Genie 4 против Hunyuan3D WorldClaw: видео мира или меш-файлы самого мира

Один из них выдаёт вам MP4, а другой — граф сцены. В этом всё сравнение, и всё остальное из него следует. Genie 4 — модель мира от Google DeepMind, анонсированная 27 октября 2026 года, — генерирует фотореалистичный, озвученный, управляемый текстом мир в реальном времени и показывает его вам как видео. Hunyuan3D WorldClaw, опубликованный командой Hunyuan3D компании Tencent в августе 2026 года, создаёт явные, отдельно редактируемые текстурированные меши, которые можно открыть в Unity или Unreal и сохранить. Если ваша работа заканчивается, когда кадр утверждён, Genie 4 — более впечатляющий объект. Если ваша работа начинается, когда кадр утверждён, WorldClaw — единственный из двух, который даёт вам что-то, с чем можно работать.

Оба — скорее исследовательские артефакты, чем продукты, и оба получить сложнее, чем можно судить по их демо. Но отказывают они по-разному, и понимание того, с каким из этих отказов вы готовы мириться, — в этом и состоит всё решение.

Тест на результат

Спросите, что остаётся после сессии, — и разрыв обретает конкретность.

• Выходные данные — {{1}}Genie 4{{/1}} возвращает сгенерированные видеокадры с синхронизированным сгенерированным аудио; {{2}}Hunyuan3D WorldClaw{{/2}} возвращает текстурированные 3D-сетки с ландшафтом, материалами и размещёнными объектами.

• Редактируемость — Genie 4 редактируется путём подачи промптов симуляции во время её работы; результат WorldClaw редактируется как геометрия в инструменте моделирования человеком или скриптом.

• Последующее использование — вывод Genie 4 потребляется как видеоматериал; вывод WorldClaw потребляется игровым движком, рендерером или физическим симулятором.

• Детерминированность — запуск Genie 4 не воспроизводится кадр в кадр; меш — это файл, который остаётся неизменным.

• Аудио — нативно в Genie 4; не является частью пайплайна WorldClaw.

• Доступ — Genie 4 представляет собой закрытый исследовательский предварительный просмотр; WorldClaw — это статья с репозиторием, который пока не содержит исполняемого кода.

Есть причина, по которой вирусными становятся видеомодели, а в производство идут mesh-пайплайны. Видео понятно любому за пять секунд. Mesh понятен только тому, кто знает, что бы он с ним сделал, — а этот человек обычно и распоряжается бюджетом.

Что на самом деле делают четыре этапа WorldClaw

WorldClaw — это не единая сеть. Это агентный конвейер, который раскладывает задачу «построй мне мир из этого предложения» на четыре этапа, и само это разложение и есть вклад.

Первый этап — анализ намерений и планирование сцены: агенты на основе языковых моделей преобразуют открытый запрос в структурированную спецификацию, охватывающую регионы, рельеф, объекты, материалы и пространственные отношения. Второй этап генерирует глобальный рельеф — семантическую карту компоновки плюс учитывающее регионы поле высот, с назначением материалов и ассетов для каждого региона. Третий этап выполняет региональную генерацию объектов: сегментируются двумерные композитные изображения, обусловленные рельефом, каждый экземпляр реконструируется в отдельную текстурированную сетку, и эти сетки размещаются на рельефе. Четвертый этап — уточнение на основе рендеринга: визуальный агент выполняет рендеринг сцены с нескольких точек обзора, проверяет результат на наличие парящих объектов, взаимопроникновений, ошибок масштаба и позы, исправляет их и повторно выполняет рендеринг. Сборка происходит в Blender через Model Context Protocol.

Этот последний цикл — интересная инженерная задача. Генеративная модель, которая не видит собственный вывод, — это игровой автомат. Конвейер, который рендерит, проверяет и исправляет, — это процесс, и именно этап исправления обеспечивает большую часть воспринимаемого качества в большой сцене, потому что режимы отказа размещённых 3D-ассетов имеют геометрическую природу и поэтому обнаружимы, а не эстетическую и поэтому спорны.

Собственная конфигурация статьи представляет собой стек сторонних моделей: Claude Opus 4.8 управляет агентами, GPT-Image-2 вместе с SAM3D отвечает за сегментацию, Hunyuan3D — за реконструкцию; всё работает на четырёх GPU NVIDIA H20. WorldClaw лучше всего понимать как слой оркестрации поверх существующих генераторов, а не как новую генеративную модель; это одновременно и его сильная сторона — он улучшается по мере улучшения его компонентов, — и его хрупкость, поскольку любое изменение поведения компонента меняет выходные данные конвейера.

Почему меш ценнее видео — и стоит дороже

Видео мира — это утверждение о мире. Меш — это и есть мир или по крайней мере его достаточная часть, чтобы начать строить. Эта разница проявляется в каждой последующей задаче: коллизии, окклюзия, освещение, физика, дизайн уровней и обычная работа по переносу одного здания на два метра влево, потому что линия обзора неправильная.

Ни одну из этих операций нельзя выполнить над выходными данными Genie 4. Вы можете подать симуляции запрос на изменение, и она сгенерирует новый набор кадров, который может соблюдать или не соблюдать ограничение, которое вы имели в виду, причём изменение не сохранится за пределами двухминутного окна когерентности, о котором заявляет DeepMind. Модель не делает вид, что это не так; заявленные варианты её использования — предварительная визуализация, прототипирование и обучение роботов, и все они потребляют миры, а не строят на них.

Стоимость подхода WorldClaw столь же очевидна. Четыре этапа, несколько агентов, внешний рендерер и цикл через Blender означают минуты или часы на мир вместо секунд, а конвейер может дать сбой на любом этапе — ошибка сегментации переходит в неправильно размещённый объект, который этап уточнения может исправить, а может и нет. Режимы отказа Genie 4 мягче: дрейфующая деталь раздражает, а парящее здание — это уже поломка.

Доступность с обеих сторон хуже, чем предполагают демонстрации.

Ни одну из этих моделей нельзя внедрить в текущем квартале, и причины этого различаются.

Genie 4 — это исследовательский предпросмотр для доверенных тестировщиков. Google сообщает, что подписчики AI Ultra получат к нему доступ через Project Genie, а партнёры по раннему доступу смогут воспользоваться им через Gemini API и Google AI Studio «в ближайшие недели». Есть лист ожидания, цена не указана, разрешение и частота кадров не опубликованы, а коммерческие условия отсутствуют.

WorldClaw ещё дальше от практического использования в одном конкретном отношении: репозиторий Tencent-Hunyuan/Hunyuan3D-WorldClaw содержит README и ресурсы, но не код. Запрос на предоставление кода остался без ответа. Нет весов, нет API и нет информации о ценах. Есть только статья, анонс и набор демонстраций.

Итак, для практика в конце октября 2026 года сравнение идёт между листом ожидания и репозиторием, который не запускается. Это не упрёк ни одной из команд — статьи выходят раньше релизов — но это означает, что любая статья, предлагающая вам «выбрать» между ними, описывает будущее приобретение, а не текущее.

О чём вам говорят разделы оценки

В статье WorldClaw результаты оцениваются путём попарного качественного сравнения с SynCity, WorldGen от Meta, MajutsuCity и Marble от World Labs. Там нет ни FID-, ни CLIP-оценок и нет пользовательского исследования. Это реальное ограничение, и в то же время это честно: качество крупномасштабных 3D-сцен действительно трудно оценить количественно, а метрика, которая поощряла бы одну ось, искажала бы другие.

Запуск Genie 4 не сопровождался публикацией ни одного бенчмарка — ни сравнения с Genie 3, помимо удвоенного окна согласованности, ни разрешения, ни частоты кадров. Ни одна из сторон не дала внешней стороне числа, которое можно было бы проверить. В категории, где каждый вендор показывает отобранные вручную демо, отсутствие измерений — общее условие, и оно должно умерять любой уверенный вердикт, который вы где-либо прочитаете, включая этот.

Где сам пайплайн становится продуктом

В WorldClaw стоит позаимствовать не 3D-генерацию — это набор компонентов — а паттерн: планировать с помощью языковой модели, генерировать с помощью специализированных моделей, проверять с помощью vision-модели, исправлять, повторять. Этот паттерн прямо сейчас воссоздают в каждой студии, которая хочет получить управляемую генерацию миров, и это почти целиком задача оркестрации.

Вот где встаёт вопрос инфраструктуры. Пайплайн такой формы делает десятки вызовов моделей на каждый мир, как минимум в трёх модальностях, и сбой любого одного вызова останавливает весь прогон. Если запускать его через единый эндпоинт с автоматическим переключением при отказе, зависший провайдер превращается в повторную попытку, а не в потерянную задачу, а DSL маршрутизации позволяет закрепить дорогую модель за этапом планирования и более дешёвую — за проходами проверки по каждому объекту, куда и уходит большинство токенов. Именно этот слой мы и строим — один API поверх более 200 моделей, с прозрачной передачей прайс-листов провайдеров без наценки, — и он намеренно не привязан к конкретной модели, потому что компоненты под таким пайплайном, как у WorldClaw, сменятся несколько раз, прежде чем сам пайплайн устоится.

Какой из них смотреть

Если вы создаёте фильмы, прототипы или среды для обучения и вам что-то нужно в этом квартале, следите за объявлениями о доступе к Genie 4 и прототипируйте сопутствующие инструменты на основе модели, которую уже можете вызывать. Аудио и управление языком — это возможности, которых нет ни у чего другого в этом сравнении, а двухминутный потолок — ограничение, которое можно учесть при проектировании.

Если вы делаете игры, симуляции или что угодно, что поставляется как ассет, то именно форма WorldClaw имеет для вас значение, хотя его кода пока не существует. В тот момент, когда Tencent выпустит его, конвейер, который выдаёт редактируемые меши в игровой движок, будет стоить больше тысячи красивых видео, потому что видео — это конец работы, а меш — её начало.