谷歌在一篇博客文章中表示，当Genie 4渲染一个场景时，Gemini会监视传入的帧，解读用户的意图并将其分解为一系列步骤，然后检查每个步骤是否已发生。

其团队曾使用Argon进行实验，但实时体验目前运行在其更轻量级的主力模型Gemini 3.8 Flash上。