miljöer kunde behålla egenskaper i flera minuter |
| Tillgång | Begränsad forskningspreview för utvalda kreatörer och forskare |

Vad är en världsmodell?

En världsmodell försöker förutsäga hur en miljö förändras när en agent agerar. I stället för att generera en färdig video från början skapar systemet nästa del av världen utifrån det som redan hänt och användarens handling.

Ett förenklat flöde:

1. användaren beskriver en värld
2. modellen genererar den första vyn
3. användaren trycker framåt eller svänger
4. modellen skapar nästa bildrutor
5. miljön försöker behålla tidigare objekt och regler
6. nya delar skapas när de kommer in i synfältet

Det gör upplevelsen interaktiv. Resultatet är inte en traditionell spelvärld där varje objekt och fysisk regel har programmerats i förväg.

Från Genie 2 till Genie 3

Genie 2 hade visat att en modell kunde skapa spelbara miljöer från en bild. Genie 3 förbättrade kvalitet, varaktighet och styrbarhet.

Google DeepMind lyfte fram:

• högre upplösning
• längre tidsmässig konsistens
• mer stabil interaktion
• bättre förståelse av prompten
• promptbara händelser i världen

Tidigare världsmodeller kunde snabbt glömma hur ett område såg ut. Ett föremål bakom spelaren kunde försvinna eller förändras när kameran vändes tillbaka. Genie 3 förbättrade detta men löste inte problemet helt.

720p och 24 bildrutor per sekund

Realtidsgenerering är beräkningsintensiv. Modellen behöver skapa varje ny bildruta tillräckligt snabbt för att användaren ska uppleva kontroll.

720p och cirka 24 bildrutor per sekund gav en spelbar men inte nödvändigtvis produktionsfärdig upplevelse. Moderna spel kan ha högre upplösning, fler bildrutor och mycket exakt fysik.

Genie 3 prioriterade i stället flexibilitet: en ny värld kunde skapas från text utan en traditionell 3D-pipeline.

Världen kunde minnas tidigare detaljer

DeepMind visade att modellen kunde behålla miljöegenskaper under flera minuter. Exempelvis kunde ett objekt eller en förändring finnas kvar när användaren återvände.

Detta kallas ofta emergent world consistency. Modellen hade inte nödvändigtvis en explicit databas över varje objekt, men dess interna representation räckte för att återskapa delar av historiken.

Konsistensen var inte perfekt. Under längre sessioner kunde:

• geometri förändras
• objekt byta form
• text bli instabil
• vägar leda till oväntade platser
• fysik skifta

En forskningsmiljö kan tolerera sådana fel. En säker träningssimulator för robotar eller fordon behöver betydligt starkare verifiering.

Promptbara världshändelser

Genie 3 kunde ändra världen genom textinstruktioner under sessionen. En användare kunde exempelvis be om regn, nya objekt eller en förändring i miljön.

Det gjorde modellen användbar för scenariogenerering. En agent kunde tränas under varierande förhållanden utan att en utvecklare manuellt byggde varje scenario.

Möjliga händelser:

• väderförändring
• nytt hinder
• förändrad belysning
• ett fordon eller djur
• en annan terräng
• en oväntad situation

Det är värdefullt för robusthetstester, men modellen behöver kunna skapa realistiska och kontrollerbara variationer. En slumpmässig visuell förändring är inte automatiskt en korrekt fysisk simulering.

Träning av AI-agenter

Ett huvudmål var att skapa miljöer där agenter kan öva.

AI-agenter behöver erfarenhet av:

• navigation
• planering
• målsökning
• minne
• reaktion på förändringar
• samarbete
• verktygsanvändning

Verklig datainsamling kan vara dyr, långsam eller farlig. En generativ värld kan skapa många miljöer och situationer snabbt.

Men träning i en felaktig simulator kan lära agenten fel beteende. Det så kallade sim-to-real-gapet innebär att regler i simuleringen inte alltid stämmer med verkligheten.

En agent som fungerar i Genie 3 måste därför testas separat i verkliga eller mer fysikbaserade miljöer.

Spelutveckling och prototyper

Genie 3 väckte stort intresse inom spel. En designer skulle i princip kunna beskriva en miljö och omedelbart utforska den.

Möjliga användningar:

• koncepttest
• visuell förproduktion
• snabb miljöskiss
• storyboarding
• idéer till nivådesign
• användartest av ett grundkoncept

Modellen ersatte inte en traditionell spelmotor. Ett kommersiellt spel behöver:

• exakt spelmekanik
• sparsystem
• nätkod
• tillgänglighet
• prestandaoptimering
• rättigheter
• testning
• förutsägbar fysik

En generativ värld som förändras vid varje körning är svår att balansera och felsöka.

Begränsad handlingsrepertoar

DeepMind sade att användarens möjliga handlingar fortfarande var begränsade. Modellen var främst demonstrerad med navigation och enklare interaktion.

Komplex manipulation kräver att systemet förstår:

• händer och verktyg
• kontaktkrafter
• objektens tillstånd
• orsak och verkan
• bestående förändringar

Det är betydligt svårare än att flytta kameran genom en miljö.

Text och detaljer

Som andra generativa visuella modeller kunde Genie 3 ha problem med läsbar text och små detaljer. Skyltar kunde förändras mellan bildrutor och föremål kunde bli tvetydiga.

Det begränsar användning i miljöer där agenten behöver läsa exakta instruktioner eller tolka instrument.

Forskningssystem behöver därför separata kanaler för symbolisk information och inte enbart förlita sig på genererade pixlar.

Fysik är inte garanterad

En värld kan se realistisk ut utan att följa fysikens lagar. Genie 3 lärde sig visuella mönster från data och genererade nästa bildruta.

Det kan ge fel i:

• gravitation
• kollisioner
• vätskor
• friktion
• hastighet
• objektbeständighet

För robotik och fordon är detta avgörande. En generativ världsmodell kan användas för perception och scenvariation, men säkerhetskritisk dynamik behöver fysikbaserad simulering och verkliga tester.

Säkerhetsfrågor

Interaktiva världar kan generera olämpligt eller vilseledande innehåll. DeepMind begränsade den första tillgången för att studera risker.

Frågor omfattar:

• våldsamma eller sexuella miljöer
• imitation av verkliga platser
• upphovsrättsligt skyddade spelvärldar
• beroendeframkallande dynamik
• träning av agenter för skadliga uppgifter
• falska simuleringar som presenteras som bevis

En simulering bör alltid märkas som genererad när den annars kan uppfattas som verklig video.

Upphovsrätt och spelvärldar

En prompt kan be modellen skapa en miljö i stil med ett känt spel eller en film. Resultatet kan ligga nära skyddade karaktärer, arkitektur eller visuell identitet.

Utvecklare behöver kontrollera:

1. referensmaterialets rättigheter
2. om varumärken syns
3. om modellen imiterar en skyddad värld
4. vilka användningsvillkor som gäller
5. om genererade tillgångar får exporteras kommersiellt

Forskningspreview innebär inte automatiskt kommersiell licens.

Fysisk AI och robotik

Genie 3 kan ses i samma forskningslinje som Google DeepMinds robotmodeller. Världsmodellen kan skapa situationer, medan en robotagent tränas att planera och agera.

Läs vår senare artikel om Gemini Robotics ER 2 och samarbete mellan flera robotar.

Kombinationen av generativ simulation och robotik kan minska kostnaden för datainsamling, men får inte ersätta validering i fysisk miljö.

Svenska användningsområden

Svenska forskare och företag skulle kunna använda världsmodeller för:

• industrisimulering
• spelprototyper
• fordonsforskning
• logistik
• utbildning
• räddningsscenarier
• robotträning

Den första versionen var dock inte en allmänt tillgänglig produkt. Organisationer behövde följa senare API- och licensbesked.

Vanliga frågor

När presenterades Genie 3?

Google DeepMind presenterade modellen den 5 augusti 2025.

Vad kunde modellen skapa?

Interaktiva, navigerbara världar från textinstruktioner med realtidsgenererade bildrutor.

Vilken upplösning och hastighet visades?

DeepMind beskrev 720p och cirka 24 bildrutor per sekund i demonstrationerna.

Var Genie 3 ett färdigt spelverktyg?

Nej. Det var en begränsad forskningspreview för världsmodeller och agentträning.

Kunde världen förändras genom en ny prompt?

Ja. Användaren kunde utlösa vissa händelser och förändringar under sessionen.

Var fysiken alltid korrekt?

Nej. Miljöerna kunde se realistiska ut men innehålla visuella och fysiska inkonsekvenser.

Sammanfattning

Genie 3 presenterades den 5 augusti 2025 som en generell världsmodell som kunde skapa interaktiva 720p-miljöer i realtid och behålla viss konsistens under flera minuter.

Modellen öppnade nya möjligheter för agentträning, spelprototyper och simulation. Men en visuellt trovärdig värld är inte automatiskt en korrekt fysisk modell. Begränsad åtkomst, tydlig märkning och verklig validering var nödvändiga innan tekniken kunde användas utanför forskning och kreativa experiment.

Faktaunderlag: Google DeepMind, ”Genie 3: A new frontier for world models”, publicerad 5 augusti 2025. Artikeln är en historisk sammanfattning publicerad i efterhand.