Genie 4 vs Hunyuan3D WorldClaw: 세계를 담은 영상인가, 세계의 메시 파일인가

이 둘 중 하나는 당신에게 MP4를 건네고, 다른 하나는 씬 그래프를 건넵니다. 비교는 그게 전부이며, 나머지는 모두 여기서 따라 나옵니다. 2026년 10월 27일 발표된 Google DeepMind의 월드 모델 Genie 4는 실시간으로 포토리얼하고 소리가 들리며 텍스트로 조종 가능한 세계를 생성해 영상으로 보여줍니다. 2026년 8월 Tencent의 Hunyuan3D 팀이 공개한 Hunyuan3D WorldClaw는 Unity나 Unreal에서 열어 보관할 수 있는, 명시적이고 개별적으로 편집 가능한 텍스처 메시를 만들어냅니다. 당신의 작업이 샷이 승인될 때 끝난다면, Genie 4가 더 인상적인 결과물입니다. 당신의 작업이 샷이 승인될 때 시작된다면, WorldClaw는 둘 중 당신이 작업할 수 있는 무언가를 제공하는 유일한 것입니다.

둘 다 제품이라기보다 연구 산출물이며, 둘 다 각자의 데모가 시사하는 것보다 입수하기가 더 어렵습니다. 하지만 둘은 서로 다른 방향으로 실패하며, 어떤 실패를 감수할 수 있는지 아는 것이 곧 결정의 전부입니다.

산출물 테스트

세션에서 무엇이 살아남는지 물어보면, 그 간극은 구체적인 것이 된다.

• 출력 — Genie 4는 동기화된 생성 오디오와 함께 생성된 비디오 프레임을 반환하고, Hunyuan3D WorldClaw는 지형, 재질 및 배치된 객체를 포함한 텍스처 처리된 3D 메시를 반환합니다.

• 편집 가능성 — Genie 4는 시뮬레이션이 실행되는 동안 프롬프트를 통해 편집되며, WorldClaw의 출력은 모델링 도구에서 사람이나 스크립트에 의해 지오메트리로 편집된다.

• 다운스트림 활용 — Genie 4의 출력은 영상 소재로 사용되고, WorldClaw의 출력은 게임 엔진, 렌더러 또는 물리 시뮬레이터에서 사용됩니다.

• 결정성 — Genie 4 실행은 프레임 단위로 재현되지 않지만, 메시는 동일하게 유지되는 파일입니다.

• 오디오 — Genie 4에서 기본 지원; WorldClaw 파이프라인에는 포함되지 않음.

• 접근성 — Genie 4는 제한된 연구 프리뷰이고, WorldClaw는 아직 실행 가능한 코드가 포함되지 않은 저장소가 함께 제공되는 논문입니다.

비디오 모델은 입소문을 타고 메시 파이프라인은 프로덕션에 투입되는 데는 이유가 있습니다. 비디오는 누구나 5초면 알아볼 수 있습니다. 메시는 그것으로 무엇을 할지 아는 사람만이 알아볼 수 있죠 — 그리고 그 사람은 보통 예산을 쥐고 있는 사람입니다.

WorldClaw의 네 단계는 실제로 무엇을 하는가

WorldClaw는 단일 네트워크가 아닙니다. 그것은 "이 문장으로 나에게 세계를 만들어 달라"는 요청을 네 단계로 분해하는 에이전트형 파이프라인이며, 바로 그 분해가 기여입니다.

첫 번째 단계는 의도 분석 및 장면 계획입니다: 언어 모델 에이전트가 개방형 프롬프트를 지역, 지형, 객체, 재질 및 공간 관계를 포괄하는 구조화된 사양으로 파싱합니다. 두 번째 단계는 전역 지형을 생성합니다 — 의미론적 레이아웃 맵과 지역 인식 높이 필드로, 재질과 자산은 지역별로 할당됩니다. 세 번째 단계는 지역 객체 생성을 수행합니다: 지형 조건화된 2차원 합성물을 분할하고, 각 인스턴스를 개별 텍스처 메시로 재구성한 뒤 해당 메시를 지형 위에 배치합니다. 네 번째 단계는 렌더 기반 개선입니다: 비전 에이전트가 여러 시점에서 장면을 렌더링하고, 결과에서 떠 있는 객체, 상호 관통, 스케일 및 포즈 오류를 검사하고 수정한 후 다시 렌더링합니다. 조립은 Model Context Protocol을 통해 Blender에서 이루어집니다.

그 마지막 루프야말로 흥미로운 엔지니어링입니다. 자신의 출력을 볼 수 없는 생성 모델은 슬롯머신입니다. 렌더링하고, 검사하고, 교정하는 파이프라인은 프로세스이며, 교정 단계는 대규모 장면에서 체감 품질의 대부분이 나오는 곳입니다. 배치된 3D 에셋의 실패 모드는 기하학적이어서 탐지 가능한 반면, 미학적이어서 논쟁의 여지가 있는 것은 아니기 때문입니다.

논문의 자체 설정은 서드파티 모델들을 쌓아 올린 구조다. Claude Opus 4.8이 에이전트를 구동하고, GPT-Image-2와 SAM3D가 분할을, Hunyuan3D가 재구성을 담당하며, 네 대의 NVIDIA H20 GPU에서 실행된다. WorldClaw는 새로운 생성 모델이라기보다 기존 생성기들 위에 얹힌 오케스트레이션 계층으로 이해하는 것이 가장 정확하다. 이는 강점이자 취약점인데, 구성 요소들이 개선되면 함께 개선되는 반면, 구성 요소의 동작이 조금이라도 바뀌면 파이프라인의 출력이 달라지기 때문이다.

메시가 비디오보다 더 가치 있지만 더 많은 비용이 드는 이유

세계를 담은 영상은 그 세계에 대한 하나의 주장이다. 메시는 그 세계 자체이며, 적어도 만들기 시작하기에 충분한 만큼의 세계다. 그 차이는 모든 후속 작업에서 드러난다: 충돌, 오클루전, 조명, 물리, 레벨 디자인, 그리고 시야선이 잘못되어 건물 하나를 왼쪽으로 2미터 옮기는 일상적인 작업까지.

그런 작업 중 어느 것도 Genie 4의 출력에서는 가능하지 않습니다. 시뮬레이션에 변경을 프롬프트할 수 있고, 그러면 염두에 둔 제약을 존중할 수도 있고 아닐 수도 있는 새 프레임 세트를 생성하지만, 그 변경은 DeepMind가 언급한 2분 일관성 창을 넘어 지속되지 않습니다. 모델은 그와 다르게 가장하지 않습니다. 모델이 밝힌 사용 사례는 사전 시각화, 프로토타이핑, 로봇 훈련이며, 이들은 모두 세계를 구축하기보다 소비합니다.

WorldClaw 접근 방식의 비용도 마찬가지로 분명하다. 네 단계, 여러 에이전트, 외부 렌더러, 그리고 Blender 왕복 작업은 세계당 몇 초가 아니라 몇 분에서 몇 시간이 걸린다는 뜻이며, 파이프라인은 어느 단계에서든 실패할 수 있다 — 분할 오류는 잘못 배치된 객체로 전파되고, 정제 단계에서 고칠 수도 있고 고치지 못할 수도 있다. Genie 4의 실패 양상은 더 완만하다: 세부 요소가 떠다니는 것은 성가신 일이지만, 건물이 떠 있는 것은 고장 난 것이다.

양측의 가용성은 데모에서 시사하는 것보다 더 나쁘다

어느 모델도 이번 분기에 도입할 수 있는 것이 아니며, 그 이유는 각기 다릅니다.

Genie 4는 신뢰할 수 있는 테스터를 위한 리서치 프리뷰입니다. Google은 AI Ultra 구독자는 Project Genie를 통해 이를 이용할 수 있고, 얼리 액세스 파트너는 "향후 몇 주 안에" Gemini API와 Google AI Studio를 통해 이용하게 될 것이라고 말합니다. 대기 명단이 있으며, 가격도, 공개된 해상도나 프레임 레이트도, 상업적 조건도 없습니다.

WorldClaw는 한 가지 구체적인 측면에서 사용 가능성과 더 거리가 멉니다. Tencent-Hunyuan/Hunyuan3D-WorldClaw의 저장소에는 코드가 아니라 README와 에셋이 들어 있습니다. 코드 요청에는 아직 답변이 없습니다. 가중치도, API도, 가격도 없습니다. 존재하는 것은 논문과 발표, 그리고 일련의 데모뿐입니다.

그래서 2026년 10월 말 실무자에게 주어진 비교는 대기자 명단과 실행되지 않는 저장소 사이의 비교입니다. 그것은 어느 팀을 깎아내리는 말은 아닙니다 — 논문이 공개보다 앞서는 법이니까요 — 하지만 둘 중 하나를 '선택하라'고 말하는 어떤 기사든 현재의 선택이 아니라 미래의 도입을 설명하고 있다는 뜻입니다.

평가 섹션이 알려 주는 것

WorldClaw의 논문은 SynCity, Meta의 WorldGen, MajutsuCity, World Labs의 Marble과 나란히 비교하는 정성적 비교를 통해 자체 출력을 평가한다. FID나 CLIP 점수도 없고 사용자 연구도 없다. 이는 실제 한계이면서 동시에 정직한 태도이기도 하다. 대규모 3D 장면 품질은 점수를 매기기가 정말 어렵고, 한 축만 보상하는 정량적 지표는 다른 축들을 왜곡할 수 있기 때문이다.

Genie 4의 출시에는 벤치마크가 전혀 공개되지 않았다 — 일관성 윈도우가 두 배로 늘어난 것 외에 Genie 3와의 비교도, 해상도도, 프레임 레이트도 없었다. 어느 쪽도 외부에 검증할 수 있는 수치를 내놓지 않았다. 모든 벤더가 선별된 데모를 보여주는 이 분야에서 측정의 부재는 공통된 조건이며, 이는 어디서 읽든 — 여기를 포함해 — 접하는 자신감 있는 결론을 누그러뜨려야 한다.

파이프라인 자체가 제품이 되는 곳

WorldClaw에서 가져다 쓸 가치가 있는 부분은 3D 생성이 아니라 — 그것은 구성 요소의 집합체일 뿐이다 — 패턴이다. 즉, 언어 모델로 계획하고, 전문가 모델로 생성하고, 비전 모델로 검증하고, 수리하고, 반복하는 것이다. 그 패턴은 통제 가능한 세계 생성을 원하는 모든 스튜디오에서 지금 다시 구축되고 있으며, 그것은 거의 전적으로 오케스트레이션 문제다.

인프라 문제가 귀결되는 지점이 바로 여기입니다. 그런 형태의 파이프라인은 월드당 수십 번의 모델 호출을 최소 세 가지 모달리티에 걸쳐 수행하며, 호출 하나만 실패해도 실행 전체가 멈춥니다. 자동 페일오버가 있는 단일 엔드포인트를 통해 실행한다는 것은 공급자 지연이 작업 손실이 아니라 재시도로 처리된다는 뜻이고, 라우팅 DSL을 사용하면 비싼 모델을 계획 단계에, 더 저렴한 모델을 객체별 검증 패스에 고정할 수 있는데, 토큰 대부분이 바로 그 검증 패스에서 소모됩니다. 그것이 우리가 구축하는 계층입니다 — 200개 이상의 모델에 걸친 하나의 API, 공급자 목록 가격을 0% 마크업으로 그대로 전달 — 그리고 이 계층은 의도적으로 모델에 구애받지 않습니다. WorldClaw 같은 파이프라인의 구성 요소들은 파이프라인 자체가 안정되기 전에 여러 번 교체될 것이기 때문입니다.

어느 것을 볼까

영화, 프로토타입 또는 교육 환경을 만들면서 이번 분기에 필요한 것이 있다면 Genie 4의 액세스 공지 사항을 팔로우하고, 이미 호출할 수 있는 모델을 대상으로 주변 툴링을 프로토타이핑하세요. 오디오와 언어 스티어링은 이 비교에서 다른 어떤 것도 갖지 못한 기능이며, 2분 제한은 설계로 대응할 수 있는 제약입니다.

게임, 시뮬레이션 또는 에셋으로 출시되는 무엇이든 만든다면, 아직 코드가 존재하지 않더라도 당신에게 중요한 것은 바로 WorldClaw의 형태입니다. Tencent가 이를 출시하는 순간, 편집 가능한 메시를 게임 엔진으로 출력하는 파이프라인은 수천 개의 아름다운 영상보다 더 가치가 있습니다. 영상은 작업의 끝이고 메시는 작업의 시작이기 때문입니다.