In einem am 30. Oktober 2026 veröffentlichten Interview beschrieb Alexandre Moufarek die SIMA-2-Forschung zu EVE Online als frühe Arbeit in Offline-Sandbox-Instanzen. Moufarek, Direktor des Inception Teams bei Google DeepMind, sagte, Google DeepMind und Fenris Creations betrieben die Forschung dort statt auf Live-Multiplayer-Servern. Der technische Bericht des SIMA-Teams liefert den Kontext dazu, wie der Agent virtuelle Spiele wahrnimmt, steuert und trainiert.
SIMA 2 erforscht EVE Online in Offline-Sandboxen
Moufarek zufolge befand sich die Arbeit an EVE Online in einer frühen Phase. Die Offline-Sandbox-Instanzen waren der Rahmen für diese Forschung; Live-Multiplayer-Server nannte er nicht als Einsatzort.
Bei der Vorstellung am 13. November 2025 bezeichnete Google DeepMind SIMA 2 als begrenzte Forschungsvorschau. Frühen Zugang erhielt damals eine kleine Gruppe aus Wissenschaft und Spieleentwicklung. Google DeepMind beschrieb die Vorschau in seiner Ankündigung.
Was SIMA 2 sieht und steuert
Der technische Bericht identifiziert Gemini Flash-Lite als Grundlage des feinabgestimmten SIMA-2-Agenten. SIMA 2 erhält regelmäßig RGB-Bilder mit einer Auflösung von 720p. Seine Steuerung umfasst 96 Standardtasten, Mausklicks und Mausbewegungen in festgelegten Schritten. Laut Bericht bekommt der Agent keine privilegierten Informationen über den internen Spielzustand. Der SIMA-Team-Bericht beschreibt Architektur und Schnittstelle.
Eine separate Konfiguration kann zusätzlich Gemini Pro einsetzen. Dieses Modell verarbeitet den jüngsten Videoverlauf langsamer und gibt SIMA 2 Anweisungen für übergeordnete Aufgaben. Genie 3 hat eine andere Rolle: Das Weltmodell erzeugt virtuelle Umgebungen, in denen SIMA 2 handelt. Googles verwandte Forschung an interaktiven Weltmodellen haben wir in unserer Einordnung zu Genie 4 behandelt.
Die Demonstration von Google DeepMind zeigt SIMA 2 in verschiedenen virtuellen 3D-Welten. Sichtbare Einblendungen begleiten seine Aktionen und erläutern, was der Agent als Nächstes vorhat.
Eine weitere Demonstration zeigt SIMA 2 in Space Engineers: Der Agent navigiert, bohrt Eis, öffnet das Inventar und baut Stein ab. Der Tech-Tree-Fortschrittstest im technischen Bericht fand dagegen in ASKA statt.
SIMA 2 verbessert sich über Trainingsiterationen
Das Training kombiniert menschliche Spieldaten mit von Gemini erzeugten Sprach-, Dialog- und Begründungsannotationen. Darauf folgen überwachtes Feinabstimmen und bestärkendes Lernen an Aufgaben, deren Erfolg sich überprüfen lässt.
Für weitere Trainingsschritte schlägt Gemini Aufgaben vor. Ein separates, auf Gemini basierendes Bewertungsmodell vergibt für Spielverläufe Punkte von 0 bis 100; ab 50 Punkten zählt eine Aufgabe in diesem Verfahren als erfolgreich. Die gesammelten Erfahrungen fließen in spätere Trainingsiterationen ein. Das beschreibt Lernen zwischen Trainingsrunden, keine unmittelbare fortlaufende Anpassung während einer gewöhnlichen Spielsitzung.
In einem ASKA-Versuch überschritt der Agent anfangs bei weniger als einem Viertel eines festen Aufgabensatzes die Erfolgsschwelle. Nach aufeinanderfolgenden Iterationen lag der gesamte Aufgabensatz über dieser Schwelle. In einem separaten Fortschrittstest baute der Agent innerhalb eines Zeitfensters von einer Stunde einen Unterschlupf.
Was die Tests zeigen und wo Grenzen bleiben
SIMA 2 bearbeitete Aufgaben in 26 von 50 Kategorien des Benchmarks MineDojo, der auf Minecraft-Aufgaben beruht und nicht zum Training verwendet worden war. Außerdem berichtet das Team, dass SIMA 2 in den ausgewerteten Trainingsumgebungen den durchschnittlichen Aufgabenerfolg von SIMA 1 effektiv verdoppelte. Beide Ergebnisse beziehen sich auf die jeweiligen Tests des Teams.
Der Bericht nennt weiterhin Schwierigkeiten mit sehr langen Aufgaben und der Überprüfung, ob ein Ziel erreicht wurde. Auch das kurze Interaktionsgedächtnis, präzise Tastatur- und Maussteuerung sowie das zuverlässige Erkennen komplexer Szenen bleiben Herausforderungen.
