Google-Forscher arbeiten an StreamVibe, einem Video-Agenten, der in Alltagssituationen wie Kochen oder Möbelaufbau das richtige Timing erkennen soll, um einzugreifen. Das Team hat einen umfangreichen Benchmark entwickelt, um diese Fähigkeit zu messen. Die Tests zeigen jedoch ein fundamentales Problem: Bei längeren Videos brechen alle getesteten Modelle regelrecht zusammen – sie erkennen den richtigen Zeitpunkt kaum noch, Fehler schaukeln sich auf, und die Antwortqualität stürzt ab. Das verdeutlicht eine wichtige Hürde auf dem Weg zu wirklich praktischen Video-Agenten.
