Genie 4 مقابل Hunyuan3D WorldClaw: فيديو لعالمٍ ما، أم ملفات الميش الخاصة بالعالم؟

إحدى هذه الأدوات تسلّمك ملف MP4، والأخرى تسلّمك رسمًا بيانيًا للمشهد. هذا هو جوهر المقارنة، وكل ما عداه يتبع منها. Genie 4، النموذج العالمي من Google DeepMind المعلن عنه في 27 أكتوبر 2026، يولّد عالمًا واقعيًا بصريًا ومسموعًا وقابلًا للتوجيه بالنص في الوقت الفعلي ويعرضه عليك كفيديو. أما Hunyuan3D WorldClaw، الذي نشرته فرقة Hunyuan3D التابعة لـ Tencent في أغسطس 2026، فينتج شبكات مجسمة صريحة ومكسوة بالنسيج وقابلة للتحرير كلٌّ على حدة، يمكنك فتحها في Unity أو Unreal والاحتفاظ بها. إذا كانت مهمتك تنتهي عند الموافقة على اللقطة، فإن Genie 4 هو الشيء الأكثر إبهارًا. وإذا كانت مهمتك تبدأ عند الموافقة على اللقطة، فإن WorldClaw هو الوحيد من بين الاثنين الذي يمنحك ما يمكن العمل به.

كلاهما ناتج بحثي وليس منتجًا، وكلاهما أصعب في الحصول عليه مما توحي به عروضهما التوضيحية. لكنهما يفشلان في اتجاهين مختلفين، ومعرفة أي إخفاق يمكنك التعايش معه هي القرار برمته.

اختبار المُخرَج

اسأل عمّا يبقى بعد الجلسة، وستصبح الفجوة ملموسة.

• المخرجات — يعيد Genie 4 إطارات فيديو مُولّدة مع صوت مُولّد متزامن؛ ويعيد Hunyuan3D WorldClaw شبكات ثلاثية الأبعاد مكسوة بالنسيج مع تضاريس ومواد وكائنات موضوعة.

• قابلية التحرير — يتم تحرير Genie 4 عبر إعطاء أوامر للمحاكاة أثناء تشغيلها؛ أما مخرجات WorldClaw فيتم تحريرها كهندسة، داخل أداة نمذجة، بواسطة إنسان أو برنامج نصي.

• الاستخدام في المراحل اللاحقة — يُستهلك ناتج Genie 4 كلقطات فيديو؛ بينما يُستهلك ناتج WorldClaw بواسطة محرك ألعاب أو مُصيّر أو محاكٍ فيزيائي.

• الحتمية — تشغيل Genie 4 ليس قابلاً لإعادة إنتاجه إطارًا بإطار؛ أما الشبكة فهي ملف يبقى مطابقًا.

• الصوت — ميزة أصلية في Genie 4؛ وليس جزءًا من مسار عمل WorldClaw.

• {{1}}الوصول{{/1}} — Genie 4 معاينة بحثية محدودة الوصول؛ WorldClaw ورقة بحثية مع مستودع لا يحتوي بعد على شيفرة قابلة للتشغيل.

هناك سبب أن نماذج الفيديو هي التي تنتشر بسرعة، بينما خطوط معالجة الميش هي التي تدخل الإنتاج. يمكن لأي شخص أن يفهم الفيديو في خمس ثوانٍ. أما الميش فلا يفهمه إلا شخص يعرف ما الذي سيفعله به — وهذا الشخص عادةً هو من يتحكم بالميزانية.

ما الذي تفعله مراحل WorldClaw الأربع فعليًا

WorldClaw ليست شبكة واحدة. بل هي خط أنابيب وكيلي يفكك عبارة «ابنِ لي عالمًا من هذه الجملة» إلى أربع مراحل، والتفكيك هو الإسهام.

المرحلة الأولى هي تحليل النية وتخطيط المشهد: يقوم وكلاء نماذج اللغة بتحليل الموجه المفتوح إلى مواصفات منظمة تغطي المناطق والتضاريس والكائنات والمواد والعلاقات المكانية. تولّد المرحلة الثانية التضاريس العالمية — خريطة تخطيط دلالية بالإضافة إلى حقل ارتفاع واعٍ بالمناطق، مع تعيين المواد والأصول لكل منطقة. تتولى المرحلة الثالثة توليد الكائنات المناطقية: تُجزّأ التراكيب ثنائية الأبعاد المشروطة بالتضاريس، وتُعاد كل نسخة إلى شبكة فردية ذات نسيج، وتُوضع تلك الشبكات على التضاريس. المرحلة الرابعة هي التحسين القائم على التصيير: يصيّر وكيل رؤية المشهد من وجهات نظر متعددة، ويفحص النتيجة بحثًا عن كائنات عائمة وتداخل وأخطاء في الحجم والوضعية، ويصلحها، ثم يعيد التصيير. يتم التجميع في Blender عبر Model Context Protocol.

تلك الحلقة الأخيرة هي الهندسة المثيرة للاهتمام. النموذج التوليدي الذي لا يستطيع رؤية مخرجاته هو آلة سلوت. أما خط المعالجة الذي يُصيّر ويفحص ويصحّح فهو عملية — وخطوة التصحيح هي مصدر معظم الجودة المدركة في مشهد كبير، لأن أنماط فشل الأصول ثلاثية الأبعاد الموضوعة هندسية وبالتالي قابلة للكشف، لا جمالية وبالتالي قابلة للجدال.

إعداد الورقة نفسه عبارة عن حزمة من نماذج طرف ثالث: Claude Opus 4.8 يقود الوكلاء، وGPT-Image-2 مع SAM3D للتجزئة، وHunyuan3D لإعادة البناء، وتعمل على أربع وحدات GPU من NVIDIA H20. يُفهم WorldClaw على أفضل وجه بوصفه طبقة تنسيق فوق مولدات موجودة لا بوصفه نموذجًا توليديًا جديدًا، وهو ما يشكّل قوته — فهو يتحسّن بتحسّن مكوناته — وهشاشته في آن واحد، لأن أي تغيير في سلوك أي مكوّن يغيّر مخرجات خط المعالجة.

لماذا يستحق Mesh أكثر من فيديو، ويكلّف أكثر؟

إن فيديو لعالم ما هو ادعاء بشأن ذلك العالم. أما الشبكة المضلعة فهي العالم نفسه، أو على الأقل ما يكفي منه لبدء البناء. ويظهر هذا الفرق في كل مهمة لاحقة: التصادم، والحجب، والإضاءة، والفيزياء، وتصميم المستويات، والعمل العادي المتمثل في نقل مبنى مترين إلى اليسار لأن خط الرؤية غير صحيح.

لا يمكن تنفيذ أي من هذه العمليات على مخرجات Genie 4. يمكنك تحفيز المحاكاة على التغيير، وستولّد مجموعة جديدة من الإطارات قد تحترم أو لا تحترم القيد الذي كان في ذهنك، ولن يستمر التغيير بعد نافذة الاتساق البالغة دقيقتين التي تذكرها DeepMind. النموذج لا يتظاهر بغير ذلك؛ فحالات الاستخدام المعلنة له هي التصور المسبق وبناء النماذج الأولية وتدريب الروبوتات، وكلها تستهلك العوالم بدلًا من أن تبني عليها.

تكلفة نهج WorldClaw واضحة بالقدر نفسه. أربع مراحل، ووكلاء متعددون، ومُصيّر خارجي، ورحلة ذهاب وإياب إلى Blender تعني استغراق دقائق إلى ساعات لكل عالم بدلًا من ثوانٍ، ويمكن أن تفشل خطوة المعالجة في أي مرحلة — إذ ينتقل خطأ التجزئة إلى كائن موضوع بشكل سيئ، وقد تصلحه مرحلة التحسين أو قد لا تفعل. أما أنماط فشل Genie 4 فهي أخف وطأة: التفصيل المنحرف مزعج، أما المبنى العائم فمعطوب.

التوافر على الجانبين أسوأ مما توحي به العروض التوضيحية

لا يُعد أيٌّ من النموذجين شيئًا يمكنك تبنّيه هذا الربع، والأسباب تختلف.

Genie 4 هو إصدار معاينة بحثية مخصص للمختبرين الموثوقين. وتقول Google إن مشتركي AI Ultra سيحصلون عليه عبر Project Genie، وإن شركاء الوصول المبكر سيصلون إليه عبر Gemini API وGoogle AI Studio "في الأسابيع المقبلة". وهناك قائمة انتظار، ولا يوجد سعر، ولا دقة أو معدل إطارات معلن، ولا شروط تجارية.

WorldClaw أبعد عن أن يكون قابلاً للاستخدام من ناحية محددة واحدة: المستودع على Tencent-Hunyuan/Hunyuan3D-WorldClaw يحتوي على README وملفات موارد، لا على شيفرة. وقد ظل طلب الحصول على الشيفرة دون رد. لا توجد أوزان، ولا API، ولا تسعير. الموجود هو الورقة البحثية والإعلان ومجموعة من العروض التوضيحية.

إذاً المقارنة بالنسبة لممارس في أواخر أكتوبر 2026 هي بين قائمة انتظار ومستودع لن يعمل. وهذا ليس انتقاصاً من أي من الفريقين — فالأوراق تسبق الإصدارات — لكنه يعني أن أي مقال يطلب منك "الاختيار" بينهما إنما يصف عملية شراء مستقبلية، لا راهنة.

ما الذي تخبرك به أقسام التقييم

تقيّم ورقة WorldClaw مخرجاتها عبر مقارنة نوعية جنبًا إلى جنب مع SynCity وWorldGen من Meta وMajutsuCity وMarble من World Labs. لا توجد درجات FID أو CLIP ولا دراسة مستخدمين. هذا قيد حقيقي وهو أيضًا صادق: فجودة المشاهد ثلاثية الأبعاد واسعة النطاق يصعب تقييمها فعليًا، وأي مقياس كمي يكافئ محورًا واحدًا سيشوّه المحاور الأخرى.

لم ينشر إطلاق Genie 4 أي معيار قياس على الإطلاق — لا مقارنة مع Genie 3 تتجاوز نافذة التماسك المضاعفة، ولا دقة، ولا معدل إطارات. ولم يقدّم أي من الطرفين رقمًا لطرف خارجي للتحقق منه. في فئة يعرض فيها كل بائع عروضًا منسّقة، فإن غياب القياس هو الشرط المشترك، وينبغي أن يخفف من أي حكم واثق تقرأه في أي مكان، بما في ذلك هنا.

حيث يتحول خط المعالجة نفسه إلى المنتج

الجزء من WorldClaw الذي يستحق السرقة ليس توليدَ المجسّمات ثلاثية الأبعاد — فذاك مجرد كومة من المكوّنات — بل النمط: خطّط باستخدام نموذج لغوي، وولّد باستخدام متخصصين، وتحقق باستخدام نموذج رؤية، وأصلح، وكرّر. هذا النمط يُعاد بناؤه الآن في كل استوديو يسعى إلى توليد عوالم قابلة للتحكم، وهو في جوهره تقريبًا مشكلة تنسيق.

وهنا يقع سؤال البنية التحتية. فخط أنابيب بهذا الشكل يُجري عشرات من استدعاءات النماذج لكل عالَم، عبر ثلاث وسائط على الأقل، ويؤدي فشل أي استدعاء واحد إلى تعطيل التشغيل. وتشغيله عبر نقطة نهاية واحدة مع تجاوز فشل تلقائي يعني أن المزوّد المتعطل يصبح إعادة محاولة بدلًا من مهمة ضائعة، كما تتيح لغة DSL للتوجيه تثبيت النموذج المكلف في مرحلة التخطيط ونموذج أرخص في تمريرات التحقق لكل كائن، وهي المكان الذي يستهلك معظم التوكنات. تلك هي الطبقة التي نبنيها — واجهة API واحدة عبر أكثر من 200 نموذج، مع تمرير أسعار قوائم المزوّدين بهامش ربح 0% — وهي محايدة للنموذج عمدًا، لأن المكوّنات ضمن خط أنابيب مثل خط WorldClaw ستُستبدل عدة مرات قبل أن يستقر خط الأنابيب نفسه.

أيهما تشاهد

إذا كنت تُنتج أفلامًا أو نماذج أولية أو بيئات تدريب وتحتاج إلى شيء ما هذا الربع، فتابِع إعلانات الوصول إلى Genie 4 وابنِ الأدوات المحيطة كنموذج أولي اعتمادًا على نموذج يمكنك استدعاؤه بالفعل. فالصوت والتوجيه اللغوي قدرتان لا يمتلكهما أي شيء آخر في هذه المقارنة، وحدّ الدقيقتين قيدٌ يمكنك التصميم مع مراعاته.

إذا كنت تصنع ألعابًا أو محاكيات أو أي شيء يُوزَّع كأصل، فإن شكل WorldClaw هو ما يهمك، مع أن شفرته البرمجية لم توجد بعد. لحظة أن تطلقه Tencent، سيكون خط إنتاج يُخرِج شبكات ثلاثية الأبعاد قابلة للتحرير إلى محرك ألعاب أقوى قيمةً من ألف فيديو جميل، لأن الفيديو نهاية العمل أما الشبكة فبدايته.