{{1}}Genie 4{{/1}} مقابل {{2}}CARI4D{{/2}}: أحدهما يخلق عالماً، والآخر يحل فيديو

الشيء الوحيد الذي Genie 4 وCARI4D يشتركان فيه بشكل موثوق هو التسمية. أعلنت Google DeepMind في 27 أكتوبر 2026 عن Genie 4، وهو نموذج عالم توليدي: تصف مشهدًا، وتوجّهه باللغة الطبيعية، فينتج فيديو بصوت متزامن لمدة دقيقتين تقريبًا. أما CARI4D، طريقة إعادة البناء من NVIDIA Research المقدمة في CVPR 2026، فتسير في الاتجاه المعاكس. تأخذ فيديو أحادي العين لشخص يتعامل مع جسم، وتُعيد وضعية ذلك الشخص، ومسار الجسم بست درجات حرية، ودرجتي تقييم لاتصال اليدين في كل إطار. أحد النموذجين يبتكر عالمًا معقولًا. والآخر يقيس عالمًا حقيقيًا. ضعهما على الصفحة نفسها، فيتوقف السؤال المفيد عن كونه «أيهما أفضل» ويصبح «في أي اتجاه تواجه مشكلتي».

الالتباس مفهوم، لأن كلا المنتجين يُصنَّفان تحت "4D" وينتجان شيئًا يتحرك عبر الزمن. لكن المُولِّد وطريقة إعادة البناء ليسا تطبيقين متنافسين للمهمة نفسها؛ فهما يفشلان على نحو متعاكس، ويشتريهما أشخاص مختلفون. يستطيع Genie 4 ابتكار شارع مقنع لم يوجد قط، لكنه لا يستطيع أن يخبرك أين يوجد أي شيء فيه فعليًا. ويستطيع CARI4D أن يخبرك، بدقة الإطار، كيف أطبقت يد على إبريق، لكنه لا يستطيع ابتكار إبريق لم يره. أدناه، يفصل بين النموذجين ما يستقبلانه، وما يعيدانه، وما لا يستطيع كل منهما فعله بنيويًا.

ما يُرجعه Genie 4: جلسة، لا ملف مشهد.

أول ما ينبغي فهمه عن Genie 4 هو أن مخرجاته تُستهلك في الوقت الفعلي ولا تبقى بعد انتهاء الجلسة على هيئة هندسة. وتصفه Google نفسها بأنه عالم تُحرّكه وتوجّهه: حرّك الكاميرا، وغيّر الطقس، وأضف شخصية، فيتكيّف نموذج Gemini مع التعليمات بناءً على ما هو معروض على الشاشة بالفعل. وتُولّد الإطارات بطريقة انحدارية ذاتية، ولهذا يُقاس الاتساق بالثواني والدقائق لا بتعقيد المشهد.

الإضافات على Genie 3 هي ما التقطته كل العناوين. فالصوت يُولّد أصليًا — الأصوات المحيطة والموسيقى والحوار التفاعلي — بدلًا من إضافته لاحقًا. والتوجيه يتم مباشرةً بدلًا من أن يكون أمرًا يعيد تشغيل العالم. ويُذكر أن نافذة التماسك تبلغ نحو دقيقتين، أي ضعف سابقتها، رغم أن مدونة Google تقول فقط "جلسات قصيرة"، فيما يأتي رقم الدقيقتين من إحاطات الإطلاق.

ما هو غائب لا يقل أهمية. فلا يوجد تصدير شبكة، ولا مخطط مشهد، ولا مسار كاميرا، ولا مخزن عمق، ولا أي طريقة لنقل العالم المُولَّد إلى Blender أو Unity أو Unreal. والاستوديو الذي يريد عمل تخطيط أولي للقطة يمكنه مشاهدة Genie 4 يفعل ذلك، لكنه لا يستطيع تسليم النتيجة إلى خط إنتاج. ولا توجد أيضًا دقة منشورة، ولا معدل إطارات، ولا حجم نموذج، ولا معيار أداء، ولا سعر، والوصول محدود لمجموعة من المختبِرين الموثوقين مع قائمة انتظار عامة — إذ وُعد مشتركو AI Ultra عبر Project Genie وشركاء الوصول المبكر إلى Gemini API بـ«قريبًا»، من دون موعد.

تسمّي Google أنماط الفشل، وهذا أكثر مما تفعله معظم منشورات الإطلاق: تتبدّل التفاصيل وثبات الأشياء على مدى الجلسات الأطول وبعد التعديلات المتكررة، والدقة المكانية ليست مثالية، والنص داخل العالم غير مقروء في كثير من الأحيان، ودقة الصوت لم تُحل بعد. وكل المخرجات تحمل علامة مائية من SynthID. وبالنسبة لأداة تصور مسبق، يمكن تحمّل هذه التحفظات. أما أي شيء يحتاج إلى قياس، فهي غير مؤهلة.

ما يُرجعه CARI4D: الأوضاع والمسارات والتماس

CARI4D عبارة عن خط معالجة، وليس شبكة واحدة، ومخرجاته محدودة بشكل متعمد. عند إدخال فيديو RGB أحادي العين، فإنه يعيد بناء الإنسان باستخدام نموذج جسم بارامتري، ويعيد بناء الشبكة المضلعة للكائن الذي يتم التعامل معه من الإطار الأول، ويضع كليهما على مقياس متري، ويتتبعهما عبر التسلسل. المكوّن المتعلّم الذي يقوم بالتصحيح هو CoCoNet، وهو محوّل عرض ومقارنة يأخذ التقدير الحالي، ويعرضه في صورة RGB وعمق وأقنعة، ويتنبأ انحدارياً بتصحيحات الوضع لكل إطار بالإضافة إلى لوجِت تماس واحد لكل يد.

الاعتماديات صريحة في المستودع: UniDepth للعمق المتري، وNLF لوضعية الإنسان، وHunyuan3D لشبكة المجسم، وFoundationPose للبحث عن الوضعية وتتبّعها، وCoCoNet لمرحلة التصحيح. وهذا مهم عند تخطيط ميزانية النشر، لأن كلًا من هذه الاعتماديات نقطة تحقق منفصلة لها ترخيصها الخاص ومواصفاتها الخاصة بالعتاد.

يُتاح CARI4D في شكلين. نقطة التفتيش البحثية، nvidia/CARI4D، مصنّفة للبحث والتطوير فقط، وتُحيل إلى arXiv 2512.11988، المنشور في 12 ديسمبر 2025. وهناك نسخة تجارية، cari4d_commercial، تغطي Momentum Human Rig من NVIDIA وتخضع لـ NVIDIA Open Model Agreement. لا يتم نشر أيٍّ منهما بواسطة أي مزوّد استدلال على Hugging Face، لذا فإن «متاح» تعني الأوزان بالإضافة إلى إعداد Docker بالإضافة إلى وحدة GPU من NVIDIA، وليس نقطة نهاية. لا يوجد صف في لوحة الصدارة العامة ولا إعادة إنتاج مستقلة؛ الأدلة الرقمية هي دراسات الاستئصال الخاصة بورقة CVPR نفسها على BEHAVE، وهي بحث من إنتاج المورّد.

المقارنة، بُعدًا بُعدًا

• المُدخل — يتلقّى Genie 4 وصفًا نصيًا مع تعليمات توجيه مباشرة؛ بينما يتلقّى CARI4D فيديو RGB أحادي العين موجودًا بالفعل.

• المخرجات — يُرجع Genie 4 فيديو وصوتًا مولّدين، يتم بثهما ضمن جلسة؛ ويُرجع CARI4D وضعية وشكل الإنسان لكل إطار، ودوران الكائن وانتقاله، ولوغيتات تلامس اليد.

• الاستناد إلى الواقع — Genie 4 معقول لكنه غير مستند إلى الواقع؛ لا شيء في المخرجات يقابل إحداثيًا مقاسًا. CARI4D متري، ويستعيد المقياس عبر تقدير العمق والبحث عن الوضعية مقابل الإطارات المرصودة.

• الاستمرارية — ينتهي عالم Genie 4 بانتهاء الجلسة ولا يمكن تصديره. أما مخرجات CARI4D فهي بنية بيانات يمكنك تخزينها وإعادة عرضها ومقارنتها.

• الصوت — يولّده Genie 4، بما في ذلك الحوار؛ أما CARI4D فلا يملك أي صوت ولا يحاكيه.

• الوصول — Genie 4 متاح بالدعوة فقط وبدون سعر؛ CARI4D عبارة عن أوزان قابلة للتنزيل بترخيص بحثي ونسخة تجارية تحت اتفاقية NVIDIA.

• الأدلة — يمتلك Genie 4 عروضًا توضيحية وادعاءات من المورّد، دون أي معيار قياس منشور؛ بينما لدى CARI4D ورقة بحثية محكّمة، ودراسات استئصال أجراها المورّد، دون إعادة إنتاج من طرف ثالث.

التداخل الموجود، والتداخل غير الموجود

التكوين المُغري هو استخدام CARI4D لإعادة بناء تفاعل حقيقي، ثم استخدام Genie 4 لتخيّل تنويعات عليه. على الورق يبدو الانتقال بينهما طبيعيًا: يُنتج CARI4D مشهدًا لإنسان وجسم مبنيًا على قياسات دقيقة، ويُنتج Genie 4 نتائج بديلة. لكن عمليًا لا توجد واجهة بينهما. يقبل Genie 4 نصًا ومدخلات توجيه، لا مشهدًا مُعاد بناؤه أو شبكة أو مسار وضعية. ولا يصف أي شيء نشره أي من الفريقين تغذية أحدهما بالآخر، وكون كلا المخرجين يبدوان ثلاثيَي الأبعاد في لقطة شاشة لا يجعلهما صيغتين متوافقتين.

التداخل القائم فعلاً أضيق وأكثر فائدة: فكلاهما أدوات للاستدلال بشأن ما سيحدث لاحقاً في مشهد مادي. يمنحك CARI4D الديناميكيات المرصودة — التلامس، والقبض، والمسار — وهي بالضبط نوع الإشارة التي تحتاجها منظومة تعلّم الروبوتات لوضع علامات على العروض التوضيحية. ويمنحك Genie 4 الحالات المضادة للواقع، وهي ما تحتاج إليه سياسة ما كي تتدرّب على مواقف لم تسجّلها. من المعقول أن يستخدم مختبرٌ يبني بيانات مجسّمة كلا النموذجين، على جانبي مجموعة البيانات نفسها، دون أن يتحدث أي من النموذجين إلى الآخر أبداً.

أنماط الفشل هي أيضًا صور متطابقة معكوسة. يستطيع Genie 4 أن يعرض جسمًا خاطئًا بشكل جميل ثم ينحرف عنه على مدى دقيقتين. وتستطيع CARI4D أن تتبع جسمًا سيئ الشكل بدقة عبر فيديو كامل، ومع ذلك تقدم لك شبكة رديئة، لأن مقاييسها تتعلق بالوضعية والتلامس بدلًا من دقة السطح. ولا يعالج أي من النموذجين ضعف الآخر.

ما يمكنك تشغيله فعليًا هذا الأسبوع

CARI4D هو الخيار الذي يملك مسارًا نحو التنفيذ. الأوزان متاحة للعموم، وصورة Docker موجودة، وبطاقة GPU من فئة A100 هي الهدف الموثّق. لا يزال خط أنابيب بحثيًا يتطلب قراءة ورقة علمية وتجميع عدة نقاط تحقق خارجية، لكن فريقًا يملك العتاد يمكنه تشغيله هذا الأسبوع. Genie 4 هو الخيار الذي عليه قائمة انتظار.

يجدر بنا أن نكون صريحين بشأن كتالوجنا الخاص: OrcaRouter لا تستضيف أيًّا من النموذجين. CARI4D عبارة عن خط أنابيب إعادة بناء بحثي لا تتوفر له أي نقطة نهاية مستضافة في أي مكان، وGenie 4 ليس لديه واجهة برمجة تطبيقات عامة يمكن توجيه الطلبات إليها. ما نوجّهه فعلاً هو جزء من طبقة الاستدلال التي بنتها Google حول Genie 4 — Gemini 3.8 Flash، النموذج الذي يراقب الإطارات المولّدة ويعيد التخطيط، وGemini Robotics ER 1.6 preview — على واجهة برمجة تطبيقات واحدة تشمل أكثر من 200 نموذج، مع تمرير أسعار قوائم المزوّدين دون أي هامش ربح (0%) والتحويل التلقائي عند الفشل بين المزوّدين. إذا كانت مهمتك الفعلية هي طرح أسئلة حول مقطع فيديو بدلاً من إعادة بنائه أو توليده، فإن النموذج المتعدد الوسائط المستضاف هو الإجابة الأقل تكلفة، وهو لا يتطلب دعوة.

أما بالنسبة إلى كل الآخرين، فإن القرار يتلخص في جملة واحدة لكل منهم. إذا كان الفيديو موجودًا بالفعل وتحتاج إلى معرفة ما فعله الشخص والجسم، فإن CARI4D هو الوحيد من بين الاثنين الذي يجيب عن السؤال. وإذا كان العالم لم يوجد بعد وتحتاج إلى رؤيته يتحرك، فإن Genie 4 هو الوحيد الذي سيعرضه لك — بمجرد أن يسمح لك أحدهم بالدخول.