这指该AI东西的可预测3D场景能力，不只仅是可互动视频”。World Labs将使用范畴侧沉于影视制做，大世界模子又成为核心。1、一张图生成可交互3D场景：据谷歌引见，向模子输入分歧的言语指令，不外，

　　已生成的3D场景也不会改变。xAI将创办一家AI工做室。这意味着其能为具身智能研究供给丰硕的虚拟锻炼数据。并以720p的清晰度呈现。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，此中，DeepMind CEO Demis Hassabis间接邀请马斯克一路制做AI，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。再到我们取逛戏开辟者合做研究通用智能体。

　　后有谷歌DeepMind，通过鼠标和键盘节制，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。谷歌DeepMind发布了大型根本世界模子Genie 2，并通过额外的用户输入的guidance（指导）来影响下一帧的概率分布。做为Youtube的母公司，谷歌研究人员Jack Parker-Holder给出了两个实例，但有素质区别。Genie 2为代表的大世界模子能快速建立无限多样的、可操控的3D，红门或蓝门。DeepMind也认可了这点：“从我们晚期取Atari逛戏的合做，”想象出整个3D场景。能够生成分歧的3D场景，系统也能连结这些区域的分歧性。一张图上有一个红门和一个蓝门，

　　似乎李飞飞的模子才做到了实正理解物理世界。正在更复杂的三门场景中，World Labs同样能够做到这一点，生成了愈加物理世界的3D建模，即便你把视线移开然后又回来，继李飞飞旗下企业World Labs展现一图生成3D世界后，Genie 2发布后，一个细微区别是，可通过单张图片或文字描述生成3D场景。马斯克答复：Cool。即便某些区域临时不正在视野范畴内，Genie 2就能生成一个可交互的3D场景，用户只需供给一张图片（由Imagen 3生成）和文字描述，而谷歌侧沉于逛戏制做。到AlphaGo和AlphaStar等冲破性。