Genie 4 vs SKY-001: Dua Model Dunia yang Tidak Akan Pernah Berbagi Tolok Ukur

Genie 4 dan SKY-001 diumumkan dengan selisih delapan hari pada Oktober 2026, dan tidak akan pernah ada yang menerbitkan papan skor adil yang memuat keduanya. Genie 4, dari Google DeepMind, menghasilkan adegan yang dapat dimainkan dan didengar yang bisa Anda jelajahi selama sekitar dua menit. SKY-001, dari Skyfall AI, menerima prompt atau sketsa dan menghasilkan urutan konstruksi berurutan untuk komponen CAD atau denah lantai bangunan. Yang satu menghasilkan piksel yang ditonton manusia. Yang lain menghasilkan geometri yang mungkin pada akhirnya dibangun oleh mesin. Perbandingan yang berguna bukanlah mana yang lebih baik — melainkan apa yang masing-masing harus buktikan sebelum Anda menempatkannya di hadapan pelanggan yang membayar, dan bukti mana di antaranya yang telah dicoba.

Kedua perusahaan menyebut produk mereka sebagai model dunia. Frasa yang sama itu memikul beban yang sangat besar yang tidak seharusnya, dan itulah sebabnya liputan tentang dua peluncuran ini terbaca seolah-olah keduanya adalah pesaing. Mereka tidak bersaing untuk anggaran yang sama, pembeli yang sama, atau evaluasi yang sama. Mereka bersaing untuk kata yang sama.

Kata itu melakukan terlalu banyak tugas

Cara yang berguna untuk memisahkan keduanya adalah dengan menanyakan dari apa model itu merupakan model.

Genie 4 memodelkan tampilan dan dinamika. Beri ia sebuah prompt dan ia akan merender dunia yang merespons instruksi yang diketik — ubah cuaca, gerakkan kamera, tambahkan seseorang — dan kini menghasilkan suara ambien, musik, serta dialog interaktif bersama videonya. Sebuah perencana Gemini mengamati frame-frame dan merencanakan ulang. Outputnya adalah aliran gambar yang ditujukan untuk mata manusia atau pipeline video, dan kebenarannya dinilai dari apakah adegan itu berperilaku secara masuk akal.

SKY-001 memodelkan perakitan. Hierarkinya berjalan dari sistem ke perakitan ke subperakitan ke suku cadang, atau dari lantai ke unit ke ruangan, dan komponen keduanya — yang disebut Skyfall sebagai model dunia konstruksi — merencanakan urutan keadaan visual yang membawa Anda dari kosong hingga selesai. Untuk komponen CAD, itu adalah rangkaian keadaan padat 3D dengan sketsa 2D di antaranya. Untuk denah lantai, itu adalah gambar yang dibangun goresan demi goresan. Kebenarannya adalah tumpang tindih geometris, diukur sebagai IoU terhadap bentuk ground-truth.

Dimensinya, dalam bentuk yang membuat ketidakcocokan terlihat jelas:

• Output — Genie 4 menghasilkan video dan audio; SKY-001 menghasilkan urutan konstruksi CAD atau BIM.

• Input — teks, kontrol keyboard dan kamera untuk Genie 4; teks atau gambar 2D untuk SKY-001.

• Apa yang dimaksud dengan "salah" — adegan yang bergeser, atau solid yang tidak mengenai geometri target dengan margin IoU.

• Unit evaluasi — penilaian manusia atau skor fisika untuk Genie 4; rata-rata IoU pada 1.000 kasus untuk SKY-001.

• Harga terbit — bukan keduanya.

• Akses — daftar tunggu di kedua sisi.

Tes satu: apakah ada yang bisa memeriksa outputnya?

SKY-001 lulus tes ini dalam arti paling sempit yang mungkin, dan itu tetap lebih dari yang mampu dilakukan Genie 4.

Skyfall menerbitkan tolok ukur vendor pada dua jalur yang masing-masing berisi 1.000 kasus, dan angkanya cukup spesifik untuk diperdebatkan. Pada komponen CAD, SKY-001 mencetak 79,7% mean IoU dibandingkan 79,1% untuk GPT-6 Astra — keunggulan enam persepuluh poin, yang merupakan noise tingkat seed — sementara berjalan dalam 3,9 detik alih-alih 199 detik dan berbiaya $0,005 per kasus alih-alih $0,75. Pada denah lantai, ia mencetak 43,6% dibandingkan 40,6% milik GPT-6 Astra, pada 1,22 detik versus 144,6 detik.

Semua angka tersebut milik Skyfall sendiri, dihasilkan pada set pengujian internal Skyfall, tanpa split publik dan tanpa harness yang dirilis. Metrik IoU hanya mengukur tumpang tindih geometris dan tidak lebih dari itu: metrik ini tidak membuktikan bahwa suatu bagian dapat diproduksi, bahwa toleransi dapat dipenuhi, bahwa rencana lantai memenuhi kode evakuasi atau aksesibilitas, atau bahwa strukturnya tetap berdiri. Waktu pengukuran tidak mencakup unggah, prapemrosesan, antrean, konversi format, validasi, dan peninjauan manusia, yang dalam alur kerja CAD nyata merupakan sebagian besar waktu yang berlalu. Dan pengali dalam materi peluncuran Skyfall sendiri tidak saling konsisten — 51×, 49×, dan 100× untuk kecepatan, 150× dan 143× untuk biaya, di berbagai halaman situs yang sama.

Genie 4 bahkan tidak memenuhi standar itu. Google tidak menerbitkan tolok ukur, resolusi, laju bingkai, latensi, maupun jumlah parameter. Bagian keterbatasan milik perusahaan itu sendiri menyebutkan masalah-masalahnya — penyimpangan detail visual dan permanensi objek, interaksi fisik yang kompleks, akurasi audio, teks dalam dunia yang dapat dibaca, akurasi spasial — tanpa mengkuantifikasi satu pun darinya. Tidak ada pengajuan pihak ketiga dan tidak ada penguji di luar kelompok tersebut yang menerbitkan pengukuran. Untuk satu-satunya pertanyaan apakah hal ini berfungsi, SKY-001 menawarkan klaim yang dapat Anda urai, dan Genie 4 menawarkan reel demo.

Uji dua: apakah output bisa masuk ke sebuah alat?

Di sinilah arsitektur SKY-001 membuktikan kegunaannya, dan di sinilah letak batas kemampuan Genie 4.

Video tentang sebuah dunia bukanlah dunia yang dapat Anda edit. Tidak ada apa pun dalam sesi Genie 4 yang diekspor sebagai geometri, sehingga studio game yang menggunakannya untuk pembuatan prototipe hanya mendapatkan referensi untuk dibangun ulang secara manual, dan tim robotika mendapatkan observasi untuk digunakan sebagai data pelatihan, tetapi bukan scene graph untuk dimodifikasi. Itu adalah penggunaan yang nyata — data pelatihan dan pravisualisasi sama-sama mengonsumsi piksel — tetapi itu berarti model tersebut berada di hulu rantai alat, memberi masukan kepadanya alih-alih masuk ke dalamnya.

Keluaran yang dinyatakan SKY-001 adalah toolchain. Urutan konstruksi dirancang untuk dapat diolah, dan Skyfall mendemonstrasikan bahwa ini berfungsi di dalam Autodesk Fusion. Demonstrasi itu bukan konektor yang sudah dirilis, dan satu demo bukanlah cerita integrasi. Peninjau independen juga memperingatkan bahwa sketsa tersimpan dan geometri 3D yang dihasilkan mungkin tidak selaras, yang akan menyisakan keluaran yang tampak seperti CAD tetapi bukan CAD siap mesin. Namun, niatnya berbeda secara jenis: satu model berupaya memperpendek jarak menuju artefak yang dapat diproduksi, yang lain berupaya menghasilkan pengamatan yang meyakinkan.

Bagi firma desain, perbedaan itulah yang menentukan pembelian. Renderer yang menghemat dua hari kerja seorang concept artist layak dibeli dengan harga hampir berapa pun. Generator sequence yang menghemat dua hari kerja seorang drafter hanya layak dibeli jika sequence tersebut tetap berfungsi saat digunakan dengan alat-alat yang benar-benar dipakai drafter — dan belum ada orang di luar Skyfall yang mengujinya.

Tes tiga: dapatkah Anda membelinya sebelum 2027?

Tidak, dalam kedua hal itu, dan garis waktunya tidak berdekatan.

SKY-001 adalah pratinjau riset yang tersedia melalui daftar tunggu. Tidak ada API, tidak ada daftar harga, tidak ada bobot, tidak ada lisensi, tidak ada jalur self-hosting, dan tidak ada fine-tuning. Skyfall menargetkan penerapan komersial pada awal 2027. Perusahaan ini kecil — sekitar 25 orang — dan pendirinya, Sam Pasupalak, sebelumnya membangun Maluuba, yang diakuisisi Microsoft pada 2017. Itu adalah rekam jejak yang kredibel dan ini bukan produk yang sudah dirilis.

Genie 4 adalah pratinjau riset untuk penguji tepercaya, dengan pelanggan Google AI Ultra dijanjikan akses melalui Project Genie dengan harga sekitar $100 per bulan "dalam beberapa minggu mendatang", dan mitra akses awal dapat mengaksesnya melalui Gemini API dan AI Studio. Tidak ada tanggal ketersediaan umum, tidak ada harga untuk pengembang, tidak ada ketentuan komersial. Bagi studio, ketentuan lisensi yang tidak ada menjadi penghalang yang lebih besar daripada batas dua menit, karena Anda tidak dapat memasukkan rekaman yang dihasilkan ke dalam alur produksi yang penggunaan komersialnya tidak dinyatakan.

Jadi jawaban pengadaan yang jujur untuk keduanya adalah kalimat yang sama: tidak ada yang bisa dibeli. Perbedaannya adalah apa yang dapat Anda lakukan sambil menunggu. Odyssey-3, model dunia interaktif serius lainnya saat ini, setidaknya memungkinkan Anda mencoba demo di browser hari ini. Kedua produk ini tidak.

Angka dalam tabel milik Skyfall sendiri yang melemahkan kategori itu

Tersembunyi dalam hasil BIM adalah angka paling menarik yang diterbitkan oleh perusahaan mana pun di antara kedua perusahaan itu, dan itu bukan angka yang ada di judul.

Pada 1.000 denah lantai Skyfall, SKY-001 memperoleh IoU 43,6%. Gemini 3.8 Flash — model serbaguna tanpa pelatihan teknik dan tanpa model dunia konstruksi — memperoleh 42,3%. Itu selisih 1,3 poin, pada set uji milik spesialis itu sendiri, melawan model yang dapat dipanggil siapa saja hari ini. Perbedaan kecepatan dan biayanya nyata dan sangat besar: 1,22 detik versus 346,2 detik, $0,0024 versus $0,218 per denah. Tetapi jika keunggulan akurasi atas model frontier siap pakai hanya 1,3 poin IoU pada metrik yang mengabaikan kemudahan manufaktur, maka yang dijual SKY-001 adalah throughput, bukan penilaian. Itu produk yang sah — kemenangan latensi 280× adalah alur kerja yang berbeda — tetapi klaimnya jauh lebih sempit daripada "mengalahkan model frontier".

Yang membingkai ulang seluruh perbandingan. Genie 4 tidak bersaing dengan SKY-001. Keduanya bersaing dengan model umum yang sudah bisa Anda arahkan. Pipeline desain yang memanggil model frontier per kasus, dengan langkah validasi dan peninjau manusia, adalah baseline yang harus dikalahkan para spesialis ini, dan pada satu jalur ketika Skyfall menerbitkan kedua angka, baseline itu hanya terpaut 1,3 poin.

Baseline itulah bagian yang benar-benar bisa Anda rakit hari ini. Gemini 3.8 Flash ada di katalog kami sebagai google/gemini-3.8-flash, begitu pula GPT-6 Astra dan sisa jajaran terdepan lainnya, semuanya di balik satu API dengan harga daftar dari penyedia yang diteruskan pada markup 0%. OrcaRouter tidak menghosting Genie 4 atau SKY-001 — keduanya bukan endpoint yang dapat dialamatkan di mana pun — jadi arsitektur praktisnya adalah model yang dapat dirutekan untuk mengerjakan tugas sekarang, dengan failover antarpenyedia agar gangguan pada satu vendor tidak menghentikan satu batch, dan spesialis tersebut dimasukkan belakangan jika klaimnya terbukti saat diuji dengan gambar Anda sendiri.

Di mana keduanya sebenarnya tumpang tindih

Ada satu titik temu yang sesungguhnya: kedua model merencanakan.

Perencana Genie 4 adalah model Gemini terpisah dalam siklus. Model itu mengamati frame, memecah tujuan menjadi langkah-langkah, memeriksa kemajuan, dan merevisi. Perencana SKY-001 bersifat internal — model dunia konstruksi menentukan urutan keadaan dan penyusun hierarkis menentukan apa yang terurai menjadi apa. Dalam kedua kasus, rekayasa yang menarik bukanlah perender atau penghalusnya, melainkan logika pengurutan yang menentukan apa yang terjadi selanjutnya.

Kemiripan itu juga sebabnya perbandingan ini menyanjung keduanya. Model yang merencanakan rangkaian keadaan melakukan sesuatu yang lebih berguna daripada model yang menghasilkan satu artefak, dan kedua perusahaan mengetahui hal itu. Namun rangkaian-rangkaian itu tidak dapat dibandingkan secara setara. Yang satu adalah rangkaian penampakan, diperiksa terhadap apakah manusia menganggapnya masuk akal. Yang lain adalah rangkaian keadaan yang solid, diperiksa terhadap apakah ia tumpang tindih dengan geometri target. Kesepakatan di antara keduanya tidak mungkin terjadi karena tidak ada kebenaran dasar bersama untuk disepakati.

Siapa yang seharusnya menonton yang mana?

Jika Anda membuat film, game, atau pengalaman interaktif, Genie 4 adalah yang ada di roadmap Anda dan SKY-001 tidak relevan bagi Anda. Perhatikan resolusi, frame rate, dan ketentuan komersial; fitur audio sudah terdiferensiasi dan tidak perlu dibuktikan lagi.

Jika Anda membuat draf suku cadang atau bangunan, SKY-001 adalah yang perlu dilacak dan Genie 4 hanyalah keingintahuan. Pantau set pengujian yang dirilis, konektor Fusion yang sudah dikirim, dan harga. Sampai set pengujian itu ada, angka 79,7% adalah klaim tentang data Skyfall sendiri, dan selisih BIM 1,3 poin di atas Gemini 3.8 Flash menunjukkan bahwa keunggulan akurasi mungkin lebih kecil daripada yang disiratkan pemasaran.

Jika Anda membangun lapisan hilir salah satu produk — validator, orkestrator, alat tinjauan — posisi Anda lebih baik. Kedua model dibatasi aksesnya, keduanya tidak dapat direproduksi, dan keduanya akan memerlukan tepat infrastruktur dasar yang belum dibangun siapa pun: sesuatu yang mengambil urutan yang dihasilkan, memeriksanya terhadap spesifikasi, dan memutuskan apakah akan menerimanya. Lapisan itu dapat dibangun sekarang, terhadap model yang dapat Anda panggil hari ini, dan itu akan tetap menjadi bagian yang berguna ketika para spesialis merilis produknya.

Jebakan dalam kedua peluncuran itu adalah jebakan yang sama. Sebuah model dunia tampak mengesankan sebanding dengan seberapa mirip ia dengan kenyataan, dan tidak berguna sebanding dengan seberapa sulit untuk menentukan apakah ia memang mirip. Genie 4 tampak luar biasa dan tidak dapat diukur. SKY-001 dapat diukur, dan alat ukurnya adalah miliknya sendiri. Keduanya belum menjadi produk, dan delapan hari di antara pengumuman keduanya adalah satu-satunya hal yang membuat mereka tampak seperti rival.