AIはすでにゲーム世界をリアルタイムで生成できるようになった。従来のゲームエンジンはまだ必要か?3つの世界モデルの実測指標比較

要約:世界モデルはインタラクティブな環境映像の生成が得意で、従来のゲームエンジンは正確なルール実行、物理シミュレーション、状態管理が得意です。この2つの技術は異なるレイヤーにあり、最も合理的な方向性は組み合わせて使うことです。

結論から言うと:従来のゲームエンジンは依然として必要です。Genie 3、WHAM-RT/WHAMM、Oasis という3つの代表的な世界モデルは、すでに 10 から 24 FPS のフレームレートで操作可能な映像をリアルタイム生成できます。ただし、その連続的な一貫性は秒単位または分単位にとどまり、オブジェクトの記憶、ダメージ計算、HP管理といったルール層では誤りが生じます。ゲームエンジンが提供するのは、決定論的なルール実行、物理計算、状態の永続化、マルチプレイヤー同期であり、これこそが商業ゲームを成立させる基盤です。現段階の世界モデルは環境生成、視覚予測、コンテンツ制作支援を担い、エンジンが引き続きコアとなるルールを担当する、両者を組み合わせたハイブリッドアーキテクチャが適しています。

以下ではまず、世界モデルと従来のゲームエンジンの動作ロジックの違いを説明します。次に3つのモデルの公開指標をもとに、それぞれがどこまで進んでいるかを判断します。続いて WHAMM が公開した具体的な失敗事例を掘り下げ、成熟したエンジンが担うエンジニアリング上の責務を列挙します。最後に、ハイブリッドアーキテクチャの役割分担、シナリオ選択、実行可能なコード例を示します。

ai-world-models-vs-traditional-game-engines-ja-image-0

To Know:世界モデルとゲームエンジンの用語準備

用語 解説
世界モデル 現在の画面とプレイヤーの操作に基づいて、次の瞬間の環境状態を予測・生成するAIモデル
FPS 本文では1秒あたりに表示されるフレーム数を指す。ゲームジャンルの文脈ではファーストパーソン・シューティングゲームも指す
解像度 画面の横方向および縦方向のピクセル数。例えば 640×360、720p
コンテキストウィンドウ モデルが後続の状態を予測する際に参照できる履歴情報の範囲。世界モデルでは通常、秒またはフレーム単位で数える
自己回帰生成 各フレームを、前に生成されたフレームを基にして生成し続ける方式。誤差がフレームごとに累積する
物理エンジン 衝突、運動、力の作用などの物理的制約を計算するシステム
状態の永続化 プレイヤー、タスク、世界オブジェクトの状態を保存し、いつでも読み出して続行できるようにする
マルチプレイヤー同期 異なるプレイヤーが同一の一貫したゲーム状態を見て操作できるようにする仕組み
決定性 同じ入力から常に同じ結果が得られること。デバッグ、リプレイ、オンライン対戦の前提となる
ゲームエンジン レンダリング、入力、物理、アニメーション、ネットワーク、リソース管理を統合し、開発と実行を行うシステム
ハイブリッドアーキテクチャ 従来のプログラムシステムがルールと状態を管理し、生成モデルがコンテンツを提供する組み合わせ方式

1 AIがリアルタイムにゲーム世界を生成する:ワールドモデルとゲームエンジンの動作ロジックの違い

1.1 ワールドモデルは素材生成から世界生成へ

従来、ゲーム開発においてAIは主にテクスチャ、モデル、ボイスなどの素材を生成し、最終的にはそれらをエンジンに渡して組み立て・実行していました。ワールドモデルはこの役割分担を変えます。モデルがプレイヤーのキーボードやゲームパッド入力を直接受け取り、次のフレームの映像を予測し、それを繰り返すことで「遊べる」環境を形成します。Google DeepMindのGenie 3、Microsoft ResearchのMuseシリーズ(WHAM-RT/WHAMM)、DecartとEtchedのOasisは、この方向性を代表する3つの例です。

従来のゲームの動作ロジックでは、開発者がシーン、モデル、ルール、物理システムをあらかじめ定義し、プレイヤーの操作が既定のロジックをトリガーし、エンジンが新しい状態を計算したうえで画面をレンダリングします。ワールドモデルのロジックは「観察 + 動作 → 次のフレームを予測」であり、ルールは学習データから学んだ視覚的ダイナミクスに暗黙的に含まれています。前者の画面は状態から計算され、後者の画面自体がモデルによる状態の近似です。

1.2 AIがコードを書くこととAIが映像を生成することは2つの異なる路線

2026年11月9日にAnthropicのエンジニアFelix Riesebergが公開したSaltlineは、よくワールドモデルと一緒に議論されます。これはブラウザで動作する小規模なファーストパーソン・シューティングのプレイアブルプロトタイプで、舞台は雨の夜のコンテナ港、1つのミッションステージを含みます。開発者本人の自己申告による概算では、Claude Fable 5.2が単一プロンプトかつ人によるフィードバックなしの条件下で約8時間を費やし、約4億4500万入力トークン(大半はキャッシュ読み取り)と約270万出力トークンを消費し、API料金で換算すると約550ドルになるとのことです。これらの数字は開発者が公開した投稿に基づく自己申告の概算です。

Saltlineの「3A」はあくまで開発者が設定した実験目標と視覚的な比喩にすぎません。その技術的アプローチは、AIが約1.4MBのHTML/JavaScriptコードを生成し、モデル、テクスチャ、サウンドをコードとシェーダーによってプロシージャル生成し、実行時にはブラウザがThree.jsとWebGLを通じてローカルでレンダリングするというものです。この路線ではAIは開発段階で働き、実行段階では依然として決定論的なプログラムであり、本質的には「エンジン型」の動作ロジックを引き継いでいます。一方、ワールドモデルはAIに実行段階でフレームごとに画面を生成させます。両者のコスト構造と信頼性はまったく異なります。

ai-world-models-vs-traditional-game-engines-ja-image-1

2 3つの世界モデルがリアルタイム生成するゲーム世界の技術指標

2.1 3モデルの公開指標比較

下表の数値はいずれも、各チームが公式の技術デモ環境で公開した指標です。テスト条件がそれぞれ異なるため、規模感を把握する目的には適していますが、そのまま横並びでランキングするのには向いていません。

指標 Genie 3(Google DeepMind) WHAM-RT/WHAMM(Microsoft Research) Oasis(Decart & Etched)
公開時期 2025年8月5日 2025年 2024年10月
デモ環境 テキストプロンプトから生成される汎用環境 Quake IIライクなインタラクティブ環境 ブロック型サンドボックス風の世界
フレームレート 最大24 FPS 10 FPS以上 20 FPS
解像度 720p 640×360 公式では主要指標として扱われていない
一貫性/記憶 環境は数分間の一貫性を維持、視覚記憶は約1分前まで遡れる コンテキスト約0.9秒(10 FPSで約9フレーム) Dynamic Noisingなどの技術で誤差の蓄積を抑制
モデル規模/開放性 重みは非公開 研究デモ 500Mパラメータ、コードと重みをオープンソース化
生成方式 リアルタイム自己回帰型の世界生成 MaskGITベースの生成 Transformer潜在空間拡散+自己回帰

2.2 Genie 3:汎用環境に向けた制御可能な世界生成

Genie 3 が目指すのは汎用世界モデルです。ユーザーがテキストで世界を記述すると、その場で探索に入り込め、前方へ進めばモデルが前方を生成し、振り返れば新しい視点を生成します。テキストプロンプトで天気の変化や物体の出現といった世界イベントを操作できる Promptable World Events にも対応しています。Google は Genie 3 と SIMA エージェントを組み合わせた実験も紹介しました。エージェントが生成された世界の中でナビゲーション動作を通じて目標を達成するこの実験は、世界モデルがエージェント学習の環境になり得ることを示しています。

2026 年 1 月 29 日、Genie 3 をベースにした実験的な Web アプリ Project Genie が、米国在住 18 歳以上の Google AI Ultra 購読者向けに公開され、ワールドスケッチ、探索、リミックスの機能を提供しています。公式によると、1 回の生成体験には 60 秒の制限があり、キャラクター操作に遅延が生じる可能性や、物理法則が必ずしも正確ではないこと、Promptable World Events が当時まだ統合されていなかったことが明らかにされています。

2.3 WHAM-RT/WHAMM:少量データで新しいゲームへ移行

Microsoft の Muse(World and Human Action Model)は当初、Ninja Theory の Bleeding Edge を用いて学習され、データには 10 億枚を超えるゲーム画像とコントローラー操作が含まれ、これは約 7 年分の連続プレイ時間に相当します。リアルタイム版では同様の技術を Quake II へ移行し、新しいゲームには約 1 週間分のキュレーション済みゲームデータのみを使用し、生成速度は 10 FPS 以上、解像度は 640×360 に向上しました。

「1 週間分のデータ」とは、新しいゲームへ移行する際に使用したデータ規模を指し、学習期間やゼロからの学習コストとは関係ありません。その意義は、既存の世界モデルが比較的少量の新しいデータで新しいインタラクション環境に適応できるという点にあります。これはデータ面の参入障壁を下げる重要なシグナルです。

2.4 Oasis:オープンソースの20 FPSリアルタイムインタラクティブ実験

Oasisは、空間オートエンコーダー、Transformerベースの潜在空間拡散バックボーン、自己回帰生成、ユーザー入力による条件制御という要素で構成されています。移動、ジャンプ、アイテムの拾得、ブロックの破壊をサポートしています。公式が示すリアルタイム性の制約は非常にシンプルでわかりやすいものです。20 FPSは1フレームあたり50ミリ秒を意味し、25 FPSを達成するには約0.04秒以内に1フレームを生成する必要があります。

Oasisは技術デモであり、MicrosoftやMojangからMinecraftの使用許諾を得ていません。公式はまた、さらなる高速化と大規模サービスにかかるコストの削減には、より効率的な推論インフラが必要だと述べています。この点は、ワールドモデルが持つコスト特性を如実に示しています。つまり、1フレームごとに1回の推論が行われ、プレイヤーが遊ぶ時間の分だけGPUが計算し続けなければならないのです。

3 世界モデルが生成するゲーム世界はなぜエラーになるのか

3.1 WHAMM が公開した具体的な失敗事例

Microsoft は WHAMM の技術記事の中でモデルの限界を詳細に列挙しています。このリストは、世界モデルの成熟度を判断する上で最も価値のある一次証拠と言えるでしょう。

失敗現象 具体的な現れ 根本原因
オブジェクトの忘却 視野から外れた物体はモデルが忘れてしまう コンテキストはわずか約 0.9 秒(9 フレーム)
敵が突然消える/現れる プレイヤーが地面を見てから再び見上げると、敵が消えたり再び現れたりする 画面外には永続化されたオブジェクト状態がない
体力値の集計が不正確 HP の数値が誤って変化する可能性 数値は画面から「推測」されるもので、カウントのロジックを欠いている
敵とのインタラクションの誤り ダメージ計算や命中判定にずれがある ルールはデータから近似的に学習され、決定論的な処理を欠いている
レベル境界の凍結 Quake II の 1 つのレベルの一部のみを学習しており、学習データの終点に達すると生成が凍結する可能性 生成範囲が学習データのカバレッジに制限される
大規模な遅延 多くのユーザーが同時にオンラインで体験すると、明らかな遅延が発生する可能性 毎フレームのリアルタイム推論にかかるサービス負荷

Microsoft によるこの位置づけは非常に正確です。すなわち、これは生成モデルによる環境の近似であり、プレイヤーはモデルを体験しているのであって、オリジナルの Quake II の完全な体験は依然として元のゲームの側で提供される、というものです。

3.2 一貫性の問題は自己回帰構造そのものに由来する

3.2.1 記憶の長さが世界の「記憶」できる期間を決める

世界モデルは、コンテキストウィンドウ内の過去のフレームに基づいてのみ未来を予測できます。WHAMM の 0.9 秒のウィンドウは、敵が視野から外れてから約 9 フレーム後には、モデルがその存在の根拠を失うことを意味します。Genie 3 は視覚記憶を約 1 分に延長し、一貫性を数分間維持するようになっており、明らかな進歩ですが、ゲームではプレイヤーが数時間後に同じ部屋に戻ったとき、開けられた箱がまだそこにあるのを見られる必要がよくあります。これに求められる記憶の尺度は、数桁も大きくなります。

3.2.2 ルールは「もっともらしく見える」ことを目標とする

モデルの学習目標は、次のフレームをもっともらしく見せることです。ダメージ、弾薬のカウント、タスクの進行状況といった正確な累加が必要なルールは、画面上では数ピクセルしか占めないため、モデルはそれらを「それらしく見えるが間違った」ものとして生成しやすくなります。エンジンでは hp -= damage の一行で正しさを保証できることが、世界モデルでは大量のデータと構造設計によって近似する必要があります。

3.3 Genie 3 のアクション空間とインタラクション時間の制限

Genie 3 が公式に認めている制限には、次のようなものがあります。エージェントが直接実行できるアクションの範囲は限られている、複数の独立したエージェント間の複雑なインタラクションはまだ困難である、現実の地理的位置は正確に再現できない、テキストのレンダリングは不安定である、連続インタラクションは主に数分単位である。アクション空間が限られているということは、複雑なスキルの組み合わせ、インベントリ操作、対話の分岐などを直接表現するのが難しいことを意味します。また、マルチエージェントのインタラクションが困難であることは、オンラインや集団 AI のシナリオに直接影響を及ぼします。

4 従来のゲームエンジンが提供する中核能力

4.1 Unreal Chaos Physics に見るエンジンの工学的な深み

Unreal Engine の Chaos Physics システムは、剛体ダイナミクス、破壊システム、ネットワーク物理、布シミュレーション、ラグドールシステム、車両物理、流体シミュレーション、物理アニメーション、ヘアシミュレーションをカバーしています。これらのモジュールの価値は、制御可能・再現可能・デバッグ可能であることにあります。同じ弾丸が同じ角度で同じ壁に命中したとき、破片の計算結果は再現でき、開発者はフレーム単位で問題を特定できます。さらにネットワーク物理では、複数のマシン上でも結果を一致させられます。

4.2 ゲームエンジンが担う8種類のシステム責務

エンジンシステム 主な役割 ワールドモデルの現状の対応能力
シーンシステム マップ、オブジェクト、階層を管理 画面によって暗黙的に表現され、オブジェクトは独立したアイデンティティを持たない
物理システム 衝突、運動、力の処理 データから近似的に学習し、精度は限定的
アニメーションシステム キャラクターの骨格と動作を管理 画面レベルで生成し、骨格を正確に制御するのは難しい
ネットワークシステム マルチプレイヤーの同期を処理 マルチエージェントの複雑な相互作用はなお課題
アセットシステム モデル、テクスチャ、効果音を管理 アセットはモデルの重みそのもので、個別に差し替えるのは難しい
状態管理 プレイヤー、タスク、ワールドの状態を保存 コンテキストウィンドウの制約を受け、WHAMM では約0.9秒
レンダリングシステム 指定した画質で安定した映像を出力 720p/24 FPS 程度で、推論計算資源の制約を受ける
デバッグツール エラーとパフォーマンスのボトルネックを特定 出力は確率的生成であり、段階的なブレークポイントデバッグが難しい

4.3 決定性は商業ゲームの生命線

決定性があるからこそ、ゲームは録画・リプレイ、自動テスト、プレイヤーから報告されたバグの再現ができ、フレーム同期型のオンライン対戦やアンチチートの基盤にもなります。ワールドモデルの出力にはランダム性があり、同じ入力でも異なる結果が生成され得ます。これは創作や探索にとっては利点ですが、公平な競技性、セーブ&ロード、バランス調整を必要とする商業ゲームにとっては障害となります。この観点から見ると、エンジンとワールドモデルの違いは画質ではなく、「結果を約束できるかどうか」にあります。

ai-world-models-vs-traditional-game-engines-ja-image-2

5 世界モデルと従来型ゲームエンジンの融合:ハイブリッドアーキテクチャ

5.1 ハイブリッドアーキテクチャにおける役割分担の原則

ハイブリッドアーキテクチャの中心となる原則は、「コミット(確定)」が必要なものはエンジンに、「多様性」と「生成」が必要なものはモデルに任せるというものです。エンジンは権威ある状態(HP、インベントリ、クエスト、座標、オンラインデータ)を保持し、モデルは動的な環境、コンテンツ生成、NPCの行動、制作支援を担います。モデルの出力はエンジンによる検証を経てはじめて状態に書き込まれます。Saltline はこの考え方の一変種をすでに示しています。LLM が開発段階で全コードを生成し、実行時は完全に決定論的なプログラムによって実行されるという形です。

ai-world-models-vs-traditional-game-engines-ja-image-3

5.2 LLM で NPC の行動を駆動する最小限のサンプル

次のサンプルは、ハイブリッドアーキテクチャの中で最も実装しやすい部分を紹介するものです。エンジンが NPC の権威ある状態を保持し、大規模言語モデルは次の行動を「提案」する役割だけを担い、エンジンがホワイトリストと数値の境界に基づいて検証したうえで実行します。インターフェースは OpenAI 互換形式を使用します。

import json, openai

client = openai.OpenAI(api_key="YOUR_API_KEY", base_url="https://api.apiyi.com/v1")

state = {"npc": "港口守卫", "hp": 80, "player_distance": 12, "alert": False}
prompt = f"根据状态给出NPC下一步行为,只输出JSON,action取值 patrol/chase/talk:{json.dumps(state, ensure_ascii=False)}"

resp = client.chat.completions.create(
    model="YOUR_MODEL_NAME",  # コンソールで利用可能なモデルを選択
    messages=[{"role": "user", "content": prompt}],
)
print(resp.choices[0].message.content)
完全な実装を見る:エンジン検証+モデル提案による NPC 意思決定ループ
import json
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1",  # OpenAI 互換インターフェース。異なるモデルを切り替えて効果を比較可能
)

ALLOWED_ACTIONS = {"patrol", "chase", "talk", "retreat"}


class EngineState:
    """エンジン側の権威状態:数値はすべてここでのみ変更する"""

    def __init__(self):
        self.npc = {"name": "港口守卫", "hp": 80, "max_hp": 100, "alert": False}
        self.player_distance = 12.0

    def snapshot(self) -> dict:
        return {"npc": self.npc, "player_distance": self.player_distance}


def propose_action(state: dict, model: str) -> dict:
    """モデルに行動を提案させる。モデルは状態を読むことだけができ、直接変更はできない"""
    system = (
        "你是游戏NPC的决策模块。只输出一个JSON对象,"
        '格式:{"action": "patrol|chase|talk|retreat", "line": "一句台词"}'
    )
    resp = client.chat.completions.create(
        model=model,
        messages=[
            {"role": "system", "content": system},
            {"role": "user", "content": json.dumps(state, ensure_ascii=False)},
        ],
        max_tokens=200,
    )
    text = resp.choices[0].message.content.strip()
    try:
        return json.loads(text)
    except json.JSONDecodeError:
        return {"action": "patrol", "line": ""}  # パース失敗時は安全なデフォルト行動にフォールバック


def validate_and_apply(engine: EngineState, proposal: dict) -> str:
    """エンジン検証:ホワイトリスト+ルール制約。モデル出力が不正なら拒否する"""
    action = proposal.get("action")
    if action not in ALLOWED_ACTIONS:
        action = "patrol"
    if action == "chase" and engine.npc["hp"] < 20:
        action = "retreat"  # ルールはエンジンが決定する。低 HP 時は追撃禁止
    if action in {"chase", "retreat"}:
        engine.npc["alert"] = True
    line = str(proposal.get("line", ""))[:60]  # セリフの長さを制限し、UI のはみ出しを防ぐ
    return f"{engine.npc['name']} -> {action}:{line}"


if __name__ == "__main__":
    engine = EngineState()
    proposal = propose_action(engine.snapshot(), model="YOUR_MODEL_NAME")
    print(validate_and_apply(engine, proposal))

このパターンは WHAMM の失敗事例と対照的です。HP や警戒状態はエンジンが保存しているため、モデルが「忘れて」しまっても敵が突如消えることはありません。モデルが不正なアクションを出力した場合は、エンジンが安全な行動へフォールバックします。

🚀 クイックスタート:NPC 意思決定のプロトタイプを構築する際は、APIYI apiyi.com 経由で同じ APIキーを使って OpenAI、Claude、Gemini などのモデルを呼び出せます。新規ユーザーには無料のテスト枠があり、モデルごとのセリフの品質、応答遅延、JSON 出力の安定性を比較しやすいです。

5.3 シーン別の推奨:世界モデルを選ぶとき、ゲームエンジンを使うべきとき

5.3.1 世界モデルが適するシーン

  • 概念実証とアイデア探索:テキストから素早く歩き回れる世界を生成し、アートの方向性や雰囲気を検証する用途。Project Genie のスケッチやリミックス機能は、まさにこうしたニーズに向いています。
  • エージェントのトレーニング環境:Genie 3 や SIMA の実験が示すように、生成的世界は AI エージェントに多種多様なトレーニングシーンを大量に提供できます。
  • 短時間のインタラクティブ体験:1分程度のインタラクティブ展示、マーケティング体験、研究デモなどは、現状の数分程度という一貫性の上限とよく釣り合います。

5.3.2 ゲームエンジンに頼らざるを得ないシーン

  • セーブデータや長期的な進行要素を持つゲーム:クエスト、インベントリ、成長値には状態の永続化が必要です。
  • 対戦・オンラインゲーム:決定的な計算結果、マルチプレイの同期、チート対策が求められます。
  • 物理挙動が軸となるゲーム:破壊、乗り物、布などの挙動は、Chaos Physics のようなデバッグ可能なシステムに依存します。
  • 運営・ローンチを前提とする商業プロジェクト:テスト、パフォーマンス分析、パッチ更新はすべてエンジンのツールチェーンに依存します。

5.3.3 ハイブリッド構成が適するシーン

  • オープンワールドの動的コンテンツ:地形とルールはエンジンが担い、モデルはサイドクエスト、NPC の対話、環境描写を生成します。
  • AI 支援による開発:Saltline のように、開発段階で大規模言語モデルがコード、Shader、レベルロジックを生成し、実行時には決定论的なプログラムに任せる形です。

5.4 意思決定の提案:技術指標から成熟度を判断する

判断軸 ワールドモデルの現状水準(公式情報) 商業ゲームの一般的な要件 結論
フレームレート 10〜24 FPS 通常 30 FPS 以上、アクションゲームでは 60 FPS を追求 エンジンが優位
解像度 640×360〜720p 1080p 以上 エンジンが優位
連続一貫性 0.9 秒のコンテキストから数分 数十時間のプレイとセーブ エンジンが優位
コンテンツ生成速度 テキストプロンプトから即座にワールドを生成 従来のパイプラインではモデリングとレベル制作が必要 ワールドモデルが優位
運用コスト 1 フレームごとに 1 回の GPU 推論 プレイヤーのローカルハードウェアでレンダリング エンジンのほうが低コスト
実装形態 研究プロトタイプ、実験的製品 正式リリース・運用が可能 ハイブリッド構成

💡 選択のヒント:チームがまず AI を既存エンジンに組み込みたいなら、最も堅実な着手点は NPC の対話、クエストテキスト、レベル説明といった「検証可能な生成コンテンツ」です。APIYI apiyi.com の統一インターフェースを使えば複数モデルを並行してテストでき、出力品質と 1 回あたりの呼び出しコストで選定してから、導入方針を決められます。

6 ワールドモデルとゲームエンジンに関するFAQ

Q1:AIワールドモデルとは何ですか?動画生成モデルとの違いはどこにありますか?

ワールドモデルは、現在の環境状態とユーザーの操作に基づいて、次の瞬間の環境を予測・生成します。動画生成モデルは固定の動画を出力するため、ユーザーが途中で介入することはできません。一方、ワールドモデルはフレームごとに新しい入力を受け取り、ユーザーが継続的に方向や動作を制御できます。Genie 3 はこのタイプのモデルの代表例です。

Q2:ワールドモデルがリアルタイムにゲーム世界を生成することと、従来のゲームエンジンとの本質的な違いは何ですか?

エンジンは明確なルールに従って状態を計算し、その状態を画面としてレンダリングするため、結果は再現可能です。ワールドモデルはデータから視覚的な動きを学習し、直接画面を生成するため、結果にはランダム性が伴います。エンジンは決定性、状態の永続化、物理演算の正確さ、マルチプレイヤー同期の面で優位に立ち、ワールドモデルはコンテンツ生成の速度と制作のハードルの低さで強みを発揮します。

Q3:Genie 3、WHAM-RT、Oasis はそれぞれいつ発表されましたか?現在体験できますか?

Oasis は2024年10月に発表され、オープンソースコード、500Mパラメータのモデル重み、オンラインでの体験を提供しています。Muse は2025年2月に発表され、その Quake II リアルタイム版がその後リリースされました。Genie 3 は2025年8月5日にリリースされ、それをベースにした Project Genie は2026年1月29日から、米国在住の18歳以上の Google AI Ultra サブスクリプション加入者向けに開放されています。1回の体験時間は60秒に制限されています。

Q4:ゲームチームが現在 AI を導入するコストは主にどこに費やされますか?

AI がどの段階で動作するかによって変わります。Saltline のように開発段階で大規模言語モデルがコードを生成する場合、コストは一度きりのAPI呼び出しに集中します。開発者の自己申告による見積もりでは約550ドルで、その後プレイヤーがローカルで実行する際にモデルを呼び出すことはありません。ワールドモデルは実行段階でフレームごとに推論を行うため、プレイヤーがプレイするたびに継続的にGPUコストが発生します。大規模言語モデルでNPCの対話など実行時機能を実装する場合は呼び出し量に応じた課金となり、APIYI apiyi.com の従量課金方式で小規模にテストしてから、プレイヤー1人あたりの呼び出しコストを見積もることができます。

Q5:既存のゲームプロトタイプに AI 駆動の NPC をすばやく追加するにはどうすればよいですか?

本記事の5.2節で紹介した「モデルが提案 + エンジンが検証」というパターンでの実装をおすすめします:

1. APIYI apiyi.com に登録し、APIキーと無料テスト枠を取得します;
2. サンプルコードの base_url を `https://api.apiyi.com/v1` に設定し、利用可能なモデル名を入力します;
3. エンジン内のNPC状態をJSONにシリアライズしてモデルに渡し、ホワイトリスト内のアクションのみを受け入れます;
4. 複数のモデルを切り替えてレイテンシと出力の安定性を比較し、本番環境での方式を決定します。

Q6:ワールドモデルには現在どのような既知の制限がありますか?

WHAMM のコンテキストは約0.9秒で、視野外のオブジェクトを忘れてしまい、HPの集計やダメージ計算に誤りがあり、学習データの境界に達すると生成が停止する可能性があります。Genie 3 の連続インタラクションは数分単位で、行動空間は限られており、マルチエージェントの複雑なインタラクションには依然として課題があります。Oasis の公式発表によれば、高速化とサービスコスト削減にはより効率的な推論インフラが必要です。これらの制限はすべて同じ結論を指し示しています。ワールドモデルは現時点ではコンテンツ層として適しており、ルール層には依然としてエンジンが必要です。

7 世界モデル vs ゲームエンジン:核心となる要点 Key Takeaways

  • 指標の位置づけ:Genie 3 は 720p/24 FPS に到達し、WHAM-RT は 640×360/10 FPS 以上、Oasis は 20 FPS です。
  • 記憶の弱点:WHAMM のコンテキストは約 0.9 秒しかなく、視野外の敵やオブジェクトは忘れられてしまいます。
  • ルールの弱点:HPやダメージ計算といった正確なルールは映像から近似的に生成されるため、誤りが生じやすいです。
  • エンジンの価値:物理演算、状態の永続化、マルチプレイ同期、デバッグツールが商用ゲームの土台を構成します。
  • 2つの路線:Saltline は AI がコードを書き、プログラムが実行する方式。世界モデルは AI がフレームごとに映像を生成する方式です。
  • 融合の方向性:エンジンが権威ある状態を管理し、モデルが環境・コンテンツ・NPC の行動を提案します。
  • 導入の進め方:まず検証可能な NPC 対話から着手し、APIYI apiyi.com の統一インターフェースを活用して複数モデルを比較できます。

8 まとめ:AI 世界モデル時代における従来のゲームエンジンの立ち位置

AI 世界モデルはすでにリアルタイムで操作可能なゲーム世界を生成できるようになりました。代表的な3つのモデルはフレームレートを 10〜24 FPS、解像度を 720p まで引き上げ、新しいゲームへ移行するために必要なデータも約1週間程度にまで減っています。一方で、WHAMM のオブジェクト忘却、HPの誤り、ステージのフリーズといった問題は、モデルが生成しているのがゲームの近似的な体験であり、ルール・状態・オンラインプレイは依然としてエンジンが支える必要があることを示しています。

今後数年の主軸となるのはハイブリッドアーキテクチャです。エンジンが決定性を守り、モデルがコンテンツの規模と多様性を拡張し、開発フェーズでは大規模言語モデルによるコード生成がプロトタイプ制作期間を継続的に圧縮していきます。開発チームにとって最も現実的な一歩は、AI を既存エンジンの中で検証可能な箇所に組み込み、実際の呼び出しデータで効果とコストを評価することです。APIYI apiyi.com での素早い検証をおすすめします。同プラットフォームでは複数モデルの統一インターフェースと、新規ユーザー向けの無料枠を提供しています。

📚 参考資料

  1. Google DeepMind – Genie 3 の技術発表:Genie 3 のフレームレート、解像度、一貫性、および制限
  2. リンク: deepmind.google/blog/genie-3-a-new-frontier-for-world-models
  3. 説明: Genie 3 の指標と、公式が認めている制限に関する一次情報

  4. Google – Project Genie 公式発表:Genie 3 をベースにした実験的な Web アプリ

  5. リンク: blog.google/innovation-and-ai/models-and-research/google-deepmind/project-genie
  6. 説明: 公開範囲と 60 秒の体験制限

  7. Microsoft Research – WHAMM によるリアルタイム世界モデリング:Quake II のリアルタイムデモと限界

  8. リンク: microsoft.com/en-us/research/articles/whamm-real-time-world-modelling-of-interactive-environments
  9. 説明: 0.9 秒のコンテキスト、オブジェクトの忘却などの失敗事例の出典

  10. Microsoft Research – Muse / WHAM プロジェクト:世界モデルと人間行動モデル

  11. リンク: microsoft.com/en-us/research/project/wham/wham
  12. 説明: Bleeding Edge の学習データ規模

  13. Decart – Oasis プロジェクトページ:オープンソースのリアルタイム対話型世界モデル

  14. リンク: oasis-model.github.io
  15. 説明: 500M パラメータ、20 FPS、アーキテクチャの詳細

  16. Epic Games – Physics in Unreal Engine:Chaos Physics 機能の概要

  17. リンク: dev.epicgames.com/documentation/unreal-engine
  18. 説明: 成熟したエンジンの物理システムが備える機能範囲

  19. Saltline のコードミラーと README:開発者自身によるデータ帰属の説明

  20. リンク: github.com/realcodebear/saltline-fable-5.2
  21. 説明: ファイルサイズと AI 生成コードのアプローチに関する参考情報

作者: APIYI 技術チーム
技術交流: APIYI(apiyi.com)のトップページからぜひお問い合わせください。AI をゲーム開発に組み込む実践的なノウハウについて情報交換しましょう

コメントする