Genie 4 vs CARI4D: Den ena genererar en värld, den andra löser en video

Det enda som Genie 4 och CARI4D med säkerhet har gemensamt är en etikett. Genie 4, som Google DeepMind tillkännagav den 27 oktober 2026, är en generativ världsmodell: man beskriver en scen, styr den med naturligt språk och den producerar video med synkroniserat ljud som varar i ett par minuter. CARI4D, NVIDIA Researchs rekonstruktionsmetod från CVPR 2026, går i motsatt riktning. Den tar en monokulär video av en person som hanterar ett föremål och returnerar personens kroppsställning, föremålets bana med sex frihetsgrader och två handkontaktpoäng för varje bildruta. Den ena uppfinner en trovärdig värld. Den andra mäter en verklig sådan. Ställer man dem på samma sida upphör den användbara frågan att vara ”vilken är bättre” och blir ”vilket håll mitt problem pekar åt”.

Förvirringen är förståelig, eftersom båda produkterna placeras under "4D" och båda producerar något som rör sig genom tiden. Men en generator och en rekonstruktionsmetod är inte konkurrerande implementeringar av samma uppgift; de misslyckas på motsatta sätt och köps av olika människor. Genie 4 kan hitta på en övertygande gata som aldrig har existerat, men kan inte säga var någonting på den faktiskt befinner sig. CARI4D kan, ända ner till bildrutan, säga hur en hand slöt sig kring en kittel, men kan inte hitta på en kittel som den inte har sett. Nedan skiljs de två modellerna åt av vad de tar in, vad de ger tillbaka och vad var och en strukturellt sett inte kan göra.

Vad Genie 4 returnerar: en session, inte en scenfil

Det första man bör förstå om Genie 4 är att dess utdata förbrukas i realtid och inte bevaras som geometri efter sessionen. Googles egen beskrivning är en värld som du sätter i rörelse och styr: flytta kameran, ändra vädret, lägg till en karaktär, och en Gemini-modell anpassar instruktionen efter det som redan finns på skärmen. Bildrutorna genereras autoregressivt, vilket är därför koherens mäts i sekunder och minuter snarare än i scenkomplexitet.

Tilläggen jämfört med Genie 3 är det som varje rubrik lyfte fram. Ljud genereras inbyggt – omgivningsljud, musik och interaktiv dialog – i stället för att läggas på efteråt. Styrningen sker i realtid i stället för via en prompt som startar om världen. Och koherensfönstret uppges vara ungefär två minuter, dubbelt så långt som föregångaren, även om Googles blogg bara säger "korta sessioner" och siffran två minuter kommer från briefingarna vid lanseringen.

Det som saknas spelar precis lika stor roll. Det finns ingen mesh-export, ingen scengraf, ingen kamerabana, ingen djupbuffert och inget sätt att ta den genererade världen till Blender, Unity eller Unreal. En studio som vill blocka en tagning kan se Genie 4 göra det men kan inte överlämna resultatet till en pipeline. Det finns inte heller någon publicerad upplösning, bildfrekvens, modellstorlek, benchmark eller pris, och åtkomsten är en begränsad grupp betrodda testare med en offentlig väntelista – AI Ultra-prenumeranter via Project Genie och partner med tidig åtkomst till Gemini API utlovas "snart", utan datum.

Google namnger faktiskt fellägena, vilket är mer än vad de flesta lanseringsinlägg gör: detaljrikedom och objektpermanens glider under längre sessioner och efter upprepade redigeringar, den rumsliga noggrannheten är bristfällig, text i den virtuella världen är ofta oläslig och ljudnoggrannheten är ännu inte löst. All utdata bär en SynthID-vattenstämpel. För ett förvisualiseringsverktyg går dessa förbehåll att leva med. För allt som kräver en mätning är de diskvalificerande.

Vad CARI4D returnerar: poser, trajektorier och kontakt

CARI4D är en pipeline, inte ett enda nätverk, och dess output är avsiktligt snäv. Med en monokulär RGB-video rekonstruerar den människan med en parametrisk kroppsmodell, rekonstruerar det manipulerade objektets mesh från den första bildrutan, placerar båda i metrisk skala och spårar dem genom sekvensen. Den inlärda komponenten som utför korrigeringen är CoCoNet, en render-and-compare-transformer som tar den aktuella skattningen, renderar den till RGB, djup och masker samt regredierar poskorrigeringar per bildruta plus en kontaktlogit per hand.

Beroendena är explicita i repot: UniDepth för metriskt djup, NLF för mänsklig pose, Hunyuan3D för objektets mesh, FoundationPose för poseringssökning och spårning, och CoCoNet för korrigeringspasset. Det spelar roll när du budgeterar driftsättningen, eftersom var och en av dessa är en separat checkpoint med sin egen licens och sin egen hårdvaruprofil.

CARI4D levereras i två former. Forskningscheckpointen, nvidia/CARI4D, är märkt endast för forskning och utveckling och länkar till arXiv 2512.11988, publicerad 12 december 2025. En kommersiell variant, cari4d_commercial, omfattar NVIDIA:s Momentum Human Rig och regleras av NVIDIA Open Model Agreement. Ingen av dem driftsätts av någon inferensleverantör på Hugging Face, så "tillgänglig" betyder vikter plus en Docker-konfiguration plus ett NVIDIA-grafikkort, inte en slutpunkt. Det finns ingen offentlig rad på resultattavlan och ingen oberoende reproduktion; de numeriska bevisen är CVPR-papprets egna ablationsstudier på BEHAVE, vilket är leverantörsproducerad forskning.

Jämförelsen, dimension för dimension

• Indata — Genie 4 tar en textbeskrivning plus styrinstruktioner i realtid; CARI4D tar en monokulär RGB-video som redan finns.

• Utdata — Genie 4 returnerar genererad video och ljud som streamas i en session; CARI4D returnerar människans pose och kroppsform per bildruta, objektets rotation och translation samt logits för handkontakt.

• Förankring — Genie 4 är rimlig men inte förankrad; ingenting i utdata motsvarar en uppmätt koordinat. CARI4D är metrisk och återvinner skala genom djupuppskattning och posessökning mot de observerade bildrutorna.

• Persistence — Genie 4:s värld upphör när sessionen avslutas och kan inte exporteras. CARI4D:s utdata är en datastruktur som du kan lagra, rendera igen och jämföra.

• Ljud — Genie 4 genererar det, inklusive dialog; CARI4D har inget och modellerar inte ljud.

• Åtkomst — Genie 4 är endast via inbjudan och utan pris; CARI4D är nedladdningsbara vikter med forskningslicens och en kommersiell variant enligt NVIDIAs avtal.

• Bevis — Genie 4 har demos och leverantörspåståenden, ingen publicerad benchmark; CARI4D har en fackgranskad artikel, leverantörsdrivna ablationer och ingen tredjepartsreproduktion.

Överlappningen som finns, och den som inte gör det

Den lockande kombinationen är att använda CARI4D för att rekonstruera en verklig interaktion och sedan använda Genie 4 för att föreställa sig variationer av den. På papperet ser överlämningen naturlig ut: CARI4D producerar en metriskt grundad scen med människa och objekt, och Genie 4 producerar alternativa utfall. I praktiken finns det inget gränssnitt mellan dem. Genie 4 accepterar text och styrindata, inte en rekonstruerad scen, ett mesh eller ett posspår. Inget som något av teamen har publicerat beskriver hur man matar in det ena i det andra, och att båda utdata ser tredimensionella ut på en skärmbild gör dem inte till kompatibla format.

Den överlappning som faktiskt finns är snävare och mer användbar: båda är verktyg för att resonera om vad som händer härnäst i en fysisk scen. CARI4D ger dig den observerade dynamiken – kontakt, grepp, bana – vilket är precis den typ av signal som en pipeline för robotinlärning behöver för att märka demonstrationer. Genie 4 ger dig kontrafaktiska scenarier, vilket är vad en policy behöver för att öva på situationer som den inte har registrerat. Ett labb som bygger förkroppsligade data skulle rimligen kunna använda båda, på olika sidor av samma dataset, utan att någon av modellerna någonsin kommunicerar med den andra.

Felmoderna är också spegelbilder av varandra. Genie 4 kan återge ett felaktigt objekt vackert och glida bort från det under två minuter. CARI4D kan noggrant spåra ett felformat objekt genom en hel video och ändå ge dig ett dåligt mesh, eftersom dess mätvärden handlar om pose och kontakt snarare än ytnogrannhet. Ingen av modellerna åtgärdar den andras svaghet.

Vad du faktiskt kan köra den här veckan

CARI4D är den som har en väg till genomförande. Vikterna är offentliga, Docker-avbildningen finns och ett GPU av A100-klass är det dokumenterade målet. Det är fortfarande en forskningspipeline med ett papper att läsa och flera externa checkpoints att sammanställa, men ett team med hårdvaran kan köra den denna vecka. Genie 4 är den som har en väntelista.

Det är värt att vara direkt om vår egen katalog: OrcaRouter hostar ingen av de två modellerna. CARI4D är en forskningspipeline för rekonstruktion utan någon hostad endpoint någonstans, och Genie 4 har inget publikt API att routa. Det vi routar är en del av det resonemangslager som Google byggde runt Genie 4 — Gemini 3.8 Flash, modellen som övervakar genererade bildrutor och planerar om, och Gemini Robotics ER 1.6 preview — på ett enda API över 200+ modeller, med leverantörernas listpriser vidarebefordrade med 0 % påslag och automatisk redundansväxling mellan leverantörer. Om ditt faktiska ärende är att ställa frågor om en video snarare än att rekonstruera eller generera en, är en hostad multimodal modell det billigare svaret, och den kräver ingen inbjudan.

För alla andra kan beslutet sammanfattas i en mening vardera. Om videon redan finns och du behöver veta vad personen och föremålet gjorde, är CARI4D den enda av de två som svarar på frågan. Om världen ännu inte finns och du behöver se den röra sig, är Genie 4 den enda som visar dig det – när någon släpper in dig.