Genie 4 vs Hunyuan3D WorldClaw : une vidéo d’un monde, ou les fichiers de maillage du monde

L’une de ces mains vous remet un MP4, l’autre un graphe de scène. Voilà toute la comparaison, et tout le reste en découle. Genie 4, le modèle du monde de Google DeepMind annoncé le 27 octobre 2026, génère en temps réel un monde photoréaliste, audible et pilotable par texte, et vous le montre sous forme de vidéo. Hunyuan3D WorldClaw, publié par l’équipe Hunyuan3D de Tencent en août 2026, produit des maillages texturés explicites, modifiables individuellement, que vous pouvez ouvrir dans Unity ou Unreal et conserver. Si votre travail se termine à l’approbation du plan, Genie 4 est l’objet le plus impressionnant. Si votre travail commence à l’approbation du plan, WorldClaw est le seul des deux qui vous donne de quoi travailler.

Les deux sont des artefacts de recherche plutôt que des produits, et tous deux sont plus difficiles à obtenir que leurs démos ne le suggèrent. Mais ils échouent dans des directions différentes, et savoir quel échec vous pouvez tolérer constitue toute la décision.

Le test du livrable

Demandez ce qui survit à la session et l'écart devient concret.

• Sortie — Genie 4 renvoie des images vidéo générées accompagnées d'un audio généré synchronisé ; Hunyuan3D WorldClaw renvoie des maillages 3D texturés avec terrain, matériaux et objets placés.

• Modifiabilité — Genie 4 se modifie en adressant des instructions à la simulation pendant son exécution ; la sortie de WorldClaw se modifie en tant que géométrie, dans un outil de modélisation, par un humain ou un script.

• Utilisation en aval — la sortie de Genie 4 est consommée sous forme de séquences vidéo ; celle de WorldClaw est consommée par un moteur de jeu, un moteur de rendu ou un simulateur physique.

• Déterminisme — une exécution de Genie 4 n’est pas reproductible image par image ; un maillage est un fichier qui reste identique.

• Audio — natif sur Genie 4 ; ne fait pas partie du pipeline de WorldClaw.

• Accès — Genie 4 est un aperçu de recherche à accès restreint ; WorldClaw est un article accompagné d'un dépôt qui ne contient pas encore de code exécutable.

Il y a une raison pour laquelle les modèles vidéo sont ceux qui deviennent viraux et les pipelines de maillage ceux qui entrent en production. Une vidéo est compréhensible par n’importe qui en cinq secondes. Un maillage n’est compréhensible que par quelqu’un qui sait ce qu’il en ferait — et cette personne est généralement celle qui tient le budget.

Ce que font réellement les quatre étapes de WorldClaw

WorldClaw n’est pas un réseau unique. C’est un pipeline agentique qui décompose « construis-moi un monde à partir de cette phrase » en quatre étapes, et c’est cette décomposition qui constitue l’apport.

La première étape est l’analyse d’intention et la planification de scène : des agents de modèles de langage analysent le prompt ouvert pour en faire une spécification structurée couvrant les régions, le terrain, les objets, les matériaux et les relations spatiales. La deuxième génère le terrain global — une carte sémantique d’agencement ainsi qu’un champ de hauteur sensible aux régions, avec des matériaux et des ressources attribués par région. La troisième effectue la génération d’objets régionaux : des composites bidimensionnels conditionnés par le terrain sont segmentés, chaque instance est reconstruite en un maillage texturé individuel, et ces maillages sont placés sur le terrain. La quatrième est un affinage basé sur le rendu : un agent de vision rend la scène depuis plusieurs points de vue, inspecte le résultat pour détecter des objets flottants, des interpénétrations, des erreurs d’échelle et de pose, les corrige et effectue un nouveau rendu. L’assemblage se fait dans Blender via le Model Context Protocol.

C'est dans cette dernière boucle que réside l'ingénierie intéressante. Un modèle génératif qui ne voit pas sa propre sortie est une machine à sous. Un pipeline qui rend, inspecte et corrige est un processus — et c'est à l'étape de correction que provient l'essentiel de la qualité perçue dans une grande scène, car les modes de défaillance des éléments 3D placés sont géométriques et donc détectables, plutôt qu'esthétiques et donc sujets à discussion.

Le dispositif propre à l'article est un empilement de modèles tiers : Claude Opus 4.8 pilotant les agents, GPT-Image-2 plus SAM3D pour la segmentation, Hunyuan3D pour la reconstruction, le tout exécuté sur quatre GPU NVIDIA H20. WorldClaw se comprend mieux comme une couche d'orchestration au-dessus de générateurs existants que comme un nouveau modèle génératif, ce qui constitue à la fois sa force — il s'améliore à mesure que ses composants s'améliorent — et sa fragilité, puisque toute modification du comportement d'un composant change la sortie du pipeline.

Pourquoi un maillage vaut plus qu’une vidéo, et coûte plus cher

Une vidéo d’un monde est une affirmation à propos d’un monde. Un maillage est le monde, ou du moins suffisamment de celui-ci pour commencer à construire. Cette différence apparaît dans chaque tâche en aval : collision, occlusion, éclairage, physique, conception de niveaux, et le travail ordinaire consistant à déplacer un bâtiment de deux mètres vers la gauche parce que la ligne de vue est mauvaise.

Aucune de ces opérations n’est possible sur la sortie de Genie 4. Vous pouvez demander à la simulation de changer, et elle générera un nouvel ensemble d’images qui peuvent ou non respecter la contrainte que vous aviez en tête, et le changement ne persistera pas au-delà de la fenêtre de cohérence de deux minutes citée par DeepMind. Le modèle ne prétend pas le contraire ; ses cas d’utilisation déclarés sont la prévisualisation, le prototypage et l’entraînement de robots, qui tous consomment des mondes plutôt que de s’appuyer sur eux.

Le coût de l’approche de WorldClaw est tout aussi clair. Quatre étapes, plusieurs agents, un moteur de rendu externe et un aller-retour par Blender impliquent des minutes à des heures par monde plutôt que des secondes, et le pipeline peut échouer à n’importe quelle étape — une erreur de segmentation se propage en un objet mal placé, que l’étape d’affinement peut corriger ou non. Les modes de défaillance de Genie 4 sont plus doux : un détail qui dérive est agaçant, un bâtiment flottant est cassé.

La disponibilité des deux côtés est pire que ne le suggèrent les démos

Aucun des deux modèles ne peut être adopté ce trimestre, et les raisons diffèrent.

Genie 4 est un aperçu de recherche destiné aux testeurs de confiance. Google indique que les abonnés AI Ultra y auront accès via Project Genie et que les partenaires à accès anticipé y auront accès via l’API Gemini et Google AI Studio « dans les prochaines semaines ». Il existe une liste d’attente, aucun prix, aucune résolution ni fréquence d’images publiée, et aucune condition commerciale.

WorldClaw est encore plus loin d’être utilisable à un égard précis : le dépôt à Tencent-Hunyuan/Hunyuan3D-WorldClaw contient un README et des ressources, pas de code. Une demande pour obtenir le code est restée sans réponse. Il n’y a ni poids, ni API, ni tarification. Ce qui existe, c’est l’article, l’annonce et une série de démos.

Ainsi, pour un praticien fin octobre 2026, la comparaison se joue entre une liste d'attente et un dépôt qui ne tournera pas. Ce n'est pas un reproche fait à l'une ou l'autre équipe — les publications précèdent les versions diffusées —, mais cela signifie bien que tout article vous enjoignant de « choisir » entre les deux décrit une acquisition à venir, et non actuelle.

Ce que les sections d’évaluation vous disent

L'article de WorldClaw évalue ses résultats au moyen d'une comparaison qualitative côte à côte avec SynCity, WorldGen de Meta, MajutsuCity et Marble de World Labs. Il n'y a ni scores FID ou CLIP ni étude utilisateur. C'est une véritable limite, et c'est aussi honnête : la qualité des scènes 3D à grande échelle est réellement difficile à évaluer, et une métrique quantitative qui récompenserait un axe donnerait une image fausse des autres.

Le lancement de Genie 4 n’a publié aucun benchmark — aucune comparaison avec Genie 3 au-delà de la fenêtre de cohérence doublée, aucune résolution, aucune fréquence d’images. Aucun des deux camps n’a fourni à un tiers un chiffre à vérifier. Dans une catégorie où chaque fournisseur présente des démos soigneusement sélectionnées, l’absence de mesure est la condition commune, et elle devrait tempérer tout verdict confiant que vous lisez où que ce soit, y compris ici.

Là où le pipeline lui-même devient le produit

La partie de WorldClaw qui mérite d’être volée n’est pas la génération 3D — c’est un empilement de composants — mais le schéma : planifier avec un modèle de langage, générer avec des spécialistes, vérifier avec un modèle de vision, réparer, répéter. Ce schéma est en train d’être reconstruit en ce moment dans chaque studio qui veut une génération de mondes contrôlable, et c’est presque entièrement un problème d’orchestration.

C’est là que se pose la question de l’infrastructure. Un pipeline de cette forme effectue des dizaines d’appels de modèles par monde, sur au moins trois modalités, et l’échec d’un seul appel bloque l’exécution. Le faire passer par un point de terminaison unique avec basculement automatique signifie qu’un fournisseur bloqué devient une nouvelle tentative plutôt qu’une tâche perdue, et un DSL de routage permet d’affecter le modèle coûteux à l’étape de planification et un modèle moins cher aux passes de vérification par objet, là où partent la plupart des tokens. C’est la couche que nous construisons — une API unique pour plus de 200 modèles, avec les tarifs catalogue des fournisseurs répercutés sans marge — et elle est délibérément agnostique vis-à-vis des modèles, car les composants d’un pipeline comme celui de WorldClaw seront remplacés plusieurs fois avant que le pipeline lui-même ne se stabilise.

Lequel regarder

Si vous produisez des films, des prototypes ou des environnements de formation et qu'il vous faut quelque chose ce trimestre, suivez les annonces d'accès à Genie 4 et prototypez l'outillage périphérique sur un modèle que vous pouvez déjà appeler. L'audio et le pilotage linguistique sont des capacités qu'aucun autre élément de cette comparaison ne possède, et la limite de deux minutes est une contrainte que vous pouvez intégrer dès la conception.

Si vous créez des jeux, des simulations ou quoi que ce soit livré sous forme d’asset, c’est la forme de WorldClaw qui compte pour vous, même si son code n’existe pas encore. Dès que Tencent le publiera, un pipeline qui produit des maillages éditables dans un moteur de jeu vaudra plus que mille belles vidéos, car la vidéo est la fin du travail et le maillage en est le début.