Genie 4 vs ABot-Earth 0.7: jeden symuluje miejsce, drugi odtwarza prawdziwe

Postaw oba żądania obok siebie, a różnica jest natychmiastowa. Poproś Genie 4 o deszczową ulicę o zmierzchu, a otrzymasz ulicę, która nigdy nie istniała, wyrenderowaną jako piksele, sterowalną tekstem i utrzymującą spójność przez około dwie minuty. Poproś ABot-Earth 0.7 o tę samą ulicę, a zapyta, o którą ulicę chodzi — albo pobierze zdjęcie satelitarne takiej ulicy — po czym zrekonstruuje tę konkretną lokalizację jako geometrię 3D do eksploracji w około dziesięć minut na pojedynczej konsumenckiej karcie graficznej. Oba nazywa się modelami świata i odpowiadają na różne pytania: jak miejsce mogłoby wyglądać kontra jak wygląda to miejsce.

Ta różnica przesądza o niemal każdym praktycznym porównaniu między nimi. Genie 4, ogłoszony przez Google DeepMind 27 października 2026 r., jest generatywnym symulatorem scen, które nie istnieją. ABot-Earth 0.7, wydany przez Amap — dział map i nawigacji Alibaby — 10 września 2026 r., jest silnikiem rekonstrukcji miast, które istnieją. Żaden nie czyni drugiego zbędnym, a błędny wybór będzie cię kosztować miesiące.

Dwie prośby, wyrażone wprost

Genie 4 przyjmuje polecenie lub początkową klatkę, a także dane wejściowe z klawiatury i kamery, i generuje przypominający wideo świat w czasie rzeczywistym. Sterujesz nim za pomocą języka w trakcie symulacji: zmień pogodę, przesuń kamerę, wprowadź postać. Generuje dźwięk natywnie — dźwięki otoczenia, muzykę i dialogi z postaciami, które reagują w scenie — i pozostaje spójny przez około dwie minuty, zanim szczegóły zaczną się rozmywać. To badawcza wersja zapoznawcza dla zaufanych testerów, a jako następni dołączą subskrybenci Google AI Ultra i partnerzy z wczesnym dostępem do Gemini API.

ABot-Earth 0.7 przyjmuje zgeoreferencjonowany obraz satelitarny lub opis tekstowy lokalizacji i tworzy scenę 3D Gaussian splatting tego miasta — ulice, budynki, teren — którą można następnie eksplorować. Amap pozycjonuje go jako pierwszy natywnie 3D model świata miejskiego, zdolny do ciągłego generowania od skali planety aż po poziom ulicy, w 196 krajach i regionach. Jest dostarczany w produktach konsumenckich Amap: Flying Street View 2.0, Navigation Live oraz funkcji nawigacji, którą firma nazywa Avoid-Pitfall Guide.

Przeczytaj ponownie te dwa akapity i zauważ, czego w każdym z nich brakuje. Wynik Genie nie zawiera geografii, współrzędnych ani gwarancji, że budynek po lewej stronie to budynek, który faktycznie tam stoi. Wynik ABot-Earth nie zawiera narracji, postaci, dźwięku ani możliwości stania się miejscem, które nie jest jeszcze miejscem.

Piksele, które oglądasz, geometria, po której chodzisz

Format wyjściowy to najgłębsza różnica techniczna i ta, która najprawdopodobniej przesądzi o Twojej odpowiedzi.

• Wyjście — Genie 4 tworzy wygenerowane klatki wideo z zsynchronizowanym wygenerowanym dźwiękiem; ABot-Earth 0.7 tworzy splaty gaussowskie 3D, jawną reprezentację sceny.

• Sterowalność — Genie 4 jest sterowany językiem naturalnym w czasie działania; ABot-Earth 0.7 jest sterowany wyborem lokalizacji na etapie generowania.

• Prawda geograficzna — Genie 4 z założenia nie ma jej wcale; ABot-Earth 0.7 jest zakotwiczony w rzeczywistej współrzędnej.

• Audio — natywne i generatywne w Genie 4; nie jest funkcją ABot-Earth 0.7.

• Czas do uzyskania użytecznej sceny — sekundy generowania na Genie 4, około dziesięciu minut na kilometr kwadratowy na ABot-Earth 0.7.

• Limit koherencji — około dwóch minut symulacji bez dryfu na Genie 4; statyczna rekonstrukcja, która nie wygasa.

Splaty gaussowskie mają tu znaczenie z powodu, który nie ma nic wspólnego z jakością wizualną. Splat to scena, przez którą można przemieszczać kamerę, bez konieczności wymyślania przez model części, na które nie patrzyłeś — ponieważ zostały uchwycone, a nie wyobrażone. Genie 4 ma przeciwną właściwość: wszystko poza kadrem jest generowane na żądanie, a Google przyznaje, że trwałość obiektów dryfuje, co oznacza, że pokój, z którego wyszedłeś, może nie być pokojem, do którego wrócisz.

Twierdzenie o skali, przetłumaczone

Liczby podawane przez Amap są duże i deklarowane przez dostawcę, więc należy je tak odczytywać. Firma twierdzi, że jeden kilometr kwadratowy miasta zajmuje około dziesięciu minut na jednym GPU klasy konsumenckiej, że jest to nawet 1000 razy szybciej niż tradycyjna rekonstrukcja fotogrametryczna i że kosztuje to około jednej setnej tego kosztu. Objęcie 196 krajów to deklaracja zasięgu dotycząca danych wejściowych, a nie twierdzenie, że każde z tych miejsc zostało zrekonstruowane.

Liczbę 1,000× należy traktować ostrożnie. Tradycyjne procesy rekonstrukcji — loty dronem, fotogrametria, ręczne czyszczenie — zajmują dni i wymagają ekipy geodezyjnej, więc porównywanie z nimi to zestawianie jednego etapu generowania z całą operacją terenową. W zestawieniu z innymi metodami rekonstrukcji neuronowej różnica będzie znacznie mniejsza. Obronić można kształt tego twierdzenia: wygenerowanie kilometra miasta w dziesięć minut na sprzęcie, który być może już posiadasz, to zupełnie inna kategoria dostępności niż wynajęcie ekipy geodezyjnej.

Genie 4 nie podaje żadnych porównywalnych danych liczbowych. Nie ma rozdzielczości, liczby klatek na sekundę, wskaźnika opóźnienia ani podanego kosztu. Nie można zestawić jego przepustowości z przepustowością Amap, co samo w sobie jest wnioskiem: model, który nie podaje liczby klatek na sekundę, nie konkuruje jeszcze na warunkach produkcyjnych.

Dostępność to punkt, w którym porównanie staje się uczciwe

Oba te modele mają ograniczony dostęp, i to w różny sposób, który ma znaczenie.

Genie 4 to badawcza wersja zapoznawcza dla zaufanych testerów, z publiczną listą oczekujących i obietnicą szerszego dostępu „w nadchodzących tygodniach” poprzez AI Ultra i Gemini API. Nie ma ceny, limitu zapytań, SLA ani warunków użytkowania dla komercyjnych wyników. Jeśli jesteś studiem, nie możesz na tym opierać planów; możesz jedynie obserwować.

ABot-Earth 0.7 wypada gorzej dla zewnętrznego dewelopera, mimo że jest starszy. Nie ma publicznych wag, karty modelu, API, cennika ani dokumentacji dla deweloperów. Strona doświadczalna jest dostępna wyłącznie w uproszczonym chińskim, a generowanie odbywa się tylko na zaproszenie. To funkcja produktu w aplikacjach konsumenckich Amap, którą firma zdecydowała się opisywać jako model świata, a nie platformę, na której można budować.

Zatem szczera odpowiedź na pytanie „z którego mogę korzystać?” brzmi: dziś z żadnego — bez relacji z dostawcą. Różni się kierunek, w którym to zmierza. Google wskazało kanały — AI Ultra, Gemini API, AI Studio — i podało harmonogram w tygodniach. Amap wskazało własne aplikacje.

W czym każdy z nich jest naprawdę dobry

Wartość Genie 4 tkwi w światach, które nie mogą być rzeczywiste. Prewizualizacja filmowa, w której chodzi o przetestowanie języka kamery, zanim powstanie plan zdjęciowy. Prototypowanie gier, gdzie chcesz zbadać mechanikę w przestrzeni, której nie zbudował żaden artysta. Robotyka i trenowanie agentów, gdzie własne demo Google połączyło Genie 4 z Gemini 4 Argon, aby rozłożyć zadania dla humanoida Apptronik Apollo — symulacja jest przestrzenią prób, a przestrzeń prób jest tym bardziej użyteczna, im mniej przypomina konkretną ulicę.

Wartość ABot-Earth 0.7 tkwi w światach, które muszą być prawdziwe. Produkty nawigacyjne, w których zły budynek to zły zakręt. Planowanie urbanistyczne, gdzie pytanie brzmi, jak proponowana inwestycja wpływa na linię widzenia. Ubezpieczenia i inspekcje, gdzie rezultat musi odpowiadać adresowi. Wszędzie tam, gdzie zdanie „to nie jest to, na co wygląda” jest porażką, a nie twórczym wyborem.

Istnieje oczywista hybryda, której żadna z tych firm nie wdrożyła: wykorzystać rekonstrukcję do ustalenia geometrii i geografii, a następnie użyć modelu generatywnego, aby zmienić jej styl, zmienić panującą w niej pogodę, zaludnić ją lub przeprowadzić przez nią kamerę w sposób, którego materiał z nagrania nigdy nie obejmował. Amap ma geometrię, ale nie ma warstwy generatywnej. Google ma warstwę generatywną, ale nie ma geografii. Kto połączy te dwie połowy, ten będzie właścicielem następnej wersji tej kategorii.

Czego by trzeba było, aby wybrać

Jeśli Twoja praca wymaga konkretnej rzeczywistej lokalizacji, ABot-Earth 0.7 jest jedynym z tych dwóch, który może Ci ją podać, i powinieneś rozpocząć rozmowę z Amap już teraz, zamiast czekać na program dla deweloperów, który może nigdy nie zostać otwarty.

Jeśli Twoja praca wymaga wiarygodnego miejsca, które nie istnieje, z dźwiękiem i reżyserią na żywo, Genie 4 jest mocniejszą możliwością, ale słabszym produktem — listą oczekujących i obietnicą. Rozsądnym krokiem jest prototypowanie otaczającego pipeline'u względem czegoś, co możesz wywołać już dziś, i podmiana modelu świata, gdy dostęp nadejdzie. W naszym przypadku oznacza to zbudowanie połowy pętli odpowiedzialnej za planistę i weryfikator na routowalnych endpointach LLM — jedno API, 0% narzutu względem cenników dostawców, automatyczne przełączanie awaryjne między dostawcami — ponieważ ta połowa to część, która nie zmieni się wraz ze zmianą modelu świata.

Pokusa jest taka, żeby zapytać, który model jest lepszy. Przydatne pytanie jest węższe: czy twój świat musi gdzieś być? Genie 4 mówi, że nie, i daje ci kamerę. ABot-Earth 0.7 mówi, że tak, i daje ci współrzędne. Niemal każda inna różnica między nimi wynika z tej jednej odpowiedzi.