Genie 4 vs Hunyuan3D WorldClaw：世界を映した動画か、それとも世界そのもののメッシュファイルか

一方はMP4を渡してきて、もう一方はシーングラフを渡してくる。比較はこれに尽きるし、他のすべてはそこから導かれる。Google DeepMindが2026年10月27日に発表したワールドモデル「Genie 4」は、フォトリアルで音声付き、テキストで操作可能な世界をリアルタイムに生成し、動画として見せる。テンセントのHunyuan3Dチームが2026年8月に公開した「Hunyuan3D WorldClaw」は、UnityやUnrealで開いてそのまま保持できる、明示的で個別に編集可能なテクスチャ付きメッシュを生成する。ショットが承認された時点で仕事が終わるなら、Genie 4のほうがより印象的な存在だ。ショットが承認されてから仕事が始まるなら、WorldClawだけが作業に使える何かを与えてくれる。

どちらも製品ではなく研究用の成果物であり、どちらもデモから想像されるより入手が難しい。しかし、失敗する方向性が異なり、どちらの失敗なら許容できるかを知ることが判断のすべてだ。

成果物テスト

セッションを経ても何が残るのかを問えば、その隔たりは具体的なものになる。

• 出力 — Genie 4 は、同期された生成オーディオ付きの生成ビデオフレームを返します。Hunyuan3D WorldClaw は、地形、マテリアル、配置されたオブジェクトを備えたテクスチャ付き3Dメッシュを返します。

• 編集性 — Genie 4はシミュレーションの実行中にプロンプトを与えることで編集され、WorldClawの出力はモデリングツール内で人間またはスクリプトによってジオメトリとして編集される。

• 下流での利用 — Genie 4 の出力は映像素材として利用され、WorldClaw の出力はゲームエンジン、レンダラー、または物理シミュレーターによって利用されます。

• 決定論性 — Genie 4 の実行はフレーム単位で再現できませんが、メッシュは同一のまま変わらないファイルです。

• オーディオ — Genie 4 ではネイティブ対応。WorldClaw のパイプラインには含まれません。

• アクセス — Genie 4 は制限付きの研究プレビューです。WorldClaw は論文であり、そのリポジトリにはまだ実行可能なコードは含まれていません。

動画モデルがバイラルになり、メッシュパイプラインが本番運用に入るのには理由がある。動画は誰でも5秒で理解できる。メッシュは、それを使って何をするか分かっている人にしか理解できず、その人はたいてい予算を握っている。

WorldClawの4つのステージが実際に果たすこと

WorldClawは単一のネットワークではない。それは「この一文から世界を構築して」という要求を4つの段階に分解するエージェント型パイプラインであり、その分解こそが貢献である。

第1段階は意図分析とシーン計画である。言語モデルエージェントが自由形式のプロンプトを解析し、領域、地形、オブジェクト、素材、空間関係を対象とする構造化された仕様に変換する。第2段階ではグローバル地形を生成する。すなわち、セマンティックレイアウトマップと領域対応ハイトフィールドを生成し、領域ごとに素材とアセットを割り当てる。第3段階では領域別オブジェクト生成を行う。地形条件付けされた2次元コンポジットをセグメンテーションし、各インスタンスを個別のテクスチャ付きメッシュに再構築し、それらのメッシュを地形上に配置する。第4段階はレンダリングベースの洗練である。視覚エージェントが複数の視点からシーンをレンダリングし、結果を検査して浮遊オブジェクト、相互貫入、スケールやポーズの誤りを見つけ、修正して再レンダリングする。組み立てはModel Context Protocolを介してBlenderで行われる。

最後のループこそが興味深いエンジニアリングだ。自分の出力を見ることのできない生成モデルはスロットマシンにすぎない。レンダリングし、検査し、修正するパイプラインはプロセスであり、大規模シーンで知覚される品質の大半は修正ステップから生まれる。なぜなら、配置された3Dアセットの故障モードは幾何学的で検出可能であり、美的で議論の余地があるものではないからだ。

論文自体の構成は、サードパーティ製モデルのスタックである。エージェントを駆動する Claude Opus 4.8、セグメンテーション用の GPT-Image-2 と SAM3D、再構成用の Hunyuan3D を備え、NVIDIA H20 GPU 4 基上で動作する。WorldClaw は、新しい生成モデルというよりも、既存の生成器の上に載るオーケストレーション層として理解するのが最適である。これは強みでもあり——構成要素が改善されれば WorldClaw も改善する——同時に脆さでもある。なぜなら、ある構成要素の挙動が少しでも変われば、パイプラインの出力が変わるからだ。

なぜMeshは動画よりも価値が高く、しかもコストも高いのか

世界の動画は、その世界についての主張でしかない。メッシュは世界そのものであり、少なくとも構築を始めるのに十分なだけの世界だ。その違いは、あらゆる下流の作業に現れる。コリジョン、オクルージョン、ライティング、物理、レベルデザイン、そして見通しが悪いという理由で建物をひとつ左に2メートル動かすといった、日常的な作業にまで。

それらの操作はいずれも、Genie 4 の出力に対しては可能ではありません。シミュレーションに変更を促すプロンプトを与えることはできますが、生成されるのは新しいフレーム群であり、それが念頭に置いていた制約に従うかどうかは保証されません。また、その変更は DeepMind が公表している 2 分間のコヒーレンスウィンドウを超えて持続することはありません。モデルはそうでないふりをしているわけではなく、公表されている用途はプレビジュアライゼーション、プロトタイピング、ロボット訓練であり、いずれも世界を土台に構築するのではなく消費するものです。

WorldClawのアプローチのコストも同じく明らかだ。4つのステージ、複数のエージェント、外部レンダラー、そしてBlenderでの往復を要するため、1ワールドあたり秒単位ではなく数分から数時間かかり、パイプラインはどの段階でも失敗しうる——セグメンテーションの誤りが不適切に配置されたオブジェクトとして伝播し、それをリファインメント段階が修正できることもあれば、できないこともある。Genie 4の失敗モードはより穏やかだ。ディテールのずれは煩わしいだけだが、建物が浮いているのは破綻している。

双方の可用性はデモが示唆するよりも悪い

どちらのモデルも今四半期に採用できるものではなく、その理由はそれぞれ異なります。

Genie 4は信頼できるテスター向けのリサーチプレビューです。Googleによると、AI UltraサブスクライバーはProject Genieを通じて利用できるようになり、早期アクセスパートナーは「今後数週間のうちに」Gemini APIとGoogle AI Studioを通じて利用できるようになるということです。順番待ちリストはあるものの、価格はなく、解像度やフレームレートも公表されておらず、商用条件もありません。

WorldClaw は、ある具体的な点で、まだ実用には程遠い。Tencent-Hunyuan/Hunyuan3D-WorldClaw のリポジトリには README とアセットが含まれているだけで、コードはない。コードの提供を求める声には回答がない。モデルの重みも API も価格設定もない。存在するのは論文、発表、そしていくつかのデモだけだ。

つまり、2026年10月下旬の実務家にとっての比較は、順番待ちリストと、まだ実行できないリポジトリの間の比較だ。これはどちらのチームをけなすものではない――論文がリリースに先立つのは当然だ――しかし、両者の間で「選べ」と言う記事は、現在の選択ではなく将来の調達について述べていることになる。

評価セクションから分かること

WorldClawの論文は、その出力をSynCity、MetaのWorldGen、MajutsuCity、World LabsのMarbleとの横並びの定性比較によって評価している。FIDやCLIPのスコアはなく、ユーザー調査もない。これは実際の限界であり、同時に誠実でもある。大規模な3Dシーンの品質は本当に評価が難しく、ある軸を高く評価する定量指標は他の軸を誤って表すことになる。

Genie 4 のローンチではベンチマークが一切公開されなかった——コヒーレンス窓が2倍になった以外に Genie 3 との比較もなく、解像度もフレームレートも示されていない。どちらの側も第三者に検証できる数字を出していない。すべてのベンダーが厳選されたデモを見せているこのカテゴリーでは、計測の欠如が共通の条件であり、そのことはどこで読む自信満々の断定にも——ここでの断定にも——慎重さを促すはずだ。

パイプラインそのものが製品になる場面

WorldClawで盗む価値がある部分は3D生成ではない——それはコンポーネントの積み重ねだ——が、そのパターンだ：言語モデルで計画し、専門の生成器で生成し、視覚モデルで検証し、修復し、繰り返す。そのパターンは今、制御可能な世界生成を望むあらゆるスタジオで再構築されており、それはほぼ完全にオーケストレーションの問題だ。

そこにインフラの課題が行き着きます。その形のパイプラインは、ワールドごとに少なくとも3つのモダリティにわたり数十回のモデル呼び出しを行い、どれか1回でも失敗すると実行全体が止まります。自動フェイルオーバー付きの単一エンドポイント経由で実行すれば、プロバイダの停止はジョブの喪失ではなくリトライになります。また、ルーティングDSLを使えば、高価なモデルを計画段階に固定し、より安価なモデルをオブジェクトごとの検証パスに固定できます。トークンの大半はそこに費やされるからです。それが私たちの構築するレイヤーです。200以上のモデルをまたぐ単一API、プロバイダのリスト価格をマークアップ0%でそのまま適用する仕組みであり、意図的にモデル非依存にしています。WorldClawのようなパイプラインの構成要素は、パイプライン自体が固まるまでに何度も交換されるからです。

どれを見るべきか

映画、プロトタイプ、トレーニング環境を作っていて、今四半期に何かが必要なら、Genie 4のアクセスに関する発表を追い、すでに呼び出せるモデルに対して周辺ツールをプロトタイプ化してください。音声と言語ステアリングは、この比較の中で他にない機能であり、2分の上限は設計で回避できる制約です。

ゲームやシミュレーション、アセットとして出荷するものを作っているなら、WorldClawの「形」こそがあなたにとって重要なものだ。まだそのコードは存在しないとしても。テンセントがそれを公開した瞬間、編集可能なメッシュをゲームエンジンへ出力するパイプラインは、千本の美しい動画よりも価値がある。なぜなら、動画は作業の終わりであり、メッシュはその始まりだからだ。