Genie 4 vs. Hunyuan3D WorldClaw: Ein Video einer Welt oder die Mesh-Dateien der Welt

Das eine liefert Ihnen eine MP4-Datei, das andere einen Szenengraph. Das ist der ganze Vergleich, und alles Weitere ergibt sich daraus. Genie 4, das am 27. Oktober 2026 angekündigte Weltmodell von Google DeepMind, erzeugt in Echtzeit eine fotorealistische, hörbare, per Text steuerbare Welt und zeigt sie Ihnen als Video. Hunyuan3D WorldClaw, im August 2026 vom Hunyuan3D-Team von Tencent veröffentlicht, erzeugt explizite, einzeln bearbeitbare, texturierte Meshes, die Sie in Unity oder Unreal öffnen und behalten können. Wenn Ihre Arbeit endet, sobald der Shot abgenommen ist, ist Genie 4 das beeindruckendere Objekt. Wenn Ihre Arbeit erst beginnt, wenn der Shot abgenommen ist, ist WorldClaw von den beiden das einzige, das Ihnen etwas gibt, womit Sie arbeiten können.

Beide sind eher Forschungsartefakte als Produkte, und beide sind schwerer zu bekommen, als ihre Demos nahelegen. Aber sie scheitern in unterschiedliche Richtungen, und zu wissen, mit welchem Scheitern man leben kann, ist die ganze Entscheidung.

Der Liefergegenstand-Test

Frag, was die Sitzung überdauert, und die Lücke wird konkret.

• Ausgabe — Genie 4 liefert generierte Videoframes mit synchronisiertem generiertem Audio; Hunyuan3D WorldClaw liefert texturierte 3D-Meshes mit Gelände, Materialien und platzierten Objekten.

• Editierbarkeit — Genie 4 wird bearbeitet, indem man die laufende Simulation per Prompt ansteuert; die Ausgabe von WorldClaw wird als Geometrie in einem Modellierungswerkzeug bearbeitet, von einem Menschen oder einem Skript.

• Nachgelagerte Nutzung — Die Ausgabe von Genie 4 wird als Footage verwendet; die Ausgabe von WorldClaw wird von einer Game-Engine, einem Renderer oder einem physikalischen Simulator verarbeitet.

• Determinismus — ein Genie 4-Lauf ist nicht Frame für Frame reproduzierbar; ein Mesh ist eine Datei, die identisch bleibt.

• Audio — nativ auf Genie 4; nicht Teil der Pipeline von WorldClaw.

• Zugang — Genie 4 ist eine zugangsbeschränkte Forschungsvorschau; WorldClaw ist ein Paper mit einem Repository, das noch keinen ausführbaren Code enthält.

Es gibt einen Grund, warum Videomodelle diejenigen sind, die viral gehen, und Mesh-Pipelines diejenigen, die in die Produktion gehen. Ein Video ist für jeden in fünf Sekunden verständlich. Ein Mesh ist nur für jemanden verständlich, der weiß, was er damit tun würde – und diese Person ist meistens diejenige, die das Budget verwaltet.

Was die vier Stufen von WorldClaw tatsächlich bewirken

WorldClaw ist kein einzelnes Netzwerk. Es ist eine agentische Pipeline, die „baue mir aus diesem Satz eine Welt“ in vier Stufen zerlegt, und die Zerlegung ist der Beitrag.

Die erste Phase ist die Absichtsanalyse und Szenenplanung: Sprachmodell-Agenten parsen den offenen Prompt in eine strukturierte Spezifikation, die Regionen, Gelände, Objekte, Materialien und räumliche Beziehungen abdeckt. Die zweite erzeugt globales Gelände – eine semantische Layoutkarte plus ein regionsbewusstes Höhenfeld, wobei Materialien und Assets pro Region zugewiesen werden. Die dritte übernimmt die regionale Objektgenerierung: geländekonditionierte zweidimensionale Komposite werden segmentiert, jede Instanz wird zu einem individuellen texturierten Mesh rekonstruiert und diese Meshes werden auf dem Gelände platziert. Die vierte ist die renderbasierte Verfeinerung: Ein Vision-Agent rendert die Szene aus mehreren Blickwinkeln, untersucht das Ergebnis auf schwebende Objekte, Durchdringungen sowie Skalierungs- und Posierungsfehler, behebt diese und rendert erneut. Die Assemblierung erfolgt in Blender über das Model Context Protocol.

Diese letzte Schleife ist das interessante Stück Ingenieursarbeit. Ein generatives Modell, das seine eigene Ausgabe nicht sehen kann, ist ein Spielautomat. Eine Pipeline, die rendert, inspiziert und korrigiert, ist ein Prozess – und der Korrekturschritt ist der Ursprung des Großteils der wahrgenommenen Qualität in einer großen Szene, denn die Fehlermodi platzierter 3D-Assets sind geometrisch und daher erkennbar statt ästhetisch und daher strittig.

Das Setup des Papers selbst ist ein Stapel von Drittanbieter-Modellen: Claude Opus 4.8 steuert die Agenten, GPT-Image-2 plus SAM3D übernimmt die Segmentierung, Hunyuan3D die Rekonstruktion, ausgeführt auf vier NVIDIA H20 GPUs. WorldClaw lässt sich am besten als Orchestrierungsschicht über bestehenden Generatoren verstehen, nicht als neues generatives Modell, was sowohl seine Stärke ist – es verbessert sich, wenn sich seine Komponenten verbessern – als auch seine Fragilität, da jede Verhaltensänderung einer Komponente die Ausgabe der Pipeline verändert.

Warum ein Mesh mehr wert ist als ein Video – und mehr kostet

Ein Video einer Welt ist eine Aussage über eine Welt. Ein Mesh ist die Welt – oder zumindest genug davon, um mit dem Bauen zu beginnen. Dieser Unterschied zeigt sich in jeder nachgelagerten Aufgabe: Kollision, Okklusion, Beleuchtung, Physik, Leveldesign und der alltäglichen Arbeit, ein Gebäude zwei Meter nach links zu verschieben, weil die Sichtlinie nicht stimmt.

Keine dieser Operationen ist bei der Ausgabe von Genie 4 möglich. Man kann die Simulation per Prompt dazu bringen, sich zu ändern, und sie erzeugt dann einen neuen Satz von Frames, der die beabsichtigte Einschränkung möglicherweise respektiert oder auch nicht, und die Änderung bleibt nicht über das von DeepMind angegebene Zweiminuten-Kohärenzfenster hinaus bestehen. Das Modell gibt nichts anderes vor; seine angegebenen Anwendungsfälle sind Previsualisierung, Prototyping und Robotertraining, die alle Welten verbrauchen, statt auf ihnen aufzubauen.

Die Kosten von WorldClaws Ansatz sind ebenso klar. Vier Stufen, mehrere Agenten, ein externer Renderer und ein Blender-Roundtrip bedeuten Minuten bis Stunden pro Welt statt Sekunden, und die Pipeline kann in jeder Stufe fehlschlagen – ein Segmentierungsfehler setzt sich in einem falsch platzierten Objekt fort, das die Verfeinerungsstufe beheben kann oder auch nicht. Die Fehlermodi von Genie 4 sind milder: Ein driftendes Detail ist ärgerlich, ein schwebendes Gebäude ist kaputt.

Die Verfügbarkeit auf beiden Seiten ist schlechter, als die Demos vermuten lassen

Keines der beiden Modelle lässt sich in diesem Quartal einführen, und die Gründe dafür sind unterschiedlich.

Genie 4 ist eine Forschungsvorschau für vertrauenswürdige Tester. Google sagt, dass AI-Ultra-Abonnenten es über Project Genie erhalten werden und dass Early-Access-Partner es „in den kommenden Wochen“ über die Gemini API und Google AI Studio erreichen werden. Es gibt eine Warteliste, keinen Preis, keine veröffentlichte Auflösung oder Bildrate und keine kommerziellen Bedingungen.

WorldClaw ist in einer bestimmten Hinsicht weiter von der Nutzbarkeit entfernt: Das Repository unter Tencent-Hunyuan/Hunyuan3D-WorldClaw enthält eine README und Assets, keinen Code. Eine Anfrage nach dem Code ist unbeantwortet geblieben. Es gibt keine Gewichte, keine API und keine Preisangaben. Was existiert, sind das Paper, die Ankündigung und eine Reihe von Demos.

Für einen Praktiker Ende Oktober 2026 steht also der Vergleich zwischen einer Warteliste und einem Repository, das nicht laufen wird, im Raum. Das ist kein Seitenhieb gegen eines der Teams – Veröffentlichungen kommen vor Releases –, aber es bedeutet, dass jeder Artikel, der Ihnen sagt, Sie müssten zwischen ihnen „wählen“, eine zukünftige Anschaffung beschreibt, nicht eine gegenwärtige.

Was die Bewertungsabschnitte Ihnen sagen

WorldClaws Paper bewertet seine Ergebnisse durch einen qualitativen Direktvergleich mit SynCity, Metas WorldGen, MajutsuCity und World Labs' Marble. Es gibt keine FID- oder CLIP-Werte und keine Nutzerstudie. Das ist eine echte Einschränkung und zugleich ehrlich: Die Qualität großflächiger 3D-Szenen lässt sich wirklich schwer bewerten, und eine quantitative Kennzahl, die eine Achse belohnte, würde die anderen verzerrt darstellen.

Genie 4 veröffentlichte überhaupt keinen Benchmark – keinen Vergleich mit Genie 3 außer dem verdoppelten Kohärenzfenster, keine Auflösung, keine Bildrate. Keine der beiden Seiten hat einem Außenstehenden eine Zahl gegeben, die er überprüfen könnte. In einer Kategorie, in der jeder Anbieter kuratierte Demos zeigt, ist das Fehlen von Messungen die gemeinsame Bedingung, und es sollte jedes selbstsichere Urteil dämpfen, das Sie irgendwo lesen, auch hier.

Wo die Pipeline selbst zum Produkt wird

Der Teil von WorldClaw, der es wert ist, gestohlen zu werden, ist nicht die 3D-Generierung – das ist ein Stapel von Komponenten –, sondern das Muster: mit einem Sprachmodell planen, mit Spezialisten generieren, mit einem Vision-Modell verifizieren, reparieren, wiederholen. Dieses Muster wird gerade in jedem Studio neu aufgebaut, das kontrollierbare Weltgenerierung will, und es ist fast ausschließlich ein Orchestrierungsproblem.

Damit landet man bei der Infrastrukturfrage. Eine Pipeline dieser Form führt pro Welt Dutzende Modellaufrufe über mindestens drei Modalitäten hinweg aus, und der Ausfall auch nur eines Aufrufs bringt den Lauf zum Stocken. Lässt man sie über einen einzigen Endpunkt mit automatischem Failover laufen, wird ein stockender Anbieter zu einem erneuten Versuch statt zu einem verlorenen Job, und mit einer Routing-DSL kann man das teure Modell fest der Planungsphase zuweisen und ein günstigeres den objektbezogenen Verifizierungsdurchläufen, wo die meisten Tokens verbraucht werden. Das ist die Ebene, die wir bauen – eine API für über 200 Modelle, bei der die Listenpreise der Anbieter mit 0 % Aufschlag weitergegeben werden – und sie ist bewusst modellagnostisch, denn die Komponenten unter einer Pipeline wie der von WorldClaw werden mehrmals ersetzt, bevor sich die Pipeline selbst stabilisiert.

Welchen man im Auge behalten sollte

Wenn Sie Filme, Prototypen oder Trainingsumgebungen erstellen und in diesem Quartal etwas benötigen, verfolgen Sie die Zugangsankündigungen von Genie 4 und prototypen Sie die umgebenden Tools gegen ein Modell, das Sie bereits aufrufen können. Die Audiofunktion und die Sprachsteuerung sind Fähigkeiten, die nichts anderes in diesem Vergleich bietet, und die Zwei-Minuten-Obergrenze ist eine Einschränkung, um die herum Sie designen können.

Wenn du Spiele, Simulationen oder irgendetwas entwickelst, das als Asset ausgeliefert wird, ist WorldClaws Form diejenige, auf die es für dich ankommt – auch wenn sein Code noch nicht existiert. Sobald Tencent es veröffentlicht, ist eine Pipeline, die bearbeitbare Meshes in eine Game-Engine ausgibt, mehr wert als tausend schöne Videos, denn das Video ist das Ende der Arbeit und das Mesh ihr Anfang.