Hacker News · 06.08.2026 ·Модели и релизы

Google представила Genie 3: новую модель для генерации интерактивных миров

Google DeepMind анонсировала Genie 3 — фундаментальную модель, способную генерировать интерактивные виртуальные миры на основе текстовых или визуальных промптов. В отличие от предшественников, система демонстрирует улучшенное понимание физики объектов и логики взаимодействия, позволяя пользователям управлять персонажами в созданных средах в режиме реального времени, что открывает новые возможности для симуляций и игровых движков.

Модель обучалась на огромных массивах видеоданных, что позволило ей освоить принципы динамики объектов без явного программирования физических законов. Genie 3 предсказывает следующие кадры в зависимости от действий пользователя, обеспечивая высокую степень консистентности и плавности визуального ряда. Технология ориентирована на создание сложных сред, где ИИ выступает не просто генератором контента, а активным участником симуляции.

Разработка представляет собой значительный шаг в области «мировых моделей» (world models), которые стремятся к глубокому моделированию реальности. Интеграция таких систем в творческие и инженерные процессы позволит автоматизировать создание прототипов виртуальных пространств, сокращая время на разработку сложных интерактивных сценариев и расширяя границы генеративного ИИ за пределы статичных изображений и видео.

Ключевые факты

Genie 3 способна генерировать интерактивные миры, реагирующие на действия пользователя в реальном времени.
Модель демонстрирует продвинутое понимание физических взаимодействий и динамики объектов в 2D и 3D-пространствах.
Система обучалась на обширных наборах видеоданных, что позволило ей выучить закономерности окружающего мира без использования традиционных физических движков.
Технология поддерживает генерацию контента на основе текстовых описаний и визуальных референсов, обеспечивая высокую степень контроля над создаваемой средой.

Источник: Hacker News

Обсудить с ИИ

Похожие материалы

arXiv · Исследования и наука GS-Agent: генерация 4D-миров на основе текстовых описаний Исследователи представили GS-Agent — систему для автоматического создания динамических и физически корректных 4D-сред на основе текстовых промптов. Решение объединяет генеративные модели с физическим моделированием, позволяя формировать визуально детализированные миры с реалистичной анимацией и взаимодействием объектов, что значительно сокращает трудозатраты на ручную настройку материалов, освещения и траекторий движения в традиционной компьютерной графике. The Decoder · Исследования и наука Google DeepMind: видеогенераторы содержат универсальные модели мира Исследователи Google DeepMind представили проект GenCeption, доказывающий, что современные видеогенераторы обладают глубоким пониманием физики и структуры окружающего мира. Используя эти модели для классических задач компьютерного зрения, таких как оценка глубины и сегментация объектов, разработчики достигли результатов уровня SOTA, затратив при этом значительно меньше данных для обучения, чем специализированные системы машинного зрения. Google DeepMind News · Модели и релизы Gemini 3.1 Pro от DeepMind для сложных задач DeepMind представила новую модель Gemini 3.1 Pro, ориентированную на решение сложных задач, где требуется не просто ответ, а глубокий анализ и понимание контекста. Модель демонстрирует улучшенные способности в обработке сложных запросов, что делает её перспективной для применения в различных областях, включая разработку ИИ-агентов. Google DeepMind News · Модели и релизы Gemini 3.5 от DeepMind: интеллект с возможностью действия DeepMind представила новую модель Gemini 3.5, которая отличается от предыдущих версий способностью выполнять сложные, агентские рабочие процессы. Это значительный шаг вперёд, так как модель не только понимает контекст, но и может активно взаимодействовать с окружающей средой для достижения целей. Gemini 3.5 построена на архитектуре, которая позволяет ей интегрироваться с различными инструментами и системами, что делает её полезной для автоматизации сложных задач. MarkTechPost · Модели и релизы LingBot-World-Infinity: новая каузальная модель мира для ИИ-агентов Подразделение Ant Group представило LingBot-World-Infinity — 14-миллиардную каузальную модель видеогенерации, функционирующую как интерактивный симулятор реальности. Архитектура модели использует инновационную маску внимания MoBA и дистилляцию на основе распределений, что позволяет агентам эффективно взаимодействовать с динамической средой, предсказывая последствия своих действий в долгосрочной перспективе с высокой точностью и стабильностью симуляции. Hacker News · Исследования и наука Sakana AI представила модель Dream-Cubed для генеративного моделирования в Minecraft Исследователи Sakana AI разработали метод Dream-Cubed, позволяющий создавать управляемые генеративные миры в Minecraft. Обучив модель на миллиардах блоков, авторы добились возможности генерировать сложные игровые структуры и динамические окружения на основе текстовых запросов, что открывает новые перспективы для процедурной генерации контента и обучения агентов в виртуальных средах с высокой степенью детализации. Hacker News · Модели и релизы Black Forest Labs представила Flux 3 Mimic для генерации видео Компания Black Forest Labs анонсировала Flux 3 Mimic — новую архитектуру моделей, ориентированную на генерацию видео с высокой точностью передачи движений. Система использует продвинутые механизмы контроля динамики, позволяя пользователям задавать сложные сценарии действий с сохранением визуальной консистентности объектов. Релиз направлен на повышение качества синтеза видеоконтента в профессиональных творческих индустриях и рекламном продакшене. Hacker News · Модели и релизы xAI представила модель генерации видео Grok-1.5 Vision Компания xAI анонсировала выход Grok-1.5 Vision — мультимодальной модели, способной обрабатывать и генерировать видеоконтент. Новая архитектура расширяет возможности текущей линейки Grok, позволяя системе анализировать визуальные данные в реальном времени и создавать видеоролики на основе текстовых запросов пользователей. Релиз направлен на усиление конкуренции в сегменте генеративного видео и глубокую интеграцию мультимодальности в экосистему платформы X. Hacker News · Модели и релизы Black Forest Labs представила мультимодальную модель Flux 3 Компания Black Forest Labs анонсировала Flux 3 — новую мультимодальную модель, объединяющую возможности генерации изображений, видео и аудио с функцией предсказания действий. Архитектура системы направлена на создание консистентного контента в различных медиаформатах, что позволяет модели не только визуализировать объекты, но и прогнозировать их поведение в динамических сценах. Hacker News · Модели и релизы Релиз Flux 3: переход от генерации изображений к визуальному интеллекту Разработчики представили Flux 3 — новую версию модели, которая расширяет возможности генерации изображений за счет глубокого визуального понимания. Система теперь способна не только создавать визуальный контент по текстовым описаниям, но и анализировать сложные сцены, распознавать детали и контекст, что приближает модель к полноценному визуальному интеллекту, способному интерпретировать графические данные на уровне продвинутых мультимодальных систем.

← Все материалы