Hype AI Genie 3 Terbaru dari Google Perlu Dicermati Lebih Lanjut

Video dimulai dengan pembahasan mengenai peluncuran Genie 3 oleh Google yang mampu mensimulasikan lingkungan interaktif layaknya video gim sungguhan. Fenomena ini menyebabkan kepanikan di pasar saham industri gim karena dianggap sebagai ancaman eksistensial bagi pengembang gim tradisional. Di saat yang sama, perusahaan Tiongkok bernama Robiant merilis kompetitor sumber terbuka yang memiliki kualitas grafis lebih unggul. Persaingan ini membuka babak baru dalam perlombaan teknologi simulasi dunia digital. Namun, narator menekankan bahwa kehebohan ini mungkin hanya sekadar janji yang dilebih-lebihkan tanpa landasan substansi yang kuat saat ini.

Narator menceritakan pengalamannya yang mengecewakan saat mencoba mengakses Genie 3 dari Kanada yang berujung pada pesan kesalahan 404. Ternyata, Google membatasi akses alat ini hanya untuk pengguna di Amerika Serikat dan mewajibkan langganan Ultra Plan yang sangat mahal. Pembatasan ketat ini menimbulkan pertanyaan besar mengenai alasan di balik sulitnya mendapatkan akses ke teknologi tersebut. Narator menduga bahwa biaya operasional yang sangat tinggi menjadi alasan utama mengapa Google tidak membukanya untuk publik secara luas. Bagian ini menyoroti bahwa teknologi revolusioner seringkali terhambat oleh masalah ketersediaan geografis dan biaya ekonomi.

Karena sulit mengakses Genie 3, narator beralih ke Lingbot World dari Robiant yang bersifat sumber terbuka dan berafiliasi dengan Alibaba Group. Meskipun video demonya terlihat sangat impresif dengan kemampuan navigasi karakter, kenyataannya fitur kontrol penuh tersebut masih dalam tahap pengembangan. Saat ini, pengguna hanya bisa mengakses model dasar dengan 14 miliar parameter yang utamanya berfungsi sebagai generator video. Perbedaan utamanya terletak pada kemampuan kontrol posisi kamera secara intrinsik yang harus direkam terlebih dahulu. Hal ini menunjukkan bahwa meskipun disebut model dunia, fungsionalitas interaktifnya masih sangat terbatas pada tahap awal ini.

Bagian ini menjelaskan perbedaan teknis antara generator video AI biasa dengan model dunia seperti Lingbot World. Generator video standar sering kali gagal mempertahankan konsistensi objek saat kamera bergerak menjauh dan kembali lagi. Lingbot World menggunakan data posisi kamera dan pose 6 derajat kebebasan untuk memastikan setiap piksel terhubung ke titik spesifik dalam ruang 3D. Konsep ini disebut sebagai "ketetapan objek" yang memungkinkan model untuk mengingat koordinat objek secara matematis. Namun, pemahaman geometris yang mendalam inilah yang menyebabkan model tersebut membutuhkan daya komputasi yang sangat besar dan haus memori.

Narator melakukan pengujian ekstrem menggunakan hingga 8 unit GPU RTX 1590, namun aplikasi tetap mengalami kegagalan sistem atau "crash". Penyebab utamanya adalah konsumsi RAM yang membengkak drastis saat model harus menyimpan informasi lingkungan dalam durasi yang lama. Masalah memori penuh ini menjelaskan mengapa demo Genie 3 biasanya hanya berlangsung selama beberapa detik saja. Biaya untuk menjalankan simulasi ini pada perangkat keras tingkat konsumen sangat tidak masuk akal bagi kebanyakan orang. Hal ini membuktikan bahwa arsitektur perangkat keras saat ini masih menjadi penghambat utama bagi adopsi massal teknologi model dunia.

Investasi untuk membangun sistem dengan 8 GPU RTX 1590 bisa mencapai $40.000, sebuah angka yang dianggap konyol untuk penggunaan personal. Tingginya biaya inferensi ini memaksa penggunaan GPU kelas perusahaan yang tidak terjangkau oleh masyarakat umum. Selain biaya, masalah stabilitas jangka panjang menyebabkan lingkungan simulasi sering mengalami pergeseran bentuk atau kehilangan integritas struktural. Bahkan Google secara tersirat mengakui bahwa model mereka hanya bisa bertahan beberapa menit, bukan berjam-jam seperti gim video tradisional. Narator menyimpulkan bahwa video gim konvensional tidak akan tergantikan dalam waktu dekat karena masalah komputasi yang belum terpecahkan.

Sebagai penutup, narator memberikan saran bagi mereka yang ingin mencoba Lingbot World tanpa harus menghabiskan banyak uang. Disarankan untuk menggunakan GPU H200 di platform cloud dan menurunkan jumlah sampel atau menggunakan versi kuantisasi 4-bit yang lebih hemat memori. Narator menunjukkan hasil uji cobanya sendiri menggunakan gambar Viking yang bertarung melawan Loki, di mana integritas kastil tetap terjaga namun masih terdapat artefak visual. Meskipun memberikan apresiasi pada tim Lingbot yang membuka kodenya, narator tetap merasa pipeline AI standar masih bisa memberikan hasil yang lebih baik. Video diakhiri dengan ajakan untuk berdiskusi di kolom komentar mengenai masa depan teknologi simulasi dunia ini.