Mit Gemini 4 Argon lassen sich Fotos und Beschreibungen in spielbare 3D-Welten verwandeln. Was in den beiden Google-Videos wie das Ergebnis eines Videogenerators wirkt, ist jedoch eine programmierte Szene mit Geometrie, Physik, Ton und Benutzersteuerung. Mit anderen Worten: Hier wird Code ausgeführt und dieser dann aufgenommen.
Aus Schreibtischfotos wird ein Rennspiel
Für die Race-Car-Demo analysierte Gemini Fotos eines echten Schreibtischs und baute den Raum, die Gegenstände und die Rennstrecke in Blender nach. Über die Blender-Anbindung modellierte Argon die Objekte, prüfte Kollisionen und ließ Nano Banana die Oberflächen texturieren.
Danach verband das KI-Modell die Szene in Three.js mit Fahrphysik, eigenen Shadern und Motorengeräuschen von Gemini Omni Flash. Der Nutzer schaut deshalb nicht nur einem vorab erzeugten Clip zu, sondern kann das Auto selbst durch den virtuellen Schreibtisch steuern.
Anzeige
Schachfiguren mit eigener Physik
Auch beim Schachbeispiel erzeugte Argon kein Video Bild für Bild. Das KI-Modell schrieb Python-Skripte, modellierte und animierte die Figuren, bereitete die Oberflächen für eine realistische Beleuchtung vor und übertrug das Spiel in Three.js.
Dort stecken GLSL-Shader, Bruchphysik und eine Einzelspieler-KI. Figuren können sich regelbasiert bewegen und beim Treffer in Teile zerbrechen. Die Kamera zeigt eine laufende 3D-Anwendung, keine festgeschriebene Animation.
Gemini baut, prüft und korrigiert
Google setzt dafür Antigravity und mehrere Agenten ein. Ein Arbeitsschritt erzeugt etwa Code oder ein 3D-Modell, weitere Durchläufe prüfen das sichtbare Ergebnis und korrigieren Fehler.
Das macht »Argon « nun zu einem Entwickler, anstelle von einem einfachen Videogenerator.
