สรุปข่าว AI รายวัน 28 ต.ค.: Genie 4 เปิดตัวแบบจำกัดการเข้าถึง ขณะที่ Gemini Robotics ER 2 เปิดให้ทดลองใช้ล่วงหน้า

Google นำโมเดล AI เชิงกายภาพสองตัวเข้าสู่ช่วงพรีวิวภายในยี่สิบสี่ชั่วโมงในสัปดาห์นี้ และเปิดทางเข้าถึงในทิศทางที่ตรงข้ามกัน Genie 4 ซึ่งเป็นเวิลด์โมเดลของ Google DeepMind ที่สร้างฉากที่บังคับทิศทางได้พร้อมเสียงที่ซิงค์กัน ถูกประกาศเมื่อวันที่ 27 ตุลาคม 2026 สำหรับกลุ่มผู้ทดสอบที่เชื่อถือได้แบบจำกัด โดยมีรายชื่อรอและไม่มีราคาที่เปิดเผย Gemini Robotics Embodied Reasoning 2 — หรือ ER 2 ตัววางแผนหุ่นยนต์ระดับสูงที่ Google Cloud ย้ายมาเป็นพับลิกพรีวิวในวันเดียวกัน — มาพร้อมกับโมเดล ID หน้าเอกสารประกอบ และการลงทะเบียนที่ลูกค้า Cloud ทุกรายทำได้ ทั้งสองอย่างเป็นพรีวิว มีเพียงตัวเดียวเท่านั้นที่มีประตูให้คุณเดินเข้าไปได้วันนี้

ความไม่สมมาตรนั้นคือเรื่องราวประจำสัปดาห์นี้ มากกว่าตัวแบบใดตัวแบบหนึ่งโดยลำพัง Google กำลังประกอบสองครึ่งของสแต็ก AI เชิงกายภาพ ได้แก่ แบบจำลองโลกที่สามารถผลิตประสบการณ์ขึ้นมาได้ และแบบจำลองการให้เหตุผลแบบมีร่างที่สามารถวางแผนเทียบกับหุ่นยนต์จริงได้ ทั้งสองครึ่งถูกประกาศห่างกันหนึ่งวัน และถูกเผยแพร่โดยสองส่วนที่แตกต่างกันของบริษัท ภายใต้ระบอบการเข้าถึงที่แตกต่างกันสองแบบ สิ่งที่ตามมาคือบทสรุป ไม่ใช่บทวิจารณ์ ตัวเลขทุกตัวด้านล่างระบุผู้จัดทำไว้กำกับ

รายการที่ 1 — Genie 4 และสามข้อกล่าวอ้างที่ทำหน้าที่นี้

โพสต์ของ DeepMind มีตัวเลขน้อยแต่เต็มไปด้วยการอ้างถึงขีดความสามารถ สามข้อต่อไปนี้สำคัญ:

• เสียงในตัว Genie 4 สร้างเสียงบรรยากาศ ดนตรี และบทสนทนาโต้ตอบไปพร้อม ๆ กับการสร้างเฟรมในรอบการประมวลผลเดียวกัน แทนที่จะนำเสียงมาพากย์ภายหลังให้กับการจำลองที่เงียบอยู่ ถือเป็นแบบจำลองโลกตัวแรกของ DeepMind ที่ทำเช่นนี้

• การควบคุมแบบสด. คำสั่งที่พิมพ์สามารถเคลื่อนย้ายกล้อง เปลี่ยนสภาพอากาศ หรือเพิ่มตัวละครได้ขณะที่โลกกำลังทำงาน และโมเดล Gemini จะปรับคำสั่งให้เข้ากับสิ่งที่ปรากฏบนหน้าจอในขณะนั้น

• หน้าต่างที่ยาวขึ้น ตัวเลขที่แพร่หลายอยู่ในขณะนี้คือความสม่ำเสมอของฉากราวสองนาที ซึ่งเป็นสองเท่าของ Genie 3 ตัวเลขนั้นมาจากการบรรยายสรุปตอนเปิดตัว ไม่ได้มาจากบล็อก: ข้อความของ Google เองระบุว่าโมเดลนี้รักษา "เซสชันสั้น ๆ" ได้ และไม่ได้ระบุระยะเวลาไว้เป็นลายลักษณ์อักษร ควรถือว่าสองนาทีเป็นตัวเลขที่มีการรายงานโดยมีผู้ขายหนุนหลังอยู่ ไม่ใช่ข้อกำหนดทางเทคนิค

ส่วนเสริมเชิงโครงสร้างนั้นมองข้ามได้ง่ายกว่าองค์ประกอบเสียง Gemini Omni ยึดโยงการจำลองกับรูปลักษณ์และพฤติกรรมในโลกจริง และ Gemini 3.8 Flashอยู่ในวงจร คอยดูเฟรมที่สร้างขึ้น แยกเป้าหมายออกเป็นขั้นตอน และวางแผนใหม่เมื่อฉากเบี่ยงเบนไป ในเดโมที่ Google เลือกเผยแพร่ Gemini 4 Argon ได้แยกย่อยงานหนึ่ง ซึ่ง Genie 4 นำไปจำลองแบบเรียลไทม์ในภายหลัง โดยมีหุ่นฮิวแมนนอยด์ Apptronik Apollo เล่นหมากฮอส นั่นเป็นผลิตภัณฑ์ที่แตกต่างจากเครื่องสร้างวิดีโอ: เครื่องสร้างตอบพรอมป์ด้วยคลิป ขณะที่เครื่องสร้างบวกตัววางแผนตอบวัตถุประสงค์ด้วยลำดับสถานะที่ตรวจสอบแล้ว

สิ่งที่ Google ไม่ได้เผยแพร่มีความสำคัญพอๆ กับสิ่งที่ Google เผยแพร่ ไม่มีข้อสรุปเรื่องความละเอียด ไม่มีอัตราเฟรม ไม่มีจำนวนพารามิเตอร์ ไม่มีการวัดความหน่วง ไม่มีคะแนน benchmark และไม่มีราคา ทุกการเปรียบเทียบ "Genie 4 สมจริงกว่า" ที่เผยแพร่สัปดาห์นี้เป็นการเปรียบเทียบ demo reel กับรายการฟีเจอร์ เพราะไม่มีใครนอกกลุ่มผู้ทดสอบที่เชื่อถือได้ได้วัดผลลัพธ์ Google ยอมรับโหมดความล้มเหลว: ความคงอยู่ของรายละเอียดและวัตถุคลาดเคลื่อนในเซสชันที่ยาวขึ้นและหลังการแก้ไขซ้ำๆ ความแม่นยำเชิงพื้นที่ยังไม่สมบูรณ์ ข้อความในโลกมักอ่านไม่ออก และความแม่นยำของเสียงยังแก้ไม่สำเร็จ วิดีโอและเสียงที่สร้างขึ้นทั้งหมดมีลายน้ำ SynthID

รายการที่ 2 — Gemini Robotics ER 2 ซึ่งคุณสามารถลงทะเบียนได้จริง

ER 2 ไม่ใช่โมเดลใหม่ในสัปดาห์นี้ — Google เปิดตัวเมื่อวันที่ 30 กรกฎาคม 2026 ในรูปแบบการพรีวิวแบบส่วนตัวแบบจำกัด — แต่ประกาศเมื่อวันที่ 27 ตุลาคมเป็นประกาศที่เปลี่ยนว่าใครสามารถใช้งานได้ ตอนนี้อยู่ในการพรีวิวแบบสาธารณะบนแพลตฟอร์ม Gemini ผ่าน Model Garden และสามารถลองใช้ได้ใน Agent Studio โดยมีรหัสโมเดล gemini-robotics-er-2-preview.

Google มองว่าเป็นสมองระดับสูงของหุ่นยนต์ มากกว่าจะเป็นตัวควบคุม โดยระบบจะนำการทำความเข้าใจวิดีโอเชิงพื้นที่และเชิงเวลา การวางแผนระยะยาว และกลไกป้องกันความปลอดภัย มาห่อหุ้มไว้ในชั้นการจัดการ orchestrator (orchestration layer) กล่าวคือ นักพัฒนาจะประกาศอินเทอร์เฟซควบคุมระดับต่ำ เช่น โมเดล vision-language-action, API สำหรับนำทาง และฟังก์ชันที่กำหนดเอง ให้เป็นเครื่องมือ (tools) แล้ว ER 2 จะวางแผนการทำงานบนเครื่องมือเหล่านั้น นอกจากนี้ยังจำแนกความคืบหน้าของงาน ซึ่งเป็นสิ่งที่ทำให้หุ่นยนต์รู้ตัวว่าขั้นตอนใดล้มเหลวและลองใหม่ได้ โดยไม่ต้องเริ่มกระบวนการทำงานทั้งหมดใหม่ตั้งแต่ต้น

ตัวเลขที่ผู้ขายรายงานซึ่ง Google นำเสนอเป็นอันดับแรก:

• การระบุตำแหน่งเฟรมเหตุการณ์อย่างแม่นยำ — ความแม่นยำ 91.3% ในการระบุเฟรมที่แน่นอนซึ่งเหตุการณ์สำคัญเกิดขึ้น โดยมีระยะห่างเฟรมสัมบูรณ์เฉลี่ย 0.96 วินาที

• ความเร็วในการประมวลผล — 4 เท่า ซึ่งถูกอธิบายว่าเป็น "เศษเสี้ยวของต้นทุนการคำนวณของโมเดลขนาดใหญ่หลายประเภท" ประโยคนี้ไม่ได้ระบุฐานอ้างอิง ดังนั้นตัวคูณจึงเป็นเพียงการบอกทิศทางมากกว่าการเปรียบเทียบโดยตรง

• การอ่านค่าอุปกรณ์ — มากกว่า 10 หมวดหมู่ รวมถึงหน้าปัดวงกลม กระจกตรวจสอบ จอแสดงผลดิจิทัล สเกลเชิงเส้น และเทอร์โมมิเตอร์แบบของเหลว ซึ่งอ่านได้โดยตรงจากข้อมูลภาพ

• ความปลอดภัย — 97.9% ใน Safety Instruction Following และ 93.0% ใน Human Proximity ที่เกณฑ์หนึ่งเมตร ตามรายงานความปลอดภัยของ Google เอง การป้องกันทางกายภาพ เช่น ปุ่มหยุดฉุกเฉิน แผงกั้น และขีดจำกัดแรง ยังคงเป็นความรับผิดชอบของผู้ปฏิบัติงาน คะแนนเหล่านี้สื่อถึงการให้เหตุผล ไม่ใช่ฮาร์ดแวร์

ในประกาศเองไม่มีตารางราคา มีเพียงลิงก์ไปยังหน้าราคาเท่านั้น สำหรับโมเดลพรีวิวแล้ว นี่เป็นเรื่องปกติ และยังเป็นตัวเลขที่ทีมจัดซื้อจัดจ้างต้องรู้เป็นอันดับแรกด้วย

รูปแบบที่อยู่เบื้องหลังทั้งสองรายการ

เมื่ออ่านประกาศเหล่านี้รวมกัน จะเห็นภาพสแต็กที่กำลังถูกสร้างขึ้นอย่างเปิดเผยและขายแบบปิดเฉพาะกลุ่ม โมเดลโลกจะมีประโยชน์ต่อการฝึกหุ่นยนต์ก็ต่อเมื่อมันสามารถสร้างประสบการณ์ที่หลากหลายและรีเซ็ตได้มากพอที่จะมีนัยสำคัญ ส่วนตัววางแผนสำหรับหุ่นยนต์จะมีประโยชน์ก็ต่อเมื่อสามารถประเมินมันเทียบกับสิ่งอื่นที่ไม่ใช่ชุดวิดีโอคงที่เท่านั้น Google กำลังชี้ทั้งสองสิ่งเข้าหากันอย่างชัดเจน และชัดเจนพอๆ กันว่า Google ยังไม่พร้อมจะมอบสิ่งใดสิ่งหนึ่งให้ลูกค้าที่ยังไม่ได้ผ่านการตรวจสอบ โดย Genie 4 เปิดให้เฉพาะผู้ทดสอบ ER 2 เปิดให้เฉพาะในรูปแบบพรีวิว และทั้งคู่ยังไม่มีกำหนดเปิดให้ใช้งานทั่วไป

นั่นทำให้เกิดคำถามเชิงปฏิบัติสำหรับใครก็ตามที่สร้างบนสแต็กนี้: ส่วนใดบ้างที่เรียกใช้งานได้ในตอนนี้

• ไม่สามารถเรียกใช้งานได้ Genie 4 จนกว่าจะเปิด waitlist หรือมีข้อตกลงพันธมิตร early-access เป็นที่เรียบร้อย Gemini Robotics ER 2 เว้นแต่คุณพร้อมที่จะพัฒนาโดยอิงกับ public preview บน Google Cloud

• เรียกใช้งานได้แล้ววันนี้ Gemini Robotics ER 1.6 preview อยู่ในแคตตาล็อกของ OrcaRouter และ Gemini 3.8 Flash ก็เช่นกัน — โมเดลเดียวกับที่ Google ระบุว่าเป็นเอเจนต์ในลูปที่ตรวจสอบเฟรมของ Genie 4 และวางแผนใหม่ ทั้งคู่ไม่ใช่โมเดลโลก ทั้งสองเป็นครึ่งหนึ่งด้านการให้เหตุผลของไปป์ไลน์ และสามารถทดลองใช้งานได้แล้วตอนนี้แทนที่จะต้องรอในรายการรอ

OrcaRouter acheminant tout cela via une API unique sur plus de 200 modèles, avec les prix catalogue des fournisseurs répercutés à 0 % de marge, de sorte qu'une modification de prix de Google arrive dans notre catalogue le jour même de sa publication. Le basculement automatique en cas de défaillance revêt ici une importance plus grande que d'habitude : un modèle de niveau aperçu peut être soumis à une limitation de débit ou retiré, et un second fournisseur derrière le même appel fait toute la différence entre une expérience et une panne. Le DSL de routage constitue l'autre option lorsqu'un pipeline a besoin du planificateur et d'un modèle distinct pour la vérification au sein d'un même appel composé. Nous n'hébergeons pas Genie 4, et rien dans ce document ne doit être interprété comme un itinéraire vers celui-ci.

อะไรจะทำให้บรีฟนี้เปลี่ยนไป

เหตุการณ์สี่อย่างจะทำให้ Genie 4 หลุดออกจากคอลัมน์ “เดโม” และกลายเป็นสิ่งที่ทีมสามารถใช้จัดทำงบประมาณได้: เอกสารสเปกที่เผยแพร่ซึ่งระบุความละเอียดและอัตราเฟรม; ราคาสำหรับระดับ Gemini API; การวัดผลอิสระครั้งแรกจากนอกกลุ่มผู้ทดสอบที่เชื่อถือได้; และการที่ Project Genie ส่ง Genie 4 ให้ผู้สมัครสมาชิก AI Ultra ซึ่งเป็นช่องทางสำหรับผู้บริโภคเพียงช่องทางเดียวที่ Google ระบุชื่อไว้ เหตุการณ์ที่เทียบเท่าสำหรับ ER 2 คือตารางราคาและวันที่เปิดให้ใช้งานทั่วไป

จนถึงตอนนั้น สรุปตามตรงคือ Google ประกาศโมเดลโลก (world model) ที่มีความสามารถสูงสุดเท่าที่บริษัทเคยสร้างมา และตัววางแผนสำหรับหุ่นยนต์ที่ใช้งานได้จริงที่สุดเท่าที่เคยส่งมอบ ในสัปดาห์เดียวกัน และเอาตัวที่น่าประทับใจกว่าของทั้งสองไปไว้หลังรายชื่อรอ ตัวที่คุณเรียกใช้ได้วันนี้คือประกาศที่เล็กกว่า โดยปกติแล้วสัปดาห์พรีวิวมักเป็นแบบนี้