Genie 4 กับ ABot-Earth 0.7: ตัวหนึ่งจำลองสถานที่ อีกตัวสร้างสถานที่จริงขึ้นมาใหม่

วางคำขอทั้งสองไว้เคียงข้างกัน แล้วความแตกต่างก็ปรากฏขึ้นทันที ลองขอถนนยามฝนตกในเวลาโพล้เพล้จาก Genie 4 คุณจะได้ถนนที่ไม่เคยมีอยู่จริง เรนเดอร์ออกมาเป็นพิกเซล ควบคุมทิศทางได้ด้วยข้อความ และคงรูปอยู่ได้ประมาณสองนาที ลองขอถนนเส้นเดียวกันจาก ABot-Earth 0.7 แล้วมันจะถามว่าถนนเส้นไหน — หรือรับภาพถ่ายดาวเทียมของถนนสักเส้น — จากนั้นสร้างสถานที่เฉพาะแห่งนั้นขึ้นใหม่เป็นเรขาคณิต 3D ที่สำรวจได้ ภายในเวลาประมาณสิบนาทีบนการ์ดจอสำหรับผู้บริโภคเพียงใบเดียว ทั้งสองถูกเรียกว่า world model และทั้งคู่กำลังตอบคำถามที่ต่างกัน: สถานที่หนึ่ง ๆ อาจมีหน้าตาอย่างไร เทียบกับ สถานที่นี้มีหน้าตาอย่างไร

ความแตกต่างนี้เป็นตัวกำหนดการเปรียบเทียบเชิงปฏิบัติเกือบทั้งหมดระหว่างทั้งสอง Genie 4 ซึ่ง Google DeepMind ประกาศเมื่อวันที่ 27 ตุลาคม 2026 เป็นเครื่องจำลองเชิงสร้างสรรค์สำหรับฉากที่ไม่มีอยู่จริง ส่วน ABot-Earth 0.7 ซึ่งเปิดตัวโดย Amap — แผนกแผนที่และการนำทางของ Alibaba — เมื่อวันที่ 10 กันยายน 2026 เป็นระบบสร้างเมืองที่มีอยู่จริงขึ้นมาใหม่ ทั้งสองไม่ได้ทำให้อีกตัวหนึ่งกลายเป็นสิ่งซ้ำซ้อน และการเลือกผิดจะทำให้คุณเสียเวลาหลายเดือน

คำขอทั้งสองที่ระบุไว้อย่างตรงไปตรงมา

Genie 4 รับพรอมต์หรือเฟรมเริ่มต้น พร้อมอินพุตจากคีย์บอร์ดและกล้อง แล้วสร้างโลกที่เหมือนวิดีโอขึ้นมาแบบเรียลไทม์ คุณบังคับทิศทางมันได้ด้วยภาษาระหว่างการจำลอง เช่น เปลี่ยนสภาพอากาศ ขยับกล้อง หรือเพิ่มตัวละครเข้าไป ระบบสร้างเสียงได้เองโดยกำเนิด ทั้งเสียงบรรยากาศ ดนตรี และบทสนทนาของตัวละครที่ตอบสนองภายในฉาก และยังคงความสอดคล้องต่อเนื่องได้ประมาณสองนาทีก่อนที่รายละเอียดจะเริ่มเพี้ยนไป นี่คือตัวอย่างเพื่อการวิจัยสำหรับผู้ทดสอบที่ได้รับความไว้วางใจ โดยกลุ่มถัดไปคือผู้สมัครสมาชิก Google AI Ultra และพันธมิตรที่ได้สิทธิ์เข้าถึงก่อนของ Gemini API

ABot-Earth 0.7 รับภาพถ่ายดาวเทียมที่อ้างอิงพิกัดภูมิศาสตร์หรือคำอธิบายสถานที่แบบข้อความ แล้วสร้างฉาก 3D Gaussian splatting ของเมืองนั้น — ถนน อาคาร ภูมิประเทศ — ซึ่งคุณสามารถสำรวจได้ Amap วางตำแหน่งให้เป็นโมเดลโลกเมืองแบบ 3D-native รุ่นแรก ที่สามารถสร้างได้อย่างต่อเนื่องจากระดับดาวเคราะห์ลงไปจนถึงระดับถนน ครอบคลุม 196 ประเทศและภูมิภาค โดยจัดส่งอยู่ในผลิตภัณฑ์สำหรับผู้บริโภคของ Amap เอง ได้แก่ Flying Street View 2.0, Navigation Live และฟีเจอร์นำทางที่บริษัทเรียกว่า Avoid-Pitfall Guide

อ่านสองย่อหน้านั้นอีกครั้ง แล้วสังเกตว่ามีอะไรขาดหายไปจากแต่ละย่อหน้า ผลลัพธ์ของ Genie ไม่มีภูมิศาสตร์ ไม่มีพิกัด และไม่มีการรับประกันว่าอาคารทางซ้ายคืออาคารที่มีอยู่จริง ณ ที่นั้น ส่วนผลลัพธ์ของ ABot-Earth ไม่มีเรื่องเล่า ไม่มีตัวละคร ไม่มีเสียง และไม่มีความสามารถในการกลายเป็นสถานที่ที่ยังไม่เคยเป็นสถานที่มาก่อน

พิกเซลที่คุณเฝ้ามอง เรขาคณิตที่คุณก้าวเดิน

รูปแบบเอาต์พุตเป็นความแตกต่างทางเทคนิคที่ลึกที่สุด และเป็นปัจจัยที่มักกำหนดคำตอบของคุณมากที่สุด

• เอาต์พุต — Genie 4 สร้างเฟรมวิดีโอที่สร้างขึ้นพร้อมกับเสียงที่สร้างขึ้นซึ่งซิงโครไนซ์กัน; ABot-Earth 0.7 สร้าง 3D Gaussian splats ซึ่งเป็นการแสดงฉากแบบชัดเจน

• ความสามารถในการกำหนดทิศทาง — Genie 4 ถูกขับเคลื่อนด้วยภาษาธรรมชาติในขณะรันไทม์; ABot-Earth 0.7 ถูกขับเคลื่อนด้วยการเลือกตำแหน่ง ณ เวลาที่สร้าง

• ความจริงเชิงภูมิศาสตร์ — Genie 4 ไม่มีเลยโดยการออกแบบ; ABot-Earth 0.7 ผูกโยงกับพิกัดจริง

• เสียง — เป็นแบบเนทีฟและแบบเจนเนอเรทีฟบน Genie 4; ไม่ใช่ฟีเจอร์ของ ABot-Earth 0.7

• เวลาที่ใช้จนได้ฉากที่ใช้งานได้ — การสร้างใช้เวลาระดับวินาทีบน Genie 4 และประมาณสิบนาทีต่อตารางกิโลเมตรบน ABot-Earth 0.7

• ขีดจำกัดด้านความสอดคล้อง — ประมาณสองนาทีของการจำลองแบบไม่มีการคลาดเคลื่อนบน Genie 4; เป็นการสร้างใหม่แบบคงที่ที่ไม่หมดอายุ

Gaussian splats มีความสำคัญในที่นี้ด้วยเหตุผลที่ไม่เกี่ยวกับคุณภาพของภาพเลย สปลาตคือฉากที่คุณสามารถเคลื่อนกล้องผ่านเข้าไปได้โดยที่โมเดลไม่ต้องสร้างส่วนที่คุณไม่ได้มองขึ้นมาเอง — เพราะส่วนเหล่านั้นถูกบันทึกไว้ ไม่ใช่จินตนาการขึ้นมา Genie 4 มีคุณสมบัติตรงกันข้าม: ทุกสิ่งนอกกล้องถูกสร้างขึ้นตามต้องการ และ Google ยอมรับว่าความคงอยู่ของวัตถุนั้นคลาดเคลื่อน ซึ่งหมายความว่าห้องที่คุณเดินออกมาอาจไม่ใช่ห้องที่คุณเดินกลับเข้าไป

ข้อกล่าวอ้างเรื่องขนาด ฉบับแปล

ตัวเลขของ Amap นั้นมากและเป็นตัวเลขที่ผู้ขายรายงานเอง จึงควรอ่านโดยคำนึงถึงข้อเท็จจริงนี้ บริษัทกล่าวว่าพื้นที่เมืองหนึ่งตารางกิโลเมตรใช้เวลาประมาณสิบนาทีบน GPU ระดับผู้บริโภคหนึ่งตัว ว่านี่เร็วกว่าการสร้างแบบจำลองด้วยโฟโตแกรมเมตรีแบบดั้งเดิมถึง 1,000 เท่า และมีค่าใช้จ่ายประมาณหนึ่งในร้อยของวิธีนั้น การครอบคลุม 196 ประเทศเป็นคำกล่าวอ้างเรื่องความครอบคลุมของข้อมูลนำเข้า ไม่ใช่คำกล่าวอ้างว่าทุกสถานที่ในจำนวนนั้นได้รับการสร้างแบบจำลองแล้ว

ตัวเลข 1,000× เป็นตัวเลขที่ต้องตีความอย่างระมัดระวัง ไปป์ไลน์การสร้างใหม่แบบดั้งเดิม — การบินโดรน โฟโตแกรมเมตรี การเก็บกวาดด้วยมือ — ใช้เวลาหลายวันและต้องมีทีมสำรวจ ดังนั้นการเปรียบเทียบกับสิ่งเหล่านี้จึงเป็นการเปรียบเทียบขั้นตอนการสร้างกับปฏิบัติการภาคสนามทั้งหมด เมื่อเทียบกับวิธีการสร้างใหม่ด้วยโครงข่ายประสาทอื่น ๆ ช่องว่างจะเล็กกว่ามาก สิ่งที่ยืนยันได้อย่างสมเหตุสมผลคือลักษณะของคำกล่าวอ้าง: การสร้างเมืองยาวหนึ่งกิโลเมตรในสิบนาทีบนฮาร์ดแวร์ที่คุณอาจมีอยู่แล้วนั้นเป็นการเข้าถึงที่ต่างระดับจากการจ้างทีมสำรวจ

Genie 4 ไม่ได้เปิดเผยตัวเลขที่เทียบเคียงได้เลยแม้แต่ตัวเดียว ไม่มีความละเอียด ไม่มีอัตราเฟรม ไม่มีตัวเลขความหน่วง และไม่มีต้นทุนที่ระบุไว้ คุณไม่สามารถนำปริมาณงานที่ประมวลผลได้ของมันไปเทียบกับของ Amap ได้ ซึ่งนั่นเองก็เป็นข้อค้นพบอย่างหนึ่ง: โมเดลที่ไม่ยอมระบุอัตราเฟรมของตัวเองยังไม่ถือว่าแข่งขันกันในเชิงการผลิต

ความพร้อมใช้งานคือจุดที่การเปรียบเทียบเป็นไปอย่างตรงไปตรงมา

โมเดลทั้งสองนี้ถูกจำกัดการเข้าถึง และถูกจำกัดในรูปแบบที่แตกต่างกันซึ่งมีความสำคัญ

Genie 4 เป็น research preview สำหรับ trusted testers โดยมี public waitlist และคำมั่นว่าจะเปิดให้เข้าถึงในวงกว้างขึ้น "ในอีกไม่กี่สัปดาห์ข้างหน้า" ผ่าน AI Ultra และ Gemini API ไม่มีราคา ไม่มี rate limit ไม่มี SLA และไม่มีข้อกำหนดการใช้งานสำหรับผลลัพธ์เชิงพาณิชย์ หากคุณเป็นสตูดิโอ คุณไม่สามารถวางแผนโดยอิงกับมันได้ ทำได้เพียงเฝ้าดูมันเท่านั้น

ABot-Earth 0.7 แย่กว่าสำหรับนักพัฒนาภายนอกแม้ว่าจะเก่ากว่า ไม่มีเวตต์โมเดลแบบสาธารณะ ไม่มี model card ไม่มี API ไม่มีข้อมูลราคา และไม่มีเอกสารสำหรับนักพัฒนา เว็บไซต์สำหรับทดลองใช้มีเฉพาะภาษาจีนตัวย่อ และการสร้างผลลัพธ์เปิดให้เฉพาะผู้ได้รับเชิญเท่านั้น มันเป็นฟีเจอร์ผลิตภัณฑ์ภายในแอปสำหรับผู้บริโภคของ Amap ที่บริษัทเลือกจะเรียกมันว่า world model ไม่ใช่แพลตฟอร์มที่คุณสามารถสร้างต่อยอดได้

ดังนั้นคำตอบที่ตรงไปตรงมาสำหรับคำถามที่ว่า "ฉันใช้ตัวไหนได้บ้าง" คือ ตอนนี้ยังใช้ไม่ได้ทั้งสองอย่าง หากไม่มีความสัมพันธ์กับผู้ให้บริการ สิ่งที่แตกต่างกันคือทิศทางที่กำลังเดินหน้า Google ได้ระบุช่องทางต่าง ๆ ไว้แล้ว — AI Ultra, Gemini API, AI Studio — และให้กรอบเวลาเป็นจำนวนสัปดาห์ ส่วน Amap ได้ระบุแอปของตนเองแล้ว

จุดที่แต่ละตัวทำได้ดีจริง ๆ

คุณค่าของ Genie 4 อยู่ที่โลกซึ่งไม่จำเป็นต้องเป็นของจริง การพรีวิชวลไลซ์ภาพยนตร์ ซึ่งจุดสำคัญคือการทดสอบภาษาภาพของกล้องก่อนที่ฉากจะถูกสร้างขึ้น การสร้างต้นแบบเกม ซึ่งคุณต้องการสำรวจกลไกในพื้นที่ที่ยังไม่มีศิลปินคนใดสร้างขึ้น การฝึกหุ่นยนต์และเอเจนต์ โดยเดโมของ Google เองได้จับคู่ Genie 4 กับ Gemini 4 Argon เพื่อแยกย่อยงานสำหรับหุ่นยนต์มนุษย์ Apptronik Apollo — การจำลองคือพื้นที่ซ้อม และพื้นที่ซ้อมจะยิ่งมีประโยชน์มากขึ้นเมื่อมันยิ่งไม่เหมือนถนนสายใดสายหนึ่งโดยเฉพาะ

คุณค่าของ ABot-Earth 0.7 อยู่ที่โลกที่ต้องเป็นจริง ผลิตภัณฑ์ด้านการนำทาง ที่อาคารผิดหลังหมายถึงการเลี้ยวผิด การวางผังเมือง ที่คำถามคือการพัฒนาที่เสนอจะส่งผลต่อแนวสายตาอย่างไร ประกันภัยและการตรวจสอบ ที่สิ่งที่ส่งมอบต้องสอดคล้องกับที่อยู่ ทุกที่ที่ประโยค “นั่นไม่ใช่สิ่งที่มันดูเหมือน” ถือเป็นความล้มเหลว ไม่ใช่ทางเลือกเชิงสร้างสรรค์

มีรูปแบบผสมที่ชัดเจนซึ่งทั้งสองบริษัทยังไม่ได้เปิดตัว นั่นคือใช้การสร้างใหม่ (reconstruction) เพื่อกำหนดเรขาคณิตและภูมิศาสตร์ จากนั้นใช้โมเดล generative เพื่อปรับสไตล์ เปลี่ยนสภาพอากาศ เติมผู้คนหรือวัตถุลงไป หรือเคลื่อนกล้องผ่านฉากนั้นในแบบที่การเก็บภาพต้นฉบับไม่เคยครอบคลุม Amap มีเรขาคณิตแต่ไม่มีชั้น generative Google มีชั้น generative แต่ไม่มีภูมิศาสตร์ ใครก็ตามที่เชื่อมสองครึ่งนี้เข้าด้วยกันจะเป็นเจ้าของเวอร์ชันถัดไปของหมวดหมู่นี้

ต้องแลกอะไรบ้างเพื่อที่จะเลือก

หากงานของคุณต้องการสถานที่จริงที่เฉพาะเจาะจง ABot-Earth 0.7 เป็นเพียงตัวเดียวในสองตัวที่ให้ข้อมูลนั้นแก่คุณได้ และคุณควรเริ่มการสนทนากับ Amap ตอนนี้เลย แทนที่จะรอโปรแกรมสำหรับนักพัฒนาที่อาจไม่เปิดขึ้นมาเลย

ถ้างานของคุณต้องการสถานที่ที่สมเหตุสมผลซึ่งไม่มีอยู่จริง พร้อมเสียงและการกำกับแบบสด Genie 4 คือความสามารถที่แข็งแกร่งกว่าแต่เป็นผลิตภัณฑ์ที่อ่อนกว่า — ไวต์ลิสต์และคำสัญญา การเคลื่อนไหวที่สมเหตุสมผลคือการสร้างต้นแบบไปป์ไลน์ที่อยู่โดยรอบกับบางสิ่งที่คุณเรียกใช้ได้ในวันนี้ และสลับเวิลด์โมเดลเข้ามาเมื่อได้รับสิทธิ์เข้าถึง ในกรณีของเรา นั่นหมายถึงการสร้างครึ่งหนึ่งของลูปที่เป็นตัววางแผนและตัวตรวจสอบบนเอนด์พอยต์ LLM ที่กำหนดเส้นทางได้ — API เดียว, มาร์กอัป 0% จากราคาตามรายการของผู้ให้บริการ, การสลับไปใช้ผู้ให้บริการอื่นอัตโนมัติเมื่อเกิดความขัดข้อง — เพราะครึ่งนั้นคือส่วนที่จะไม่เปลี่ยนเมื่อเวิลด์โมเดลเปลี่ยน

เราอาจอดถามไม่ได้ว่าโมเดลไหนดีกว่า แต่คำถามที่มีประโยชน์กว่าคือคำถามที่แคบกว่า: โลกของคุณจำเป็นต้องอยู่ ณ ที่ใดที่หนึ่งหรือไม่ Genie 4 บอกว่าไม่ และให้กล้องแก่คุณ ABot-Earth 0.7 บอกว่าใช่ และให้พิกัดแก่คุณ ความแตกต่างอื่นแทบทั้งหมดระหว่างทั้งสองจึงเกิดจากคำตอบเดียวนั้น