Genie 3
DeepMind показала модель, що з текстового опису породжує світ, яким можна ходити в реальному часі — 24 кадри на секунду, кілька хвилин без утрати послідовності.
Чому це важливо
Породжене відео перестало бути записом і стало середовищем: кадр залежить від того, куди глядач щойно повернув.
Sora робила хвилинний ролик, який лишався тим самим щоразу. Тут кожен кадр породжується з огляду на дію користувача, і модель має пам'ятати, що вона вже показала: якщо відвернутися й повернутися, стіна має бути на місці. Ця послідовність у часі — головна технічна відмінність. DeepMind подала роботу як крок до навчання агентів у породжених середовищах, де досвід не обмежений записаними даними.