Genie 4 לעומת CARI4D: אחד יוצר עולם, האחר פותר וידאו

הדבר היחיד שGenie 4 וCARI4D חולקים באופן אמין הוא תווית. Genie 4, שהוכרז על ידי Google DeepMind ב-27 באוקטובר 2026, הוא מודל עולם גנרטיבי: אתם מתארים סצנה, מכוונים אותה בשפה טבעית, והוא מפיק וידאו עם אודיו מסונכרן למשך כמה דקות. CARI4D, שיטת השחזור מ-CVPR 2026 של NVIDIA Research, פועלת בכיוון ההפוך. היא מקבלת וידאו מונוקולרי של אדם שמטפל בחפץ ומחזירה את התנוחה של אותו אדם, את המסלול בשש דרגות החופש של החפץ ושני ציוני מגע יד לכל פריים. האחד ממציא עולם סביר. האחר מודד עולם אמיתי. שימו אותם על אותו דף והשאלה המועילה מפסיקה להיות "מה עדיף" והופכת ל"לאיזה כיוון פונה הבעיה שלי".

הבלבול מובן, כי שני המוצרים מסווגים תחת "4D" ושניהם מייצרים משהו שנע בזמן. אבל ג׳נרטור ושיטת שחזור אינם מימושים מתחרים של אותה משימה; הם נכשלים בדרכים הפוכות, והם נקנים על ידי אנשים שונים. Genie 4 יכול להמציא רחוב משכנע שלא היה קיים מעולם, ואינו יכול לומר לך היכן בדיוק נמצא כל דבר בו. CARI4D יכול לומר לך, עד לפריים, כיצד יד נסגרה סביב קומקום, ואינו יכול להמציא קומקום שלא ראה. בהמשך, שני המודלים מובחנים לפי מה שהם קולטים, מה שהם מחזירים, ומה שכל אחד מהם מבחינה מבנית אינו יכול לעשות.

מה Genie 4 מחזיר: סשן, ולא קובץ סצנה

הדבר הראשון שצריך להבין درباره Genie 4 הוא שהפלט שלו נצרך בזמן אמת ואינו נשמר כגיאומטריה מעבר לסשן. התיאור של Google עצמה מתאר עולם שאתם מניעים ומנווטים: הזיזו את המצלמה, שנו את מזג האוויר, הוסיפו דמות, ומודל Gemini מתאים את ההוראה למה שכבר נמצא על המסך. הפריימים נוצרים באופן אוטורגרסיבי, ולכן הקוהרנטיות נמדדת בשניות ובדקות ולא במורכבות הסצנה.

התוספות לעומת Genie 3 הן אלה שכל כותרת קלטה. האודיו נוצר באופן מקורי — צליל סביבתי, מוזיקה ודיאלוג אינטראקטיבי — ולא מתווסף לאחר מכן. ההיגוי הוא חי ולא פרומפט שמאתחל את העולם. וחלון הקוהרנטיות מדווח בכ-שתי דקות, כפול מקודמו, אף שהבלוג של Google אומר רק "מפגשים קצרים" ונתון שתי הדקות מגיע מתדריכי ההשקה.

מה שחסר חשוב באותה מידה. אין ייצוא mesh, אין גרף סצנה, אין מסלול מצלמה, אין buffer עומק ואין דרך להעביר את העולם שנוצר אל Blender, Unity או Unreal. אולפן שרוצה לבצע בלוקינג לשוט יכול לצפות ב-Genie 4 עושה זאת, אך אינו יכול להעביר את התוצאה לפייפליין. כמו כן, אין רזולוציה, קצב פריימים, גודל מודל, בנצ'מרק או מחיר שפורסמו, והגישה היא מאגר מוגבל של בודקים מהימנים עם רשימת המתנה ציבורית — למנויי AI Ultra דרך Project Genie ולשותפי גישה מוקדמת ל-Gemini API מובטח "בקרוב", ללא תאריך.

גוגל כן נוקבת במצבי הכשל, וזה יותר ממה שרוב פוסטי ההשקה עושים: הפירוט וקביעות העצמים נסחפים לאורך סשנים ארוכים יותר ולאחר עריכות חוזרות, הדיוק המרחבי אינו מושלם, טקסט בעולם לעיתים קרובות אינו קריא, ודיוק השמע אינו פתור. כל פלט נושא סימן מים של SynthID. עבור כלי תצוגה מקדימה, ההסתייגויות האלה נסבלות. לכל דבר שדורש מדידה, הן מהוות פסילה.

מה CARI4D מחזיר: תנוחות, מסלולים ומגע

CARI4D הוא pipeline, לא רשת בודדת, והפלט שלו מצומצם בכוונה. בהינתן וידאו RGB מונוקולרי, הוא משחזר את האדם באמצעות מודל גוף פרמטרי, משחזר את ה-mesh של האובייקט שעובר מניפולציה מהפריים הראשון, ממקם את שניהם בקנה מידה מטרי, ועוקב אחריהם לאורך הרצף. הרכיב הנלמד שמבצע את התיקון הוא CoCoNet, שנאי render-and-compare שלוקח את האומדן הנוכחי, מרנדר אותו ל-RGB, לעומק ולמסכות, ומבצע רגרסיה של תיקוני תנוחה לכל פריים בתוספת לוגיט מגע אחד לכל יד.

התלויות מפורשות במאגר: UniDepth לעומק מטרי, NLF לתנוחת אדם, Hunyuan3D לרשת האובייקט, FoundationPose לחיפוש ומעקב אחר תנוחה, ו-CoCoNet למעבר התיקון. זה משנה כשמתקצבים את הפריסה, כי כל אחד מאלה הוא צ'קפוינט נפרד עם רישיון משלו ופרופיל חומרה משלו.

CARI4D מופץ בשתי צורות. הצ'ק-פוינט המחקרי, nvidia/CARI4D, מסומן כמחקר ופיתוח בלבד ומקשר ל-ArXiv 2512.11988, שפורסם ב-12 בדצמבר 2025. גרסה מסחרית, cari4d_commercial, מכסה את Momentum Human Rig של NVIDIA וכפופה ל-NVIDIA Open Model Agreement. אף אחת מהן אינה נפרסת על ידי ספק הסקה כלשהו ב-Hugging Face, לכן "זמין" פירושו משקלים בתוספת התקנת Docker ובתוספת GPU של NVIDIA, ולא נקודת קצה. אין שורה ציבורית בלוח הדירוג ואין שחזור בלתי תלוי; הראיות המספריות הן האבלציות של מאמר CVPR עצמו על BEHAVE, שהן מחקר בהפקת הספק.

ההשוואה, מימד אחר מימד

• קלט — Genie 4 מקבל תיאור טקסטואלי יחד עם הוראות היגוי בזמן אמת; CARI4D מקבל וידאו RGB מונוקולרי שכבר קיים.

• פלט — Genie 4 מחזיר וידאו ואודיו שנוצרו, המוזרמים בסשן; CARI4D מחזיר תנוחת אדם וצורתו לכל פריים, סיבוב והזזה של אובייקטים, ולוגיטים של מגע ידיים.

• עיגון — Genie 4 הוא סביר אך אינו מעוגן; דבר בפלט אינו תואם לקואורדינטה מדודה. CARI4D הוא מטרי, ומשחזר קנה מידה באמצעות אומדן עומק וחיפוש תנוחה מול הפריימים הנצפים.

• עמידות — העולם של Genie 4 מסתיים כשהסשן מסתיים ואינו ניתן לייצוא. הפלט של CARI4D הוא מבנה נתונים שניתן לאחסן, לרנדר מחדש ולהשוות.

• אודיו — Genie 4 מייצר אותו, כולל דיאלוג; ל-CARI4D אין אותו והוא אינו מדמה צליל.

• גישה — Genie 4 זמין בהזמנה בלבד וללא מחיר; CARI4D הוא משקולות להורדה עם רישיון מחקרי וגרסה מסחרית במסגרת ההסכם של NVIDIA.

• ראיות — ל-Genie 4 יש הדגמות וטענות ספק, ללא בנצ'מרק מפורסם; ל-CARI4D יש מאמר שעבר ביקורת עמיתים, אבלציות שבוצעו על ידי הספק וללא שחזור על ידי צד שלישי.

החפיפה שקיימת, וזו שאינה קיימת

השילוב המפתה הוא להשתמש ב-CARI4D כדי לשחזר אינטראקציה אמיתית, ואז להשתמש ב-Genie 4 כדי לדמיין וריאציות שלה. על הנייר המעבר נראה טבעי: CARI4D מפיק סצנת אדם-חפץ מעוגנת מטרית, ו-Genie 4 מפיק תוצאות חלופיות. בפועל אין ממשק ביניהם. Genie 4 מקבל טקסט וקלט הכוונה, לא סצנה משוחזרת, מש או רצף תנוחות. שום דבר שפרסמה מי מהקבוצות לא מתאר הזנה של אחד לתוך השני, והעובדה ששני הפלטים נראים תלת-ממדיים בצילום מסך אינה הופכת אותם לפורמטים תואמים.

החפיפה שכן קיימת צרה יותר ושימושית יותר: שתיהן כלים לחשיבה על מה שיתרחש בהמשך בסצנה פיזית. CARI4D נותן את הדינמיקה הנצפית — מגע, אחיזה, מסלול — שזה בדיוק סוג האות שצינור למידת רובוטים צריך כדי לתייג הדגמות. Genie 4 נותן תרחישים נגדיים, וזה מה שמדיניות צריכה כדי להתאמן על מצבים שלא תיעדה. מעבדה שבונה נתונים מגולמים יכולה באופן סביר להשתמש בשניהם, בצדדים שונים של אותו מערך נתונים, בלי שאף אחד מהמודלים יידבר אי־פעם עם השני.

אופני הכשל הם גם בבואות מראה זה של זה. Genie 4 יכול לרנדר אובייקט שגוי בצורה יפה ולהיסחף ממנו במשך שתי דקות. CARI4D יכול לעקוב אחרי אובייקט בעל צורה לקויה בצורה מדויקת לאורך סרטון שלם ועדיין להעמיד לרשותך mesh באיכות ירודה, מפני שהמדדים שלו עוסקים בתנוחה ובמגע ולא בנאמנות פני השטח. אף אחד מהמודלים לא מתקן את החולשה של האחר.

מה שאתם יכולים להריץ בפועל השבוע

CARI4D הוא זה שיש לו נתיב לביצוע. המשקלים פומביים, תמונת Docker קיימת, ו-GPU ברמת A100 הוא היעד המתועד. זה עדיין צינור מחקר עם מאמר לקרוא ומספר צ'קפוינטים חיצוניים להרכיב, אבל צוות עם החומרה יכול להפעיל אותו כבר השבוע. Genie 4 הוא זה עם רשימת ההמתנה.

כדאי להיות ישירים לגבי הקטלוג שלנו: OrcaRouter אינו מארח אף אחד משני המודלים. CARI4D היא צינור שחזור מחקרי ללא נקודת קצה ממוארחת בשום מקום, ול-Genie 4 אין API ציבורי שניתן לנתב אליו. מה שכן אנחנו מנתבים הוא חלק משכבת החשיבה ש-Google בנתה סביב Genie 4 — Gemini 3.8 Flash, המודל שצופה בפריימים שנוצרים ומתכנן מחדש, וGemini Robotics ER 1.6 preview — דרך API אחד על פני 200+ מודלים, עם מחירי רשימה של ספקים המועברים במרווח של 0% ומעבר אוטומטי לגיבוי בין ספקים. אם המשימה שלך בפועל היא לשאול שאלות על וידאו ולא לשחזר או לייצר אותו, מודל מולטימודלי ממוארח הוא התשובה הזולה יותר, והוא אינו דורש הזמנה.

עבור כל השאר ההחלטה מצטמצמת למשפט אחד לכל אחת. אם הסרטון כבר קיים ואתם צריכים לדעת מה האדם והחפץ עשו, CARI4D הוא היחיד מבין השניים שעונה על השאלה. אם העולם עדיין לא קיים ואתם צריכים לראות אותו בתנועה, Genie 4 הוא היחיד שיראה לכם — ברגע שמישהו יכניס אתכם.