Genie 4 vs Hunyuan3D WorldClaw: Video tentang Sebuah Dunia, atau File Mesh Dunia?

Salah satunya memberi Anda MP4 dan yang lain memberi Anda scene graph. Itulah keseluruhan perbandingannya, dan segala hal lainnya mengikuti dari itu. Genie 4, model dunia milik Google DeepMind yang diumumkan pada 27 Oktober 2026, menghasilkan dunia fotorealistis, bersuara, dan dapat dikendalikan dengan teks secara real time lalu menampilkannya kepada Anda sebagai video. Hunyuan3D WorldClaw, yang diterbitkan oleh tim Hunyuan3D Tencent pada Agustus 2026, menghasilkan mesh bertekstur yang eksplisit dan dapat diedit satu per satu, yang dapat Anda buka di Unity atau Unreal dan simpan. Jika pekerjaan Anda berakhir saat shot disetujui, Genie 4 adalah objek yang lebih mengesankan. Jika pekerjaan Anda dimulai saat shot disetujui, WorldClaw adalah satu-satunya dari keduanya yang memberi Anda sesuatu untuk dikerjakan.

Keduanya adalah artefak riset, bukan produk, dan keduanya lebih sulit diperoleh daripada yang disiratkan oleh demo mereka. Namun keduanya gagal ke arah yang berbeda, dan mengetahui kegagalan mana yang bisa Anda terima adalah inti dari seluruh keputusan ini.

Tes Deliverable

Tanyakan apa yang bertahan melewati sesi, dan kesenjangan itu menjadi konkret.

• Output — Genie 4 mengembalikan frame video yang dihasilkan beserta audio yang dihasilkan secara tersinkronisasi; Hunyuan3D WorldClaw mengembalikan mesh 3D bertekstur dengan medan, material, dan objek yang ditempatkan.

• Kemampuan edit — Genie 4 diedit dengan memberikan prompt pada simulasi saat berjalan; output WorldClaw diedit sebagai geometri, di alat pemodelan, oleh manusia atau skrip.

• Penggunaan hilir — keluaran Genie 4 dikonsumsi sebagai rekaman video; keluaran WorldClaw dikonsumsi oleh mesin game, perender, atau simulator fisik.

• Determinisme — menjalankan Genie 4 tidak dapat direproduksi bingkai demi bingkai; mesh adalah berkas yang tetap sama persis.

• Audio — native di Genie 4; bukan bagian dari pipeline WorldClaw.

• Akses — Genie 4 adalah pratinjau riset terbatas; WorldClaw adalah makalah dengan repositori yang belum berisi kode yang dapat dijalankan.

Ada alasan mengapa model video adalah yang menjadi viral dan pipeline mesh adalah yang masuk ke produksi. Sebuah video dapat dipahami oleh siapa pun dalam lima detik. Sebuah mesh hanya dapat dipahami oleh orang yang tahu apa yang akan mereka lakukan dengannya — dan orang itu biasanya adalah yang memegang anggaran.

Apa yang Sebenarnya Dilakukan oleh Empat Tahap WorldClaw

WorldClaw bukanlah satu jaringan tunggal. Ini adalah pipeline agentik yang menguraikan "buatkan saya sebuah dunia dari kalimat ini" menjadi empat tahap, dan dekomposisi itulah kontribusinya.

Tahap pertama adalah analisis niat dan perencanaan adegan: agen model bahasa mengurai prompt terbuka menjadi spesifikasi terstruktur yang mencakup wilayah, medan, objek, material, dan hubungan spasial. Tahap kedua menghasilkan medan global — peta tata letak semantik plus height field yang sadar wilayah, dengan material dan aset yang ditetapkan per wilayah. Tahap ketiga melakukan pembuatan objek regional: komposit dua dimensi yang dikondisikan oleh medan disegmentasi, setiap instans direkonstruksi menjadi mesh bertekstur individual, dan mesh tersebut ditempatkan pada medan. Tahap keempat adalah penyempurnaan berbasis render: agen visi merender adegan dari berbagai sudut pandang, memeriksa hasilnya untuk objek mengambang, interpenetrasi, kesalahan skala dan pose, memperbaikinya, dan merender ulang. Perakitan terjadi di Blender melalui Model Context Protocol.

Putaran terakhir itulah rekayasa yang menarik. Model generatif yang tidak dapat melihat keluarannya sendiri hanyalah mesin slot. Pipeline yang merender, memeriksa, dan mengoreksi adalah sebuah proses — dan langkah koreksi adalah sumber sebagian besar kualitas yang dipersepsikan dalam adegan besar, karena mode kegagalan aset 3D yang ditempatkan bersifat geometris dan karenanya dapat dideteksi, bukan estetis dan karenanya dapat diperdebatkan.

Setup milik makalah itu sendiri adalah tumpukan model pihak ketiga: Claude Opus 4.8 yang menggerakkan agen-agen, GPT-Image-2 plus SAM3D untuk segmentasi, Hunyuan3D untuk rekonstruksi, yang berjalan di empat GPU NVIDIA H20. WorldClaw lebih tepat dipahami sebagai lapisan orkestrasi di atas generator yang sudah ada ketimbang sebagai model generatif baru, yang sekaligus menjadi kekuatannya — ia ikut membaik seiring komponennya membaik — dan kerapuhannya, karena setiap perubahan pada perilaku suatu komponen mengubah keluaran pipeline.

Mengapa Mesh Lebih Bernilai daripada Video, dan Biayanya Lebih Mahal

Video tentang sebuah dunia adalah klaim tentang dunia itu. Mesh adalah dunia itu sendiri, atau setidaknya cukup darinya untuk mulai membangun. Perbedaan itu muncul dalam setiap tugas hilir: kolisi, oklusi, pencahayaan, fisika, desain level, dan pekerjaan biasa memindahkan satu bangunan dua meter ke kiri karena garis pandangnya salah.

Tidak satu pun dari operasi tersebut mungkin dilakukan pada keluaran Genie 4. Anda dapat memberi prompt agar simulasi berubah, dan model akan menghasilkan serangkaian frame baru yang mungkin atau tidak mungkin mematuhi batasan yang Anda bayangkan, dan perubahan tersebut tidak akan bertahan melampaui jendela koherensi dua menit yang dikutip DeepMind. Model tidak berpura-pura sebaliknya; kasus penggunaan yang dinyatakannya adalah pra-visualisasi, pembuatan prototipe, dan pelatihan robot, yang semuanya mengonsumsi dunia alih-alih membangun di atasnya.

Biaya pendekatan WorldClaw sama jelasnya. Empat tahap, beberapa agen, perender eksternal, dan round-trip Blender berarti menit hingga jam per dunia alih-alih detik, dan pipeline dapat gagal pada tahap mana pun — kesalahan segmentasi menjalar menjadi objek yang salah tempat, yang mungkin diperbaiki atau tidak oleh tahap penyempurnaan. Mode kegagalan Genie 4 lebih lunak: detail yang bergeser itu menjengkelkan, bangunan yang mengambang itu rusak.

Ketersediaan di Kedua Sisi Lebih Buruk daripada yang Ditunjukkan Demo

Kedua model itu bukan sesuatu yang bisa Anda adopsi pada kuartal ini, dan alasannya pun berbeda.

Genie 4 adalah pratinjau riset untuk penguji tepercaya. Google menyatakan bahwa pelanggan AI Ultra akan mendapatkan aksesnya melalui Project Genie dan bahwa mitra akses awal akan menjangkaunya melalui Gemini API dan Google AI Studio "dalam beberapa minggu mendatang." Terdapat daftar tunggu, tanpa harga, tanpa resolusi atau laju bingkai yang dipublikasikan, dan tanpa ketentuan komersial.

WorldClaw lebih jauh dari dapat digunakan dalam satu hal spesifik: repositori di Tencent-Hunyuan/Hunyuan3D-WorldClaw berisi README dan aset, bukan kode. Permintaan untuk kode tersebut belum dijawab. Tidak ada bobot, tidak ada API, dan tidak ada harga. Yang ada hanyalah makalah, pengumuman, dan sekumpulan demo.

Jadi, perbandingan bagi seorang praktisi pada akhir Oktober 2026 adalah antara daftar tunggu dan repositori yang tidak akan bisa dijalankan. Itu bukan bentuk kritik terhadap tim mana pun — makalah mendahului rilis — tetapi itu berarti bahwa artikel apa pun yang menyuruh Anda “memilih” di antara keduanya sedang menggambarkan pengadaan di masa depan, bukan pengadaan saat ini.

Apa yang Disampaikan Bagian Evaluasi kepada Anda

Makalah WorldClaw mengevaluasi keluarannya melalui perbandingan kualitatif secara berdampingan dengan SynCity, WorldGen milik Meta, MajutsuCity, dan Marble milik World Labs. Tidak ada skor FID atau CLIP dan tidak ada studi pengguna. Itu adalah keterbatasan yang nyata dan sekaligus jujur: kualitas adegan 3D berskala besar memang sulit dinilai, dan metrik kuantitatif yang memberi keunggulan pada satu sumbu akan salah merepresentasikan sumbu lainnya.

Peluncuran Genie 4 tidak menerbitkan satu pun tolok ukur — tidak ada perbandingan dengan Genie 3 selain jendela koherensi yang dua kali lipat, tidak ada resolusi, tidak ada laju bingkai. Kedua pihak belum memberikan angka apa pun kepada pihak luar untuk diperiksa. Dalam kategori di mana setiap vendor menampilkan demo yang dikurasi, ketiadaan pengukuran adalah kondisi bersama, dan itu semestinya meredam vonis percaya diri apa pun yang Anda baca di mana saja, termasuk di sini.

Ketika Pipeline Itu Sendiri Menjadi Produk

Bagian dari WorldClaw yang layak dicuri bukanlah generasi 3D — itu hanyalah tumpukan komponen — melainkan polanya: rencanakan dengan model bahasa, hasilkan dengan spesialis, verifikasi dengan model visi, perbaiki, ulangi. Pola itu sedang dibangun ulang saat ini di setiap studio yang menginginkan generasi dunia yang dapat dikendalikan, dan itu hampir seluruhnya merupakan masalah orkestrasi.

Di sinilah pertanyaan infrastruktur bermuara. Pipeline dengan bentuk seperti itu membuat lusinan panggilan model per dunia, di setidaknya tiga modalitas, dan kegagalan satu panggilan saja akan menghentikan jalannya proses. Menjalankannya melalui satu endpoint dengan failover otomatis berarti penyedia yang macet menjadi percobaan ulang, bukan pekerjaan yang hilang, dan DSL routing memungkinkan Anda menetapkan model mahal ke tahap perencanaan dan model yang lebih murah ke proses verifikasi per objek, tempat sebagian besar token digunakan. Itulah lapisan yang kami bangun — satu API untuk lebih dari 200 model, dengan harga daftar dari penyedia diteruskan tanpa markup 0% — dan lapisan ini sengaja dibuat agnostik model, karena komponen-komponen di bawah pipeline seperti milik WorldClaw akan diganti beberapa kali sebelum pipeline itu sendiri stabil.

Mana yang Harus Ditonton

Jika Anda membuat film, prototipe, atau lingkungan pelatihan dan membutuhkan sesuatu kuartal ini, ikuti pengumuman akses Genie 4 dan buat prototipe perkakas pendukungnya terhadap model yang sudah dapat Anda panggil. Audio dan pengarahan bahasa adalah kemampuan yang tidak dimiliki oleh apa pun lain dalam perbandingan ini, dan batas dua menit adalah kendala yang dapat Anda rancang solusinya.

Jika Anda membuat game, simulasi, atau apa pun yang dirilis sebagai aset, bentuk WorldClaw-lah yang penting bagi Anda, meskipun kodenya belum ada. Begitu Tencent merilisnya, pipeline yang mengeluarkan mesh yang dapat diedit ke dalam mesin game bernilai lebih dari seribu video indah, karena video adalah akhir dari pekerjaan dan mesh adalah awal dari pekerjaan itu.