Genie 4 مقابل Agora 2: عالمٌ واحد بمدير، أم عشرون شخصًا في الغرفة نفسها

«حتى 20 مشاركًا» هو الرقم الذي استخدمته Odyssey لإطلاق Agora 2 في 21 سبتمبر 2026، وهو يتفكك إلى ما هو أكثر تشويقًا مما يبدو: أربعة متحكمين بشريين وستة عشر وكيلًا مستقلًا، يتشاركون جميعًا عالمًا واحدًا مستمرًا. أما Genie 4، الذي أعلنت عنه Google DeepMind بعد خمسة أسابيع في 27 أكتوبر 2026، فيراهن على العكس تقريبًا. فهو يمنح مستخدمًا واحدًا عالمًا بالغ الإقناع بصوت أصلي وتوجيه باللغة الطبيعية، ولا يسمح لشخص ثانٍ بالدخول إليه. هاتان ليستا نسختين من المنتج نفسه بمستويين مختلفين من الجودة، بل برنامجان بحثيان صادف أنهما يتشاركان اسمًا واحدًا.

الأسئلة الثلاثة التي تفصل بينهما هي: مَن سواهما في العالم، وهل يوجد العالم عندما لا ينظر إليه أحد، وهل يصدر صوتًا. يجيب Genie 4 عن السؤال الثالث أفضل من أي شيء أُطلق قبله، ولا يجيب عن الأولين إطلاقًا. ويجيب Agora 2 عن الأولين، وليس لديه تقريبًا ما يقوله عن الثالث.

عشرون في الحقيقة أربعة زائد ستة عشر

عنوان Odyssey الرئيسي هو ادعاء بتعدد اللاعبين، ومن الجدير أن نكون دقيقين بشأن ما هو متصل فعليًا. أربعة بشر يقودون شخصيات في الوقت الفعلي. وهناك ستة عشر كيانًا إضافيًا عبارة عن سياسات مدرَّبة بالتعلّم المعزّز — سلوكيات الوحوش والرفاق — تعمل داخل العالم نفسه. لذا فالوصف الصادق هو لعبة لأربعة لاعبين يعمرها وكلاء متعلّمون، وهو ما يعادل خمسة أضعاف عدد المشاركين في Agora 1 وبنية مختلفة على نحو ذي دلالة عن عرض توليدي للاعب واحد.

البيئات متعددة وليست واحدة، والسلوك يصمد على آفاق زمنية أطول، وبيانات التدريب عبارة عن تسجيلات لـ Diablo II — لعبة أكشن وتقمص أدوار آيزومترية من عام 2000. وهذه التفصيلة الأخيرة ليست مجرد طُرفة. إنها تخبرك بأن الفريق اختار عمدًا لعبة ذات قواعد كاميرا ثابتة وتفاعل كثيف بين الكيانات بدلًا من عالم مفتوح واقعي بصريًا، لأن هذا هو السياق الذي تكون فيه الحالة المشتركة قابلة للاختبار، والذي يكون فيه المستوى البصري المطلوب قابلًا للتحقيق.

لماذا تُعد الحالة خارج الشاشة الجزء الصعب

تعمل معظم نماذج العالم، بما فيها Genie 4، مثل مولّد فيديو بالغ التطور. يوجد المشهد على هيئة إطارات، وأي شيء لا تكون الكاميرا موجهة إليه حالياً يجب إعادة توليده عندما تعود الكاميرا إليه — ولهذا يتدهور ثبات الأشياء، ولهذا تحذر مواد الإطلاق الخاصة بـ Google نفسها من أن التفاصيل والأشياء تنجرف كلما طالت مدة تشغيل المحاكاة وزاد تعقيد تعديلات الموجّه.

تحل Agora 2 هذه المشكلة بأنها ليست مولّد فيديو في جوهرها. فهي تشغّل حالة عالمٍ مرجعية على جانب الخادم تظل قائمة بشكل مستقل عن أي وجهة نظر، مع نموذج محاكاة مُتعلَّم يتولى الحركة، ومكدس عرض منفصل يرسم ما يراه كل عميل. وتظل الكيانات موجودة حتى عندما لا ينظر إليها أحد. ولهذا يمكن لعشرين مشاركًا أن يكونوا متسقين في الوقت نفسه: فهم لا يطلب كلٌّ منهم من مولّد أن يتخيّل الآخرين، بل يقرؤون من حقيقة واحدة مشتركة.

الهندسة صغيرة عمدًا في الجزء الذي يجب أن يكون مشتركًا. ويُذكر أن نموذج المحاكاة يبلغ نحو 4.46 مليون معلمة، وأربع طبقات، وعرض 256، مع أربعة عشر فرعًا للحركة ورأس اتجاه منفصل. أما المُصيّر فهو الشبكة الكبيرة — محوّل مطابقة تدفق بنحو مليار معلمة، وستة عشر بلوكًا بعرض 2,048، خمسة منها تحمل انتباهًا زمنيًا سببيًا. وببساطة: اجعل القواعد رخيصة ومتطابقة للجميع، وأنفق الحوسبة على ما يراه كل لاعب.

تكمن ميزة Genie 4 في الجزء الذي تسمعه

وبالمقابل، تبدو مساهمات Genie 4 ضيقة، لكنها ليست كذلك. الصوت الأصلي — مشاهد صوتية محيطة، وموسيقى، وحوار منطوق مع شخصيات تستجيب في المشهد — هو شيء لا يقدّمه أي نموذج عالم آخر في هذه المقارنة على الإطلاق. لا يتضمّن التقرير الفني لـ Odyssey أي ادعاء صوتي. ولا كذلك ABot-Earth أو WorldClaw أو HY-Nomas.

هذا يهم في المحاكاة أكثر مما يهم في الترفيه. فبيئة تدريب لوكيل مُجسَّد لا يستطيع إنتاج الصوت تفتقد نمط إدخال كاملًا؛ وأداة تصوّر مسبق بلا صوت تترك قسم الصوت يعمل من الصفر وفق توقيت شخص آخر. كما يُوجَّه Genie 4 باللغة الطبيعية أثناء المحاكاة، وهو ما لا يفعله Agora 2 — فعالم Odyssey تحكمه آليات اللعبة ومدخلات اللاعب، لا موجه يغيّر الطقس.

ما لا يستطيع Genie 4 فعله هو قبول وحدة تحكم ثانية. فلا توجد حالة مشتركة، ولا خادم مرجعي، ولا أي تصور لمشارك آخر. اطلب منه تشغيل أربعة لاعبين، وستحصل على أربعة عوالم مستقلة تشترك صدفةً في موجه واحد.

640×480 خيارٌ في التصميم، لا تقريرُ خلل

تُصيّر Agora 2 بدقة 640×480، وقد لاحظ المراجعون ظهور ضبابية أحيانًا على الأجسام. كان من السهل إدراج ذلك كعيبٍ مقارنةً بالواقعية الفوتوغرافية التي تدّعيها Genie 4 — إلا أن Genie 4 لم تنشر أي دقة على الإطلاق.

هذا التفاوت يستحق التوقف عنده. فقد أطلقت إحدى الفرق عالَمًا منخفض الدقة ونشرت قسم القيود الخاص به، معترفةً بأن معدل الإطارات المستمر، وزمن التأخير من الإدخال إلى العرض، والجودة البصرية على المدى الطويل، والاتساق بين وجهات النظر، والالتزام بالإجراءات لم تُقيَّم كميًّا. أما الفريق الآخر فقد أطلق ادعاءً بالواقعية الفوتوغرافية، ونافذة تماسك مدتها دقيقتان، ولا أرقام. وعندما يكون أحد الجانبين قابلًا للقياس والآخر غير قابل له، يبدو الجانب القابل للقياس عادةً أسوأ، ويكون عادةً أكثر فائدة.

رهانتان مختلفتان بشأن الغرض الذي تُستخدم من أجله نماذج العالم

تراهن Odyssey على أن المشكلات المثيرة للاهتمام اجتماعية ومتعددة الوكلاء. وإطارهم صريح: فالعالم المحاكى المشترك مكان أكثر أمانًا لدراسة كيفية تصرف العديد من الوكلاء معًا مقارنة بالعالم الحقيقي. وقد استشهدت الشركة بحادثة أبلغت عنها METR، نظّم فيها نحو 1,200 وكيل أنفسهم ذاتيًا، بوصفها دافعًا. وبموجب هذه الأطروحة، فإن الدقة وسيلة وعدد المشاركين هو المقصد، لأن الظواهر التي تريد ملاحظتها — التواطؤ والتنسيق وتقسيم الأدوار الناشئ — لا تظهر إلا على نطاق واسع.

تراهن Google على أن المشكلات المثيرة للاهتمام إدراكية وتوجيهية. وبموجب هذه الفرضية، فإن مخرجًا واحدًا يملك عالمًا واقعيًا بصريًا ومسموعًا وقابلًا للتوجيه هو الأداة المفيدة، سواء كان المخرج صانع أفلام يجهّز لقطة أم فريق روبوتات يتدرّب على مهمة. ويتوافق العرض الأكثر دلالة من Genie 4 مع هذا تمامًا: فقد فكّك Gemini 4 Argon مهامًا حاكاها Genie 4 في الوقت الفعلي لروبوت بشري Apollo من Apptronik. وكيل واحد، عالم واحد، لا حشد.

يمكن أن يكون كلا الرهانين صحيحًا. غير أنه لا يمكن لنموذج واحد أن يخدمهما، ولهذا يفشل تأطير «أيّهما أفضل».

مشروع قانون الخدمة الذي لا يضعه أحد في العنوان الرئيسي

يُقال إن Agora 2 يستخدم نحو أربع وحدات معالجة رسومات RTX PRO 4500 لخدمة جلسة لأربعة لاعبين، مع التدريب وتقديم الخدمة على AWS Trainium. هذا رقم حقيقي، وهو من النوع الذي يحدد ما إذا كانت المعاينة البحثية يمكن أن تصبح منتجًا. وجود عشرين مشاركًا في عالم واحد رخيص من ناحية اللاعبين ومكلف من ناحية السيليكون، لأن الحالة المشتركة تعني أن الخادم يجب أن يكون الجهة المرجعية للجميع في الوقت نفسه.

لم تكشف Genie 4 عن أي تكلفة لتقديم الخدمة. فهي معاينة بحثية للمختبرين الموثوقين، يليهم مشتركو Google AI Ultra وشركاء الوصول المبكر إلى Gemini API. لا أحد خارج مجموعة المختبرين يعرف كم تبلغ تكلفة إنتاج دقيقة من عالم مُولَّد، ما يعني أنه لا يمكن لأحد بعد الجزم بما إذا كان العرض التوضيحي المبهر سيصمد أمام قائمة أسعار.

ما الذي يشكّل كل واحد منها دليلًا عليه في الواقع

Agora 2 دليل على أن نموذج العالم يمكن أن يكون أساسًا للبحوث متعددة الوكلاء بدلًا من مجرد حيلة عرض. إذا كان سؤالك هو "ماذا يحدث عندما يتشارك العديد من الوكلاء بيئة واحدة"، فهو الوحيد من بين الاثنين الذي يمتلك بيئة يمكن مشاركتها، وكونه قابلًا للعب في المتصفح على agora.odyssey.ml يجعله سهل الوصول بشكل غير معتاد لمعاينة بحثية.

Genie 4 دليل على أن السقف الإدراكي قد تحرّك. إذا كان سؤالك هو "هل يمكن لعالم مُولَّد أن يكون مقنعًا بما يكفي للتخطيط على أساسه؟"، فهو في المقدمة، والصوت هو السبب — فهذه أول مرة ينتج فيها نموذج عالم مشهدًا يمكنك أن تسلّمه لشخص دون أن تعتذر عن الصمت.

بالنسبة للفرق التي تبني بنية تحتية للوكلاء بدلًا من عوالم، فإن الدرس العملي من Agora 2 هو أن كلفة التنسيق هي الغالبة. عشرون وكيلًا في عالم واحد يمثّل مشكلة توجيه قبل أن يكون مشكلة رسوميات: أي نموذج يتولى سياسة أي وكيل، وما يحدث عندما تتعطل نقطة نهاية واحدة، وكيف تُبقي استدعاءات التحقق الرخيصة رخيصة. تلك هي الطبقة التي نعمل عليها — واجهة API واحدة عبر أكثر من 200 نموذج مع تجاوز فشل تلقائي، حتى لا يموت تشغيل متعدد الوكلاء لأن أحد المزوّدين مرّ بدقيقة سيئة — وهي الطبقة التي تبقى ثابتة أيًّا كان نموذج العالم الذي ستوحّد عليه في النهاية.

السؤال الجدير بالطرح في أكتوبر 2026 ليس أيّ هذين أفضل، بل ما إذا كان نموذج العالم الذي تحتاجه مكانًا يستطيع وكلاء آخرون الوقوف فيه، أم لقطة يمكنك إخراجها. أوديسي بنت الأول، وجوجل بنت الثاني، وجعلته الأجمل مظهرًا مما عرضه أي أحد.