Genie 4 vs CARI4D: de ene genereert een wereld, de andere lost een video op

Het enige wat Genie 4 en CARI4D betrouwbaar gemeen hebben, is een label. Genie 4, aangekondigd door Google DeepMind op 27 oktober 2026, is een generatief wereldmodel: je beschrijft een scène, stuur die bij in natuurlijke taal, en het produceert een paar minuten lang video met gesynchroniseerde audio. CARI4D, de reconstructiemethode van NVIDIA Research voor CVPR 2026, gaat de andere richting op. Het neemt een monoculaire video van een persoon die een object hanteert en levert de pose van die persoon, de trajectorie met zes vrijheidsgraden van het object en twee handcontact-scores voor elk frame. De ene bedenkt een plausibele wereld. De andere meet een echte. Zet ze naast elkaar en de nuttige vraag is niet langer "welke is beter", maar "welke kant mijn probleem op wijst".

De verwarring is begrijpelijk, omdat beide producten onder "4D" worden ondergebracht en beide iets produceren dat door de tijd beweegt. Maar een generator en een reconstructiemethode zijn geen concurrerende implementaties van dezelfde taak; ze falen op tegengestelde manieren en ze worden door verschillende mensen gekocht. Genie 4 kan een overtuigende straat bedenken die nooit heeft bestaan, en kan je niet vertellen waar iets in die straat zich eigenlijk bevindt. CARI4D kan je tot op de frame nauwkeurig vertellen hoe een hand zich rond een ketel sloot, en kan geen ketel bedenken die het niet heeft gezien. Hieronder worden de twee modellen onderscheiden door wat ze opnemen, wat ze teruggeven en wat elk van hen structureel niet kan.

Wat Genie 4 retourneert: een sessie, geen scènebestand

Het eerste dat je over Genie 4 moet begrijpen, is dat zijn output in realtime wordt gebruikt en niet als geometrie de sessie overleeft. Googles eigen beschrijving is een wereld die je in beweging zet en stuurt: verplaats de camera, verander het weer, voeg een personage toe, en een Gemini-model past de instructie aan bij wat al op het scherm staat. De frames worden autoregressief gegenereerd, en daarom wordt coherentie gemeten in seconden en minuten, niet in scènecomplexiteit.

De toevoegingen ten opzichte van Genie 3 zijn degenen die elke krantenkop oppikte. Audio wordt native gegenereerd — omgevingsgeluid, muziek en interactieve dialoog — en niet daarna toegevoegd. Sturing gebeurt live, niet via een prompt die de wereld herstart. En het coherentievenster wordt gemeld op ongeveer twee minuten, twee keer zo lang als zijn voorganger, hoewel Google's blog alleen "korte sessies" vermeldt en het cijfer van twee minuten uit de lanceerbriefings komt.

Wat ontbreekt, is net zo belangrijk. Er is geen mesh-export, geen scene graph, geen camerabaan, geen dieptebuffer en geen manier om de gegenereerde wereld naar Blender, Unity of Unreal te krijgen. Een studio die een shot wil blocken, kan toekijken hoe Genie 4 dat doet, maar kan het resultaat niet aan een pipeline overdragen. Er is ook geen gepubliceerde resolutie, framesnelheid, modelgrootte, benchmark of prijs, en toegang is een beperkte pool van trusted testers met een openbare wachtlijst — AI Ultra-abonnees via Project Genie en partners met vroege toegang tot de Gemini API krijgen "binnenkort" toegang, zonder datum.

Google benoemt de faalmodi, wat meer is dan de meeste lanceringsposts doen: detail en objectpersistentie driften bij langere sessies en na herhaalde bewerkingen, ruimtelijke nauwkeurigheid is niet perfect, tekst in de wereld is vaak onleesbaar en audiokauwkeurigheid is onopgelost. Alle uitvoer bevat een SynthID-watermerk. Voor een previsualisatietool zijn die beperkingen te overleven. Voor alles waarvoor een meting nodig is, zijn ze diskwalificerend.

Wat CARI4D retourneert: poses, trajectorieën en contact

CARI4D is een pipeline, geen enkel netwerk, en zijn uitvoer is bewust beperkt. Gegeven een monoculaire RGB-video reconstrueert het de mens met een parametrisch lichaamsmodel, reconstrueert het de mesh van het gemanipuleerde object vanaf het eerste frame, plaatst beide op metrische schaal en volgt ze door de sequentie. De geleerde component die de correctie uitvoert, is CoCoNet, een render-and-compare-transformer die de huidige schatting neemt, deze rendert in RGB, diepte en maskers, en per frame posecorrecties regresseert plus één contact-logit per hand.

De afhankelijkheden staan expliciet vermeld in het repository: UniDepth voor metrische diepte, NLF voor menselijke pose, Hunyuan3D voor de mesh van het object, FoundationPose voor het zoeken en volgen van poses, en CoCoNet voor de correctiepass. Dat is belangrijk wanneer je het budget voor de deployment bepaalt, omdat elk daarvan een afzonderlijke checkpoint is met een eigen licentie en een eigen hardwareprofiel.

CARI4D wordt in twee vormen aangeboden. Het onderzoekscheckpoint, nvidia/CARI4D, is uitsluitend gemarkeerd voor onderzoek en ontwikkeling en verwijst naar arXiv 2512.11988, gepubliceerd op 12 december 2025. Een commerciële variant, cari4d_commercial, omvat NVIDIA's Momentum Human Rig en valt onder de NVIDIA Open Model Agreement. Geen van beide wordt door enige inferentieprovider op Hugging Face geïmplementeerd, dus "beschikbaar" betekent gewichten plus een Docker-opstelling plus een NVIDIA-GPU, niet een endpoint. Er is geen openbare leaderboardrij en geen onafhankelijke reproductie; het numerieke bewijs bestaat uit de eigen ablations in het CVPR-artikel op BEHAVE, wat door de leverancier geproduceerd onderzoek is.

De vergelijking, dimensie voor dimensie

• Invoer — Genie 4 neemt een tekstbeschrijving plus live stuurinstructies; CARI4D neemt een monoculaire RGB-video die al bestaat.

• Uitvoer — Genie 4 levert gegenereerde video en audio op, gestreamd in een sessie; CARI4D levert per frame de menselijke pose en vorm, rotatie en translatie van objecten, en logits voor handcontact.

• Grounding — Genie 4 is aannemelijk maar niet gegrond; niets in de uitvoer komt overeen met een gemeten coördinaat. CARI4D is metrisch en herstelt de schaal via diepteschatting en posezoekopdracht tegen de waargenomen frames.

• Persistentie — De wereld van Genie 4 eindigt wanneer de sessie eindigt en kan niet worden geëxporteerd. De output van CARI4D is een datastructuur die je kunt opslaan, opnieuw renderen en vergelijken.

• Audio — Genie 4 genereert het, inclusief dialoog; CARI4D heeft geen audio en modelleert geen geluid.

• Toegang — Genie 4 is alleen op uitnodiging en heeft geen prijs; CARI4D bestaat uit downloadbare gewichten met een onderzoekslicentie en een commerciële variant onder NVIDIA's overeenkomst.

• Bewijs — Genie 4 heeft demo's en claims van leveranciers, geen gepubliceerde benchmark; CARI4D heeft een peer-reviewed paper, door de leverancier uitgevoerde ablaties en geen reproductie door derden.

De overlap die bestaat, en degene die niet bestaat.

De verleidelijke compositie is om CARI4D te gebruiken om een echte interactie te reconstrueren en vervolgens Genie 4 te gebruiken om variaties daarvan te bedenken. Op papier ziet de overdracht er natuurlijk uit: CARI4D produceert een metrisch gegronde scène van mens en object, en Genie 4 produceert alternatieve uitkomsten. In de praktijk bestaat er geen interface tussen beide. Genie 4 accepteert tekst en sturing als invoer, niet een gereconstrueerde scène, een mesh of een posetrack. Niets dat door een van beide teams is gepubliceerd beschrijft het invoeren van de een in de ander, en het feit dat beide uitvoer er op een schermafbeelding driedimensionaal uitziet, maakt ze nog niet tot compatibele formaten.

De overlap die er wel is, is smaller en nuttiger: beide zijn hulpmiddelen om te redeneren over wat er als volgende gebeurt in een fysieke scène. CARI4D geeft je de waargenomen dynamiek — contact, greep, trajectorie — precies het soort signaal dat een robot-learning-pipeline nodig heeft om demonstraties te labelen. Genie 4 geeft je counterfactuals, wat een policy nodig heeft om situaties te oefenen die het niet heeft vastgelegd. Een lab dat embodied data opbouwt, zou beide plausibel kunnen gebruiken, op verschillende zijden van dezelfde dataset, zonder dat een van beide modellen ooit met het andere communiceert.

De faalmodi zijn eveneens spiegelbeelden van elkaar. Genie 4 kan een verkeerd object prachtig weergeven en er in de loop van twee minuten van wegdrift. CARI4D kan een slecht gevormd object nauwkeurig door een hele video volgen en je toch een matig mesh geven, omdat zijn metrische gegevens over pose en contact gaan en niet over oppervlaktegetrouwheid. Geen van beide modellen lost de zwakte van het andere op.

Wat je deze week daadwerkelijk kunt uitvoeren

CARI4D is de variant met een pad naar uitvoering. De gewichten zijn openbaar, de Docker-image bestaat en een GPU van de A100-klasse is het gedocumenteerde doel. Het is nog steeds een onderzoekspipeline met een paper om te lezen en meerdere externe checkpoints die moeten worden samengesteld, maar een team met de hardware kan het deze week al draaien. Genie 4 is de variant met een wachtlijst.

Het loont om direct te zijn over onze eigen catalogus: OrcaRouter herbergt geen van beide modellen. CARI4D is een onderzoekspijplijn voor reconstructie zonder enig gehost endpoint, en Genie 4 heeft geen openbare API om te routeren. Wat wij wel routeren, is deel van de redeneerlaag die Google rond Genie 4 heeft gebouwd — Gemini 3.8 Flash, het model dat gegenereerde frames bekijkt en opnieuw plant, en Gemini Robotics ER 1.6 preview — via één API over 200+ modellen, met de lijstprijzen van providers doorgegeven tegen 0% markup en automatische failover tussen providers. Als je eigenlijke taak is om vragen over een video te stellen, eerder dan hem te reconstrueren of er een te genereren, is een gehost multimodaal model het goedkopere antwoord, en daarvoor is geen uitnodiging nodig.

Voor alle anderen komt de beslissing neer op één zin per geval. Als de video al bestaat en je moet weten wat de persoon en het object deden, is CARI4D van de twee de enige die de vraag beantwoordt. Als de wereld nog niet bestaat en je wilt zien hoe hij beweegt, is Genie 4 de enige die je dat kan laten zien — zodra iemand je binnenlaat.