Genie 4 против Agora 2: один мир с режиссёром или двадцать человек в одной комнате

«До 20 участников» — это число, которое Odyssey использовала для запуска Agora 2 21 сентября 2026 года, и оно раскладывается на нечто более интересное, чем звучит: четыре человека-оператора и шестнадцать автономных агентов, все в одном общем постоянном мире. Genie 4, анонсированная Google DeepMind пять недель спустя, 27 октября 2026 года, делает почти противоположную ставку. Она дает одному пользователю чрезвычайно убедительный мир с нативным звуком и управлением на естественном языке и не позволяет второму человеку войти в него. Это не две версии одного продукта разного уровня качества. Это две исследовательские программы, которые случайно делят одно существительное.

Три вопроса, которые их разделяют: кто ещё есть в мире, существует ли мир, когда на него никто не смотрит, и издаёт ли он звук. Genie 4 отвечает на третий лучше, чем что-либо выпущенное до него, а на первые два — совсем нет. Agora 2 отвечает на первые два и почти ничего не говорит о третьем.

Двадцать — это на самом деле четыре плюс шестнадцать

Заголовок Odyssey — это заявление о мультиплеере, и стоит точно указать, что именно на самом деле связано. Четыре человека управляют персонажами в реальном времени. Ещё шестнадцать сущностей — это политики, обученные с подкреплением (поведение монстров и компаньонов), которые действуют в том же мире. Поэтому честное описание — это игра для четырёх игроков, населённая обученными агентами, что в пять раз превышает число участников Agora 1 и представляет собой существенно иную архитектуру, чем однопользовательская генеративная демонстрация.

Сред несколько, а не одно, поведение сохраняется на более длительных горизонтах, а обучающие данные — это записи Diablo II, изометрической экшн-RPG 2000 года. Эта последняя деталь — не курьёз. Она говорит о том, что команда сознательно предпочла игру с фиксированной грамматикой камеры и плотным взаимодействием сущностей фотореалистичному открытому миру, потому что именно в таких условиях общее состояние поддаётся проверке и визуальная планка достижима.

Почему состояние вне экрана — это самая сложная часть

Большинство мировых моделей, включая Genie 4, работают как очень продвинутый генератор видео. Сцена существует в виде кадров, и всё, на что камера сейчас не направлена, приходится регенерировать, когда камера возвращается, — поэтому постоянство объектов ухудшается, и поэтому в собственных материалах Google о запуске предупреждается, что детали и объекты дрейфуют тем сильнее, чем дольше длится симуляция и чем сложнее становятся правки промпта.

Agora 2 решает это тем, что в своей основе не является видеогенератором. Он поддерживает авторитетное серверное состояние мира, которое сохраняется независимо от любой точки обзора: обученная модель симуляции отвечает за движение, а отдельный стек рендеринга отрисовывает то, что видит каждый клиент. Сущности продолжают существовать, когда на них никто не смотрит. Именно поэтому двадцать участников могут одновременно оставаться согласованными: они не просят генератор по отдельности вообразить остальных, а читают из одной общей истины.

Инженерная часть намеренно компактна в той части, которая должна быть общей. Модель симуляции, как сообщается, имеет примерно 4,46 млн параметров, четыре слоя, ширину 256, четырнадцать ветвей движения и отдельную голову для определения направления взгляда. Рендерер — это большая сеть: flow-matching-трансформер примерно на миллиард параметров, шестнадцать блоков шириной 2048, пять из которых используют каузальное временное внимание. Грубо говоря: сделайте правила дешёвыми и одинаковыми для всех, а вычисления тратьте на то, что видит каждый игрок.

Преимущество Genie 4 — в том, что вы слышите

На этом фоне вклад Genie 4 кажется узким, но таковым не является. Нативное аудио — окружающие звуковые ландшафты, музыка и озвученные диалоги с персонажами, которые реагируют в сцене, — это то, чего не предлагает вообще ни одна другая модель мира в этом сравнении. В техническом отчёте Odyssey нет никаких заявлений об аудио. Их нет и у ABot-Earth, WorldClaw или HY-Nomas.

Это важнее для симуляции, чем для развлечения. Среда обучения для воплощённого агента, не способная воспроизводить звук, лишена целой модальности ввода; инструмент предвизуализации без звука заставляет звуковой отдел работать с нуля под чужой тайминг. Genie 4 к тому же управляется естественным языком в ходе симуляции, чего нельзя сказать об Agora 2: миром Odyssey управляют игровые механики и ввод игрока, а не промпт, меняющий погоду.

То, чего Genie 4 не может, — это принять второй контроллер. Здесь нет общего состояния, нет авторитетного сервера, нет понятия другого участника. Попросите её запустить четырёх игроков — и вы получите четыре независимых мира, которые случайно используют один и тот же промпт.

640×480 — это осознанный выбор дизайна, а не отчёт об ошибке

Agora 2 рендерит с разрешением 640×480, и обозреватели отмечали периодическое размытие объектов. Было бы легко записать это в недостатки на фоне заявленного фотореализма Genie 4 — если бы только Genie 4 вообще опубликовала какое-либо разрешение.

Над этой асимметрией стоит задуматься. Одна команда выпустила мир низкого разрешения и опубликовала раздел ограничений, признав, что устойчивая частота кадров, задержка от ввода до отображения, долгосрочное визуальное качество, согласованность между ракурсами и соответствие действиям не были количественно оценены. Другая представила заявление о фотореалистичности, двухминутное окно когерентности и ни одной цифры. Когда одна сторона измерима, а другая нет, измеримая сторона обычно выглядит хуже и обычно полезнее.

Две разные ставки на то, для чего нужны модели мира

Odyssey делает ставку на то, что интересные проблемы носят социальный и мультиагентный характер. Их формулировка однозначна: общий симулированный мир — более безопасная площадка для изучения того, как множество агентов ведёт себя вместе, чем реальный мир. В качестве мотивации компания ссылалась на инцидент, о котором сообщил METR и в ходе которого около 1200 агентов самоорганизовались. В рамках этого тезиса достоверность — это средство, а количество участников — главное, потому что явления, которые вы хотите наблюдать, — сговор, координация, возникающее разделение ролей — проявляются только в масштабе.

Google делает ставку на то, что интересные проблемы связаны с восприятием и инструкциями. Согласно этому тезису, полезным артефактом является один режиссёр, располагающий фотореалистичным, звучащим и управляемым миром, — будь то режиссёр, выстраивающий кадр, или команда робототехников, репетирующая задачу. Самая показательная демонстрация Genie 4 идеально это подтверждает: Gemini 4 Argon декомпозировал задачи, которые Genie 4 симулировал в реальном времени для гуманоида Apptronik Apollo. Один агент, один мир, без толпы.

Обе ставки могут быть верными. Их нельзя обеспечить одной моделью — именно поэтому формулировка «что лучше» не работает.

Счёт за обслуживание, который никто не выносит в заголовок

Сообщается, что Agora 2 использует около четырёх GPU RTX PRO 4500 для обслуживания сессии на четырёх игроков, а обучение и инференс выполняются на AWS Trainium. Это реальная цифра, и именно такие цифры определяют, может ли исследовательское превью стать продуктом. Двадцать участников в одном мире — это дёшево по числу игроков и дорого по кремнию, потому что общее состояние означает, что сервер должен быть авторитетным источником для всех одновременно.

Genie 4 не раскрыла стоимость обслуживания. Это исследовательский предпросмотр для доверенных тестировщиков; следующими станут подписчики Google AI Ultra и партнёры Gemini API с ранним доступом. Никто за пределами пула тестировщиков не знает, сколько стоит производство минуты сгенерированного мира, а значит, пока никто не может сказать, выдержит ли впечатляющая демонстрация столкновение с прайс-листом.

Что на самом деле доказывает каждое из них

Agora 2 — доказательство того, что мировая модель может служить субстратом для мультиагентных исследований, а не трюком рендеринга. Если ваш вопрос звучит как «что происходит, когда множество агентов делят одну среду», то из этих двух только у неё есть среда, которую можно делить, а возможность играть в браузере по адресу agora.odyssey.ml делает её на удивление доступной для исследовательского превью.

Genie 4 — доказательство того, что потолок восприятия сдвинулся. Если ваш вопрос звучит так: «может ли сгенерированный мир быть достаточно убедительным, чтобы на его основе можно было строить планы?», — то он впереди, и причина этому звук: впервые модель мира создала сцену, которую можно передать кому-то, не извиняясь за тишину.

Для команд, которые строят инфраструктуру для агентов, а не миры, практический урок из Agora 2 состоит в том, что стоимость координации доминирует. Двадцать агентов в одном мире — это сначала задача маршрутизации, а уже потом задача графики: какая модель отвечает за политику какого агента, что происходит, когда одна конечная точка зависает, и как сохранить дешёвые проверочные вызовы дешёвыми. Именно на этом слое мы и работаем — один API для более чем 200 моделей с автоматическим переключением при сбое, чтобы запуск с несколькими агентами не погибал из-за плохой минуты у одного провайдера, — и этот слой остаётся неизменным независимо от того, на какой модели мира вы в итоге остановитесь.

Вопрос, который стоит задать в октябре 2026 года, — не о том, какая из этих двух лучше. А о том, нужна ли вам модель мира, в которой могут находиться другие агенты, или кадр, которым вы можете управлять. Odyssey создала первую. Google создала вторую — и сделала её самой красивой из всех, что кто-либо показывал.