Genie 4 vs CARI4D: jeden generuje świat, drugi rozwiązuje wideo

Jedyną rzeczą, którąGenie 4 i CARI4D wiarygodnie łączy, jest etykieta. Genie 4, ogłoszony przez Google DeepMind 27 października 2026 r., jest generatywnym modelem świata: opisujesz scenę, sterujesz nią w języku naturalnym, a on generuje kilkuminutowy film z synchronizowanym dźwiękiem. CARI4D — opracowana przez NVIDIA Research metoda rekonstrukcji z CVPR 2026 — działa w przeciwnym kierunku. Przyjmuje monokularowy film wideo przedstawiający osobę manipulującą obiektem i zwraca pozę tej osoby, trajektorię obiektu w sześciu stopniach swobody oraz dwa wyniki kontaktu dłoni dla każdej klatki. Jeden wynajduje prawdopodobny świat. Drugi mierzy rzeczywisty. Zestaw je ze sobą, a użyteczne pytanie przestaje brzmieć „który jest lepszy”, a zaczyna brzmieć „w którą stronę zwrócony jest mój problem”.

To zamieszanie jest zrozumiałe, ponieważ oba produkty są klasyfikowane jako „4D” i oba wytwarzają coś, co porusza się w czasie. Jednak generator i metoda rekonstrukcji nie są konkurencyjnymi implementacjami tego samego zadania; zawodzą w przeciwny sposób i są kupowane przez różnych ludzi. Genie 4 potrafi wymyślić przekonującą ulicę, która nigdy nie istniała, i nie potrafi powiedzieć, gdzie faktycznie znajduje się cokolwiek na niej. CARI4D potrafi powiedzieć z dokładnością do klatki, jak dłoń zacisnęła się wokół czajnika, i nie potrafi wymyślić czajnika, którego nie widział. Poniżej dwa modele różnią się pod względem tego, co przyjmują na wejściu, co oddają, oraz tego, czego każdy z nich strukturalnie nie potrafi zrobić.

Co zwraca Genie 4: sesję, a nie plik sceny

Pierwszą rzeczą, którą trzeba zrozumieć w przypadku Genie 4, jest to, że jego dane wyjściowe są wykorzystywane w czasie rzeczywistym i nie przetrwają sesji jako geometria. Własny opis Google przedstawia to jako świat, który wprawiasz w ruch i którym sterujesz: przesuń kamerę, zmień pogodę, dodaj postać, a model Gemini dostosowuje instrukcję do tego, co już jest na ekranie. Klatki są generowane autoregresywnie, dlatego spójność mierzy się w sekundach i minutach, a nie w złożoności sceny.

Nowości względem Genie 3 to te, które podchwyciły wszystkie nagłówki. Dźwięk jest generowany natywnie — dźwięki otoczenia, muzyka i interaktywny dialog — zamiast być dodawany później. Sterowanie odbywa się na żywo, a nie przez prompt, który restartuje świat. Podaje się też, że okno spójności wynosi około dwóch minut, czyli dwa razy więcej niż u poprzednika, choć blog Google mówi tylko o „krótkich sesjach”, a liczba dwóch minut pochodzi z briefingów premierowych.

To, czego brakuje, ma równie duże znaczenie. Nie ma eksportu siatki, grafu sceny, ścieżki kamery ani bufora głębi, nie ma też sposobu, by przenieść wygenerowany świat do Blender, Unity lub Unreal. Studio, które chce zablokować ujęcie, może obejrzeć, jak robi to Genie 4, ale nie może przekazać wyniku do pipeline'u. Nie podano również rozdzielczości, liczby klatek na sekundę, rozmiaru modelu, wyników testów porównawczych ani ceny; dostęp odbywa się przez ograniczoną grupę zaufanych testerów z publiczną listą oczekujących — subskrybentom AI Ultra przez Project Genie oraz partnerom wczesnego dostępu Gemini API obiecano „wkrótce”, bez podania daty.

Google rzeczywiście wymienia tryby awarii, co jest czymś więcej, niż robi większość wpisów o premierze: szczegółowość i stałość obiektów dryfują podczas dłuższych sesji oraz po wielokrotnych edycjach, dokładność przestrzenna jest niedoskonała, tekst w obrębie świata często jest nieczytelny, a dokładność audio pozostaje nierozwiązana. Cały wynik nosi znak wodny SynthID. W przypadku narzędzia do wstępnej wizualizacji te zastrzeżenia są do zaakceptowania. W przypadku wszystkiego, co wymaga pomiaru, są one dyskwalifikujące.

Co zwraca CARI4D: pozy, trajektorie i kontakt

CARI4D to pipeline, a nie pojedyncza sieć, a jego dane wyjściowe są celowo wąskie. Mając monokularne wideo RGB, rekonstruuje człowieka za pomocą parametrycznego modelu ciała, rekonstruuje siatkę manipulowanego obiektu z pierwszej klatki, umieszcza oba elementy w skali metrycznej i śledzi je w całej sekwencji. Wyuczonym komponentem, który dokonuje korekty, jest CoCoNet — transformer typu render-and-compare, który przyjmuje bieżące oszacowanie, renderuje je do RGB, głębi i mask, a następnie regresuje korekty pozycji dla poszczególnych klatek oraz po jednym logitcie kontaktu dla każdej dłoni.

Zależności są jawnie określone w repozytorium: UniDepth do głębokości metrycznej, NLF do pozy ludzkiego ciała, Hunyuan3D do siatki obiektu, FoundationPose do wyszukiwania i śledzenia pozy oraz CoCoNet do przebiegu korekty. Ma to znaczenie przy planowaniu budżetu wdrożenia, ponieważ każda z nich to osobny checkpoint z własną licencją i własnym profilem sprzętowym.

CARI4D występuje w dwóch formach. Checkpoint badawczy, nvidia/CARI4D, jest oznaczony jako przeznaczony wyłącznie do badań i rozwoju i prowadzi do arXiv 2512.11988, opublikowanego 12 grudnia 2025 r. Wariant komercyjny, cari4d_commercial, obejmuje NVIDIA Momentum Human Rig i podlega NVIDIA Open Model Agreement. Żaden dostawca usług wnioskowania na Hugging Face nie wdraża żadnego z nich, więc „dostępny” oznacza wagi plus konfigurację Docker plus GPU NVIDIA, a nie punkt końcowy. Nie ma publicznego wiersza w tabeli wyników ani niezależnej reprodukcji; dowody liczbowe to ablacje z samego artykułu CVPR na BEHAVE, czyli badania wykonane przez dostawcę.

Porównanie, wymiar po wymiarze

• Dane wejściowe — Genie 4 przyjmuje opis tekstowy oraz instrukcje sterowania na żywo; CARI4D przyjmuje już istniejący monokularny film wideo RGB.

• Dane wyjściowe — Genie 4 zwraca wygenerowane wideo i audio, przesyłane strumieniowo w sesji; CARI4D zwraca pozę i kształt sylwetki dla każdej klatki, obrót i przesunięcie obiektu oraz logity kontaktu dłoni.

• Grounding — Genie 4 jest przekonujący, ale nieugruntowany; nic w wyniku nie odpowiada zmierzonej współrzędnej. CARI4D jest metryczny — odtwarza skalę poprzez estymację głębi i przeszukiwanie pozy względem obserwowanych klatek.

• Trwałość — świat Genie 4 kończy się wraz z zakończeniem sesji i nie można go wyeksportować. Wynik CARI4D to struktura danych, którą można przechowywać, ponownie renderować i porównywać.

• Audio — Genie 4 je generuje, w tym dialog; CARI4D nie ma go i nie modeluje dźwięku.

• Dostęp — Genie 4 jest dostępny wyłącznie na zaproszenie i nie ma ceny; CARI4D to wagi do pobrania z licencją badawczą oraz wariant komercyjny objęty umową NVIDIA.

• Dowody — Genie 4 ma pokazy demonstracyjne i twierdzenia dostawcy, ale nie ma opublikowanego benchmarku; CARI4D ma artykuł z recenzją naukową, ablacje przeprowadzone przez dostawcę i żadnej niezależnej reprodukcji.

Nakładanie się, które istnieje, i to, które nie istnieje

Kusząca kompozycja polega na tym, by użyć CARI4D do zrekonstruowania rzeczywistej interakcji, a następnie Genie 4 do wyobrażenia sobie jej wariantów. Na papierze to przekazanie wygląda naturalnie: CARI4D tworzy metrycznie osadzoną scenę z udziałem człowieka i obiektu, a Genie 4 tworzy alternatywne wyniki. W praktyce nie ma między nimi żadnego interfejsu. Genie 4 przyjmuje tekst i dane sterujące, a nie zrekonstruowaną scenę, siatkę czy ścieżkę pozy. Nic, co opublikował którykolwiek z zespołów, nie opisuje podawania jednego na wejście drugiego, a fakt, że oba wyniki wyglądają trójwymiarowo na zrzucie ekranu, nie czyni ich kompatybilnymi formatami.

Nakładanie się, które faktycznie istnieje, jest węższe i bardziej użyteczne: oba są narzędziami do rozumowania o tym, co wydarzy się następnie w fizycznej scenie. CARI4D dostarcza obserwowaną dynamikę — kontakt, chwyt, trajektorię — czyli dokładnie taki sygnał, jakiego potok uczenia robotów potrzebuje do etykietowania demonstracji. Genie 4 dostarcza kontrfaktyczne scenariusze, których polityka potrzebuje, aby przećwiczyć sytuacje, których nie zarejestrowano. Laboratorium tworzące dane ucieleśnione mogłoby z powodzeniem używać obu modeli po różnych stronach tego samego zbioru danych, bez potrzeby, by którykolwiek z nich kiedykolwiek komunikował się z drugim.

Tryby awarii również są swoimi zwierciadlanymi odbiciami. Genie 4 potrafi pięknie wyrenderować niewłaściwy obiekt i w ciągu dwóch minut oddalić się od niego. CARI4D potrafi dokładnie śledzić źle ukształtowany obiekt przez cały film i nadal zwrócić ci słabą siatkę, ponieważ jego metryki dotyczą pozy i kontaktu, a nie wierności powierzchni. Żaden z modeli nie naprawia słabości drugiego.

Co faktycznie możesz uruchomić w tym tygodniu

CARI4D to ten z jasną ścieżką do uruchomienia. Wagi są publiczne, obraz Docker istnieje, a GPU klasy A100 jest udokumentowanym celem. To wciąż potok badawczy z artykułem do przeczytania i kilkoma zewnętrznymi checkpointami do złożenia, ale zespół dysponujący sprzętem może uruchomić go w tym tygodniu. Genie 4 to ten z listą oczekujących.

Warto powiedzieć wprost o naszym własnym katalogu: OrcaRouter nie hostuje żadnego z tych modeli. CARI4D to pipeline do rekonstrukcji badawczej, który nie ma żadnego hostowanego endpointu, a Genie 4 nie ma publicznego API, do którego dałoby się kierować ruch. To, co kierujemy, to część warstwy rozumowania zbudowanej przez Google wokół Genie 4 — Gemini 3.8 Flash, model, który obserwuje wygenerowane klatki i planuje od nowa, oraz Gemini Robotics ER 1.6 preview — w ramach jednego API obejmującego ponad 200 modeli, z cenami katalogowymi dostawców przekazywanymi bez marży (0%) i automatycznym failover między dostawcami. Jeśli Twoje rzeczywiste zadanie polega na zadawaniu pytań o film, a nie na jego rekonstruowaniu lub generowaniu, hostowany model multimodalny jest tańszym rozwiązaniem i nie wymaga zaproszenia.

Dla wszystkich innych decyzja sprowadza się do jednego zdania na opcję. Jeśli film już istnieje i musisz wiedzieć, co zrobiła osoba i co zrobił obiekt, CARI4D jest jedynym z tych dwóch, który odpowiada na to pytanie. Jeśli świat jeszcze nie istnieje i musisz zobaczyć, jak się porusza, Genie 4 jest jedynym, który ci to pokaże — gdy tylko ktoś cię wpuści.