Genie 4 vs. ABot-Earth 0.7: uno simula un lugar, el otro reconstruye uno real

Pon las dos solicitudes una al lado de la otra y la diferencia es inmediata. Pídele a Genie 4 una calle lluviosa al atardecer y obtendrás una calle que nunca ha existido, renderizada como píxeles, dirigible mediante texto, que se mantiene coherente durante unos dos minutos. Pídele a ABot-Earth 0.7 la misma calle y preguntará cuál calle —o tomará una imagen satelital de una— y luego reconstruirá esa ubicación específica como geometría 3D explorable en unos diez minutos en una sola tarjeta gráfica de consumo. A ambos se les llama modelos del mundo y responden a preguntas distintas: cómo podría verse un lugar, frente a cómo se ve este lugar.

Esa distinción decide casi todas las comparaciones prácticas entre ambos. Genie 4, anunciado por Google DeepMind el 27 de octubre de 2026, es un simulador generativo de escenas que no existen. ABot-Earth 0.7, lanzado por Amap —la división de cartografía y navegación de Alibaba— el 10 de septiembre de 2026, es un motor de reconstrucción de ciudades que sí existen. Ninguno hace redundante al otro, y elegir mal te costará meses.

Las dos peticiones, expresadas claramente

Genie 4 toma un prompt o un fotograma inicial junto con entrada de teclado y cámara, y genera un mundo similar a un vídeo en tiempo real. Lo diriges con lenguaje durante la simulación: cambia el clima, mueve la cámara, introduce un personaje. Genera audio de forma nativa —sonido ambiental, música y diálogo con personajes que responden en la escena— y se mantiene coherente durante aproximadamente dos minutos antes de que los detalles se desvíen. Es una vista previa de investigación para probadores de confianza, y próximamente para suscriptores de Google AI Ultra y socios de acceso anticipado a la Gemini API.

ABot-Earth 0.7 toma una imagen satelital georreferenciada o una descripción textual de una ubicación y genera una escena de splatting gaussiano 3D de esa ciudad —calles, edificios, terreno— que luego puedes explorar. Amap lo posiciona como el primer modelo de mundo urbano nativo en 3D, capaz de generar de forma continua desde la escala planetaria hasta el nivel de calle, en 196 países y regiones. Se incluye dentro de los propios productos de consumo de Amap: Flying Street View 2.0, Navigation Live y una función de navegación que la empresa denomina Avoid-Pitfall Guide.

Vuelve a leer esos dos párrafos y fíjate en lo que falta en cada uno. La salida de Genie no tiene geografía, ni coordenadas, ni garantía de que el edificio de la izquierda sea el edificio que realmente está ahí. La salida de ABot-Earth no tiene narrativa, ni personajes, ni sonido, ni capacidad de convertirse en un lugar que no sea ya un lugar.

Píxeles que ves, geometría que recorres.

El formato de salida es la diferencia técnica más profunda y la que con mayor probabilidad determinará su respuesta.

• Salida — Genie 4 produce fotogramas de vídeo generados con audio generado sincronizado; ABot-Earth 0.7 produce splats gaussianos 3D, una representación explícita de la escena.

• Capacidad de dirección — Genie 4 se controla mediante lenguaje natural en tiempo de ejecución; ABot-Earth 0.7 se controla mediante la elección de ubicación en el momento de la generación.

• Verdad geográfica — Genie 4 no tiene ninguna por diseño; ABot-Earth 0.7 está anclado a una coordenada real.

• Audio — nativo y generativo en Genie 4; no es una función de ABot-Earth 0.7.

• Tiempo hasta obtener una escena utilizable: segundos de generación en Genie 4, aproximadamente diez minutos por kilómetro cuadrado en ABot-Earth 0.7.

• Límite de coherencia: unos dos minutos de simulación sin deriva en Genie 4; una reconstrucción estática que no expira.

Los splats gaussianos son importantes aquí por una razón que no tiene nada que ver con la calidad visual. Un splat es una escena por la que puedes mover una cámara sin que el modelo tenga que inventar las partes que no miraste, porque fueron capturadas, no imaginadas. Genie 4 tiene la propiedad opuesta: todo lo que está fuera de cámara se genera bajo demanda, y Google admite que la permanencia de los objetos se desvía, lo que significa que la habitación de la que saliste puede no ser la habitación a la que vuelvas.

La afirmación de Scale, traducida

Las cifras de Amap son grandes y están reportadas por el proveedor, y deben interpretarse como tales. La empresa afirma que un kilómetro cuadrado de ciudad tarda unos diez minutos en una GPU de consumo, que esto es hasta 1.000 veces más rápido que la reconstrucción fotogramétrica tradicional y que cuesta aproximadamente una centésima parte. Cubrir 196 países es una afirmación sobre la cobertura de los datos de entrada, no una afirmación de que se haya reconstruido cada uno de esos lugares.

La cifra de 1.000× es la que hay que tratar con cuidado. Los flujos de reconstrucción tradicionales —vuelos con drones, fotogrametría, limpieza manual— llevan días y requieren un equipo de topografía, así que compararse con ellos es comparar un paso de generación con toda una operación de campo. Frente a otros métodos de reconstrucción neuronal, la diferencia será mucho menor. Lo que es defendible es la forma de la afirmación: generar un kilómetro de ciudad en diez minutos con hardware que quizá ya tengas es un orden de acceso distinto al de contratar a un equipo de topografía.

Genie 4 no publica ninguna cifra comparable. No hay resolución, ni velocidad de fotogramas, ni dato de latencia, ni coste declarado. No se puede poner su rendimiento junto al de Amap, lo cual es en sí mismo un hallazgo: un modelo que no declara su velocidad de fotogramas aún no compite en términos de producción.

La disponibilidad es donde la comparación se vuelve honesta

Ambos modelos tienen acceso restringido, y de maneras distintas que importan.

Genie 4 es una vista previa de investigación para probadores de confianza, con una lista de espera pública y la promesa de un acceso más amplio "en las próximas semanas" a través de AI Ultra y la Gemini API. No hay precio, ni límite de frecuencia, ni SLA, ni términos de uso para los resultados comerciales. Si eres un estudio, no puedes planificar en torno a ello; solo puedes observarlo.

ABot-Earth 0.7 es peor para un desarrollador externo a pesar de ser más antiguo. No hay pesos públicos, ni ficha del modelo, ni API, ni precios, ni documentación para desarrolladores. El sitio de experiencia está únicamente en chino simplificado y la generación es solo por invitación. Es una función de producto dentro de las aplicaciones de consumo de Amap que la empresa ha elegido describir como un modelo del mundo, no como una plataforma sobre la que se pueda construir.

Entonces, la respuesta honesta a «¿cuál puedo usar?» es: ninguno, hoy, sin una relación con el proveedor. Lo que difiere es la dirección de avance. Google ha nombrado los canales —AI Ultra, la API de Gemini, AI Studio— y ha dado un cronograma en semanas. Amap ha nombrado sus propias aplicaciones.

Dónde cada uno es realmente bueno

El valor de Genie 4 está en mundos que no deben ser reales. La previsualización cinematográfica, donde el objetivo es probar el lenguaje de cámara antes de que exista un plató. El prototipado de juegos, donde quieres explorar una mecánica en un espacio que ningún artista ha construido. La robótica y el entrenamiento de agentes, donde la propia demo de Google emparejó Genie 4 con Gemini 4 Argon para descomponer tareas para un humanoide Apptronik Apollo — la simulación es un espacio de ensayo, y un espacio de ensayo es más útil cuanto menos se parece a una calle concreta.

El valor de ABot-Earth 0.7 reside en mundos que deben ser reales. Productos de navegación, donde un edificio equivocado es un giro equivocado. Planificación urbanística, donde la pregunta es qué efecto tiene sobre una línea de visión un desarrollo propuesto. Seguros e inspección, donde el entregable tiene que corresponder a una dirección. En cualquier ámbito en el que la frase «eso no es lo que parece» sea un fallo y no una elección creativa.

Existe un híbrido obvio que ninguna de las dos empresas ha lanzado: usar una reconstrucción para establecer la geometría y la geografía, y luego usar un modelo generativo para reestilizarla, cambiar su clima, poblarla o mover una cámara a través de ella de formas que la captura nunca cubrió. Amap tiene la geometría y ninguna capa generativa. Google tiene la capa generativa y ninguna geografía. Quien conecte esas dos mitades será dueño de la próxima versión de esta categoría.

Qué haría falta para elegir

Si tu trabajo necesita una ubicación real específica, ABot-Earth 0.7 es el único de los dos que puede dártela, y deberías iniciar la conversación con Amap ahora en lugar de esperar un programa para desarrolladores que puede que nunca se abra.

Si tu trabajo necesita un lugar verosímil que no existe, con sonido y dirección en vivo, Genie 4 es la capacidad más sólida y el producto más débil: una lista de espera y una promesa. La decisión razonable es prototipar el pipeline circundante contra algo a lo que puedas llamar hoy y sustituir el modelo del mundo cuando llegue el acceso. En nuestro caso, eso significa construir la mitad de planificador y verificador del bucle sobre endpoints de LLM enrutables —una API, 0 % de margen sobre los precios de lista de los proveedores, conmutación por error automática entre proveedores— porque esa mitad es la parte que no cambiará cuando lo haga el modelo del mundo.

La tentación es preguntar qué modelo es mejor. La pregunta útil es más concreta: ¿tu mundo tiene que estar en algún lugar? Genie 4 dice que no y te da una cámara. ABot-Earth 0.7 dice que sí y te da coordenadas. Casi todas las demás diferencias entre ellos se derivan de esa única respuesta.