Google DeepMind

Genie 2, en décembre 2024, produisait dix secondes de monde en basse résolution, sans interaction en temps réel. Genie 3, annoncé en août 2025 et ouvert aux abonnés Google US Ultra via Project Genie en février 2026, soutient une minute d'environnement photoréaliste généré image par image à mesure que l'utilisateur s'y déplace. Google DeepMind énonce la difficulté sans détour : un modèle vidéo peut ajuster rétroactivement les images pour les garder cohérentes, tandis qu'un modèle du monde doit rester cohérent avec le passé et avec l'action immédiate de l'utilisateur, sans connaître les entrées à venir. Le plafond de 60 secondes est un compromis, car le dynamisme du monde décline au fil de la séquence et les coûts de service restent élevés. L'équipe se situe à 50% d'une vision qu'elle décrit comme une simulation indiscernable de la réalité. Simmer utilise déjà Genie 3 pour entraîner des agents qui poursuivent des objectifs dans des mondes 3D arbitraires.

La même organisation fournit l'infrastructure sous-jacente. L'Interactions API est entrée en bêta publique en décembre 2025 via Google AI Studio, avec état côté serveur optionnel, exécution en arrière-plan pour les inférences longues, et prise en charge native de MCP. Google DeepMind la positionne comme complémentaire à generateContent, qui reste recommandé pour les réponses de production standard.

En août 2026, Kevin Hou a représenté Google en tant que mainteneur principal de la spécification de packaging Agent Plugins 1.0.0, aux côtés d'Amazon, Cursor, Microsoft, OpenAI et Vercel. Anthropic, dont les Agent Skills et les serveurs MCP sont précisément ce que ce format existe pour empaqueter, est absent de la liste des mainteneurs.