Google a publié Genie, un modèle de monde fondamental de 11 milliards de paramètres, capable de générer des environnements virtuels interactifs. Genie n'a pas besoin d'étiquettes d'action pour son entraînement ; il identifie par lui-même les différentes caractéristiques et les différents schémas d'action dans les vidéos. Genie peut apprendre un contrôle très précis et simuler de nombreuses actions potentielles. Les vidéos générées par Genie sont stylisées, et il peut simuler des actions de robots et des objets déformables, se rapprochant davantage des GIF animés que de Sora.