Google DeepMind

Genie 2 lieferte im Dezember 2024 zehn Sekunden niedrig aufgelöste Welt ohne echte Echtzeit-Interaktion. Genie 3, angekündigt im August 2025 und im Februar 2026 über Project Genie für Google US Ultra-Abonnenten geöffnet, hält eine Minute lang eine fotorealistische Umgebung aufrecht, die Bild für Bild erzeugt wird, während der Nutzer sich durch sie bewegt. Google DeepMind benennt die Schwierigkeit unumwunden: Ein Videomodell kann Bilder nachträglich anpassen, um sie kohärent zu halten, während ein Weltmodell mit der Vergangenheit und mit der unmittelbaren Aktion des Nutzers konsistent bleiben muss, ohne die noch kommenden Eingaben zu kennen. Die 60-Sekunden-Grenze ist ein Kompromiss, da die Dynamik der Welt im Verlauf der Sequenz nachlässt und die Betriebskosten hoch bleiben. Das Team verortet sich selbst bei 50% einer Vision, die es als eine von der Realität nicht zu unterscheidende Simulation beschreibt. Simmer nutzt Genie 3 bereits, um Agenten zu trainieren, die in beliebigen 3D-Welten Ziele verfolgen.

Dieselbe Organisation liefert auch die zugrundeliegende Infrastruktur. Die Interactions API ging im Dezember 2025 über Google AI Studio in die öffentliche Beta, mit optionalem serverseitigem Zustand, Hintergrundausführung für lange Inferenzen und nativer MCP-Unterstützung. Google DeepMind positioniert sie als Ergänzung zu generateContent, das für Standard-Produktionsantworten weiterhin empfohlen bleibt.

Im August 2026 vertrat Kevin Hou Google als Core Maintainer der Agent Plugins 1.0.0-Packaging-Spezifikation, neben Amazon, Cursor, Microsoft, OpenAI und Vercel. Anthropic, dessen Agent Skills und MCP-Server dieses Format eigentlich verpacken soll, fehlt in der Liste der Maintainer.