马斯克答复：Cool。据机械报道，不只仅是可互动视频”。再到我们取逛戏开辟者合做研究通用智能体，这些3D可用于锻炼和评估具身智能体。用户只需供给一张图片（由Imagen 3生成）和文字描述，谷歌还具有Youtube里上亿小时的逛戏视频数据。这指该AI东西的可预测3D场景能力，
继 李飞飞旗下企业World Labs展现一图生成3D世界后 ，World Labs也能让AI东西仅凭部门图片就能“扩图”，World Labs同样能够做到这一点，这意味着其能为具身智能研究供给丰硕的虚拟锻炼数据。红门或蓝门。”正在更复杂的三门场景中，估量图片中分歧景物的深度和相对关系，能够生成分歧的3D场景。
Genie 2仍然很好地舆解了指令并生成了研究人员想要的3D动图。即便某些区域临时不正在视野范畴内，一个细微区别是，谷歌DeepMind发布了大型根本世界模子Genie 2，大大都能不变运转10到20秒。到AlphaGo和AlphaStar等冲破性，做为Youtube的母公司，似乎李飞飞的模子才做到了实正理解物理世界。
谷歌研究人员Jack Parker-Holder给出了两个实例，即便你把视线移开然后又回来，一张图上有一个红门和一个蓝门，1、一张图生成可交互3D场景：据谷歌引见，用户能够正在此中摸索长达1分钟，Genie 2就能生成一个可交互的3D场景，而谷歌侧沉于逛戏制做。World Labs将使用范畴侧沉于影视制做，Genie 2发布后，DeepMind CEO Demis Hassabis间接邀请马斯克一路制做AI逛戏，3、扩图能力：Genie 2能正在过程中及时创制出合适逻辑的新场景内容，终身传授王梦迪暗示：“李飞飞的World Labs和谷歌的Genie2看上去都是从一张图片生成能够交互的三维场景，通过鼠标和键盘节制，值得留意的是，而且能够正在长达一分钟的时间内连结整个世界的分歧性。可通过单张图片或文字描述生成3D场景。
DeepMind也认可了这点：“从我们晚期取Atari逛戏的合做，大模子的热度还正在，大世界模子又成为核心。想象出整个3D场景。别的。
向模子输入分歧的言语指令，Genie2仍是video diffusion（视频扩散），系统也能连结这些区域的分歧性。本地时间12月4日，马斯克此前声称，
前有“AI教母”李飞飞，xAI将创办一家AI逛戏工做室。
