CARI4D против ABot-Earth 0.7: две 4D-модели, которые никогда не конкурируют

Если вы искали CARI4D против ABot-Earth 0.7 в расчёте на очное сравнение, честный ответ таков: такого сравнения не существует и не предвидится. Эти две системы занимаются не одним и тем же, не принимают одни и те же входные данные, не выдают один и тот же результат, и никто, кто понимает хотя бы одну из них, никогда не стал бы сравнивать их друг с другом в рамках одного бенчмарка. CARI4D — это не зависящая от категорий 4D-реконструкция взаимодействия человека с объектом от NVIDIA: она наблюдает за тем, как один человек манипулирует одним объектом в обычном видео, и восстанавливает их позы в метрическом масштабе во времени. ABot-Earth 0.7 — это 3D-нативная городская модель мира от Amap: она берёт спутниковый снимок или текстовый промпт и генерирует город километрового масштаба, по которому можно перемещаться, в виде сцены гауссова сплаттинга. Причина, по которой эта страница всё-таки существует, в том, что ось, разделяющая их, действительно полезна, и эти две системы куда сильнее различаются в том, что вы можете делать с ними, чем в том, чем они кажутся.

Есть и вторая, более острая причина. Эти два релиза находятся на противоположных концах спектра, который важнее любой строки спецификации: один из них можно скачать и запустить уже сегодня днём, а другой вообще нельзя запустить.

Ответ, который не хочет получить никто, кто ищет этот запрос

Оба описываются как 4D. Оба от крупных поставщиков. Оба были выпущены в течение последнего года. Примерно на этом сходство заканчивается.

CARI4D реконструирует. По видео она оценивает, что там было. Статья — Не зависящая от категории 4D-реконструкция взаимодействия человека и объекта авторов Сянхуэй Се, Боуэна Вэня, Янь Чана, Хесама Рабети, Цзефэна Ли, Е Юаня, Жерара Понс-Молля и Стэна Бёрчфилда — появилась на arXiv под номером 2512.11988 в декабре 2025 года и была принята на CVPR 2026. Её тема — человек и жёсткий объект в контакте, а её основное утверждение — масштаб: восстановление метрических размеров с помощью монокулярной камеры без датчика глубины и без многовидовой установки, именно эта часть вызывала трудности у предыдущих работ.

ABot-Earth 0.7 генерирует. Получив геопривязанное спутниковое изображение или текстовое описание, он создаёт сцену, которой раньше не существовало в виде данных. Китайская компания по картам и навигации Amap представила ABot-Earth 0.7 10 сентября 2026 года на своём гала-мероприятии Street Stars в Ханчжоу — преемника ABot-Earth 0.5 от 8 июня. Он выводит 3D-гауссовы сплаты, экспортирует в Unreal Engine и Unity и охватывает, по словам Amap, более 196 стран и регионов, тогда как в версии 0.5 их было более 190.

Один — оценщик. Другой — генератор. Это различие делает больше, чем могла бы любая таблица бенчмарков.

Человек и стул, или город

Разрыв в масштабе — именно то, что люди недооценивают. Единица интереса CARI4D — человеческое тело и удерживаемый в руке объект, измеряемые в сантиметрах и отслеживаемые по кадрам одного клипа. Единица интереса ABot-Earth 0.7 — квадратный километр города, генерируемый примерно за десять минут на одном потребительском GPU, по собственному заявлению Amap.

• Вход — CARI4D: монокулярное RGB-видео, MP4, а ABot-Earth 0.7 — спутниковое изображение или текстовый запрос

• Выходные данные — покадровая поза и форма человека CARI4D, поворот и смещение объекта, а также два логита контакта рук против ABot-Earth 0.7 — сцены 3D-гауссовского сплаттинга, с возможностью экспорта в Unreal Engine и Unity

• Единица анализа — CARI4D: один человек и один жёсткий объект в контакте против ABot-Earth 0.7: рельеф, здания, растительность и ориентиры в масштабе города

• Утверждение о временной динамике — CARI4D реконструирует наблюдаемое движение кадр за кадром, тогда как ABot-Earth 0.7 позиционируется как модель мира со слоем предсказания того, что произойдёт дальше

• Метрический масштаб — метрический масштаб CARI4D, восстановленный из монокулярного видео с помощью UniDepth и поиска масштаба от грубого к точному, в сравнении с ABot-Earth 0.7, геопривязанным по спутниковому изображению, — проблема восстановления метрического масштаба отсутствует

• Стоимость прогона — CARI4D PyTorch на GPU NVIDIA Ampere, валидировано на A100: 38 часов на 8×A100 для исследовательского прогона обучения против ABot-Earth 0.7 — около десяти минут на км² на одном потребительском GPU, согласно собственному сравнению Amap

Обратите внимание, что ни один из столбцов не лучше другого в пределах одной строки. Они измеряют разные миры. Модель, которая восстанавливает точку контакта между рукой и газовым баллоном, не улучшается от того, что знает ещё и где находятся здания, а модель, которая генерирует правдоподобный силуэт города, не улучшается от знания точного угла запястья пешехода.

Асимметрия, которая на самом деле всё решает

Вот разница, которую покупатель почувствует уже в первый час, и она не имеет никакого отношения к возможностям.

У CARI4D есть код и веса, которые можно получить уже сегодня. Репозиторий NVlabs содержит официальную реализацию, выпущенную 28 февраля 2026 года; код обучения и предобработка пользовательских видео были добавлены 4 апреля. Предобученный чекпоинт CoCoNet скачивается с Hugging Face, Docker-образ xiexh20/cari4d опубликован, и с 30 августа 2026 года коммерчески лицензированный чекпоинт на 231M доступен как nvidia/cari4d_commercial в рамках NVIDIA Open Model Agreement — с ограниченным доступом, но его можно получить. Зависимости задокументированы, включая неудобные части: веса NLF torchscript, веса FoundationPose, ресурсы SMPL-H, kid_template.npy из AGORA и Hunyuan3D для мешей объектов. Вы можете запускать инференс на демо BEHAVE, на предоставленном in-the-wild-клипе или на собственном видео и оценивать его с помощью поставляемых скриптов.

ABot-Earth 0.7 недоступен ни в одном из этих смыслов. Amap не опубликовала ни весов модели, ни карточки модели, ни публичного API, ни информации о ценах, ни документации для разработчиков. Демонстрационный сайт работает, но Amap описывает генерацию как доступную только по приглашениям или для включённых в белый список, интерфейс — только на упрощённом китайском, а репозиторий на GitHub эпохи 0.5, по сообщениям, содержал технический отчёт и ничего исполняемого. Каждая громкая цифра — десять минут на квадратный километр, примерно в 1000 раз эффективнее традиционной реконструкции, около одной сотой стоимости, более 196 стран — восходит к Amap и не была независимо воспроизведена никем за пределами Amap. Это цифры, заявленные производителем, и в настоящее время нет пути, по которому они могли бы стать чем-то иным.

Так что практическое сравнение — не в том, «какая модель лучше». Дело в том, что одно из них — исследовательский артефакт с коммерческой лицензией и Docker-образом, а другое — демонстрация продукта с циклом пресс-релизов. И то и другое — легитимные достижения. Но только одно из них можно включить в сборку.

Там, где эти двое действительно встретились бы

Здесь есть настоящая композиция, и стоит говорить об этом конкретно, потому что это единственный смысл, в котором они принадлежат одному и тому же разговору.

Выходные данные CARI4D — это взаимодействие человека с объектами в метрической мировой системе координат. Выходные данные ABot-Earth 0.7 — это среда. Наполните вторую первым — и вы получите нечто такое, чего ни один из них не производит в отдельности: сгенерированный город, в котором люди совершают действия, которые физически измеряются, а не художественно размещаются. Моделирование в робототехнике, планирование планировки торговых залов и генерация наборов данных о взаимодействиях — всем им нужна именно такая комбинация: среда, достаточно дешёвая, чтобы её можно было пересоздавать, и движение человека, достаточно точное, чтобы на нём обучаться.

Стык между ними — это преобразование координат и соглашение о масштабе, и это нетривиально, потому что метрическая система отсчёта CARI4D определяется относительно одной камеры, а ABot-Earth 0.7 — геолокацией. Никто не публиковал эту интеграцию. Это из тех вещей, которые команда собирает за неделю и не описывает.

Этап, который в этом конвейере обычно упускают, — это часть, превращающая необработанные данные взаимодействий во что-то, по чему можно выполнять запросы: подписи к клипам, разметка контактных событий, построение поисковых индексов и фильтров контроля качества по результатам. Эта работа выполняется с помощью визуально-языковых и языковых моделей, и именно этот слой покрывает OrcaRouter: более 200 моделей за одним API, цена провайдера по прайс-листу без наценки — 0 %, автоматическое переключение при деградации провайдера, а также DSL маршрутизации, который объединяет несколько моделей в один вызов, так что создание подписей и этап контроля качества не требуют отдельных интеграций. Ни CARI4D, ни ABot-Earth 0.7 там не обслуживаются, и ни один из них не является LLM — но инструменты, которыми вы их окружаете, почти наверняка являются.

Какой именно тебе нужен

Выбирайте CARI4D, если у вас есть видео, где человек взаимодействует с объектом, и вам нужны его позы в метрических единицах, покадрово — для анализа движения, восприятия в робототехнике, референса для анимации или создания набора данных о взаимодействиях. Он уже доступен, у него есть документация, а коммерческая лицензия появилась 30 августа 2026 года. Учитывайте расходы на цепочку зависимостей и прочитайте условия лицензии на те части, которыми не владеет NVIDIA.

Выбирайте ABot-Earth 0.7, если вам нужны среды, а не акторы — городские сцены, создаваемые по локации или описанию, быстро, с возможностью экспорта в игровой движок. Учитывайте, что вы оцениваете продемонстрированную возможность, а не внедряете инструмент, что доступ предоставляется по усмотрению и что показатели эффективности — это собственные данные Amap.

Выбирайте оба, только если вы строите составную систему, описанную выше, и беритесь за это, зная, что шов придётся писать вам самим.

Вопрос, который стоит задать, не в том, какой из этих двух побеждает. А в том, нужна ли тому, что вы на самом деле создаёте, модель реконструкции, модель генерации или ни то ни другое, — и по этому вопросу эти два ответа никогда не пересекаются.