Genie 4 กับ Genie 3: สองนาที หนึ่งประสาทสัมผัสใหม่ และประตูที่ถูกล็อกไว้เหมือนเดิม

Genie 4 ถูกประกาศเมื่อวันที่ 27 ตุลาคม 2026 ซึ่งเป็นเวลา 448 วันหลังจาก Genie 3 ช่วงเวลาดังกล่าวบอกได้ง่ายแต่ประเมินได้ยาก เพราะโมเดลทั้งสองไม่ได้ถูกจำหน่ายในรูปแบบเดียวกัน และในทางเทคนิคแล้ว ทั้งสองก็ไม่ได้ถูกจำหน่ายเลย Genie 3 เป็นพรีวิวงานวิจัยแบบจำกัดการเข้าถึงมาตั้งแต่วันที่ 5 สิงหาคม 2025 โดยผู้สมัครสมาชิก Google AI Ultra เข้าถึงได้ผ่าน Project Genie ตั้งแต่เดือนมกราคม 2026 ส่วน Genie 4 ก็เป็นพรีวิวงานวิจัยแบบจำกัดการเข้าถึงอีกครั้ง คราวนี้สำหรับผู้ทดสอบที่ได้รับความไว้วางใจจำนวนจำกัดและมีรายชื่อรอแบบสาธารณะ สิ่งที่เปลี่ยนไประหว่างนั้นเป็นของจริง: เสียง การควบคุมแบบเรียลไทม์ หน้าต่างความสอดคล้องที่ยาวขึ้น และโมเดล Gemini อีกตัวที่คอยตรวจสอบเอาต์พุต สิ่งที่ไม่เปลี่ยนคือส่วนที่ตัดสินว่าคุณจะใช้งานมันได้หรือไม่

บทความส่วนใหญ่เกี่ยวกับ Genie 4 อ่านแล้วเหมือนรายการฟีเจอร์ใหม่ ซึ่งถูกต้องแต่ก็ไม่สมบูรณ์ การเปรียบเทียบที่มีประโยชน์กว่าคือระหว่างสองรุ่นของแนวคิดเดียวกันในสองขั้นของความสมบูรณ์ที่ต่างกัน Genie 3 เป็นสิ่งที่รู้ข้อมูลกันแน่ชัด มีความละเอียดและอัตราเฟรมที่เผยแพร่แล้ว รวมถึงเส้นทางสู่ผลิตภัณฑ์ ส่วน Genie 4 เป็นเดโมที่มีคำอธิบายดีกว่าแต่ไม่มีเอกสารสเปก สิ่งนี้ไม่ได้ทำให้ Genie 4 กลายเป็น vaporware เพราะบล็อก เดโม และการทดลองหุ่นยนต์มีอยู่จริง แต่ก็หมายความว่าการเปรียบเทียบอย่างตรงไปตรงมาจะมีสองคอลัมน์ที่เป็นหลักฐานต่างชนิดกัน

ส่วนเพิ่มเติมทั้งสี่ เรียงตามระดับที่มันเปลี่ยนแปลงงาน

ไม่ใช่ทุกความสามารถใหม่ที่สำคัญเท่ากัน เมื่อจัดอันดับตามสิ่งที่สิ่งเหล่านี้ทำต่อไปป์ไลน์:

• เสียงแบบเนทีฟ นี่คือการเปลี่ยนแปลงที่เปลี่ยนหมวดหมู่ของผลิตภัณฑ์ การจำลองแบบไร้เสียงสามารถขับเคลื่อนการตัดสินใจเกี่ยวกับกล้องได้ แต่ไม่สามารถใช้แทนช็อตถ่ายจริงได้ เพราะนักออกแบบเสียงยังต้องสร้างเสียงฝนและเสียงฝีเท้าให้สอดคล้องกับจังหวะเวลาที่โมเดลไม่ได้สร้างขึ้น Genie 4 สร้างเสียงรอบข้าง เพลง และบทสนทนาแบบโต้ตอบในรอบเดียวกันกับเฟรม ซึ่งหมายความว่าเสียงกับภาพอ้างอิงเวลาเดียวกัน ข้อควรระวังของ Google สำคัญมาก: ความแม่นยำของเสียงยังไม่ได้รับการแก้ไข และบทสนทนาที่สร้างขึ้นเป็นส่วนที่คาดเดาได้ยากที่สุดของการเปิดตัวครั้งนี้

• การควบคุมแบบเรียลไทม์ Genie 3 สามารถรับเหตุการณ์ในโลกที่สั่งผ่านพรอมต์ได้ — เปลี่ยนสภาพอากาศ เพิ่มวัตถุ — แต่การโต้ตอบยังหยาบอยู่ Genie 4 รับคำสั่งที่พิมพ์ระหว่างการจำลอง และโมเดล Gemini ปรับคำสั่งนั้นให้เข้ากับเฟรมปัจจุบัน ดังนั้นกล้องจึงเคลื่อนที่และฉากสามารถเปลี่ยนได้โดยไม่ต้องรีเซ็ต สำหรับการสร้างภาพตัวอย่างล่วงหน้า นี่คือความแตกต่างระหว่างการสร้างช็อตกับการกำกับช็อต

• ช่วงเวลาที่ยาวขึ้น ตัวเลขที่ทุกคนอ้างถึงคือความคงเส้นคงวาของฉากประมาณสองนาที ซึ่งเป็นสองเท่าของ Genie 3 เป็นตัวเลขที่มีการรายงานจากงานแถลงข่าวเปิดตัว โดยบล็อกระบุเพียงว่าเซสชันนั้น "สั้น" ผลในทางปฏิบัติคือเทกหนึ่งครั้งสามารถยาวนานพอที่จะถ่ายทำลำดับสั้น ๆ ได้ ไม่ใช่ถึงขั้นที่สามารถสำรวจเลเวลได้

• เอเจนต์ที่อยู่ในลูปการทำงาน Gemini Omni ยึดโยงรูปลักษณ์และพฤติกรรม และ Gemini 3.8 Flashเฝ้าดูเฟรม แยกย่อยเป้าหมาย ตรวจสอบความคืบหน้า และวางแผนใหม่ นี่คือการเปลี่ยนแปลงเชิงสถาปัตยกรรม ไม่ใช่แค่การเรนเดอร์ และนี่คือเหตุผลที่เดโมหุ่นยนต์ทำงานได้: Gemini 4 Argon วางแผน Genie 4 จำลอง และหุ่นยนต์ฮิวแมนนอยด์ Apptronik Apollo เล่นหมากฮอสในโลกที่สร้างขึ้น

สิ่งที่ Genie 4 ไม่ได้เผยแพร่

นี่คือจุดที่การเปรียบเทียบไม่สมมาตรอีกต่อไป Genie 3 มีข้อกำหนดที่เปิดเผยต่อสาธารณะ ได้แก่ ความละเอียด 720p, 24 เฟรมต่อวินาที, การโต้ตอบแบบเรียลไทม์, หน่วยความจำภาพย้อนหลังได้ประมาณหนึ่งนาที และเซสชันที่ยาวนานไม่กี่นาที Genie 4 ไม่มีตัวเลขเหล่านี้เป็นลายลักษณ์อักษรเลย ไม่มีความละเอียด ไม่มีอัตราเฟรม ไม่มีเวลาแฝง ไม่มีขนาดโมเดล ไม่มีเกณฑ์มาตรฐาน และไม่มีราคา

การไม่มีข้อมูลดังกล่าวส่งผลเฉพาะเจาะจงต่อใครก็ตามที่อาจเผลอเขียนว่า “Genie 4 มีความสมจริงสูงกว่า Genie 3” ซึ่งอาจเป็นเรื่องจริงก็ได้ เดโมที่เห็นดูดีกว่า และ Google อ้างว่ามีฟิสิกส์ที่ดีขึ้น การเคลื่อนไหวของมนุษย์ที่เป็นธรรมชาติมากขึ้น และฉากที่สมจริงเหมือนภาพถ่ายมากขึ้น แต่เมื่อไม่มีการเปิดเผยความละเอียดหรืออัตราเฟรม ก็ไม่มีทางบอกได้ว่าการพัฒนาขึ้นนั้นมาจากตัวโมเดลหรือมาจากการบันทึก เดโมที่เรนเดอร์ด้วยความละเอียดสูงกว่าที่ผลิตภัณฑ์เปิดตัวก็จะดูเหมือนโมเดลที่ดีกว่าได้พอดี คำกล่าวอ้างเรื่องความสมจริงทุกข้อในการเปรียบเทียบนี้เป็นข้อมูลที่ผู้ขายรายงานเองและไม่ได้มีการทำซ้ำ และช่องว่างด้านข้อมูลสเปกคือเหตุผลที่ต้องพูดเรื่องนี้ออกมาดัง ๆ ไม่ใช่ใส่ไว้ในเชิงอรรถ

ข้อจำกัดที่ยอมรับนั้นก็มีความเฉพาะเจาะจงมากขึ้นในครั้งนี้เช่นกัน Google ยอมรับว่ารายละเอียดและความคงอยู่ของวัตถุนั้นคลาดเคลื่อนไปในเซสชันที่ยาวนานขึ้นและหลังจากการแก้ไขที่ซับซ้อนซ้ำหลายครั้ง ว่าความแม่นยำเชิงพื้นที่ยังไม่สมบูรณ์ ว่าข้อความภายในโลกนั้นแสดงผลได้ไม่ดี และว่าความแม่นยำของเสียงยังเป็นโจทย์วิจัย สิ่งเหล่านี้คือหมวดหมู่เดียวกับที่ Genie 3 ระบุไว้ — พื้นที่การกระทำที่ถูกจำกัด การปฏิสัมพันธ์ระหว่างหลายเอเจนต์ที่อ่อนแอ ภูมิศาสตร์โลกจริงที่ย่ำแย่ ความอ่านออกได้ — โดยเพิ่มเรื่องเสียงเข้าไป รายการนี้ไม่ได้หดลงเลย มันเพิ่มขึ้นมาหนึ่งหมวดหมู่

ประตูไม่ขยับ

เรื่องราวการเข้าถึงของ Genie 3 เป็นเรื่องราวของผลิตภัณฑ์ Project Genie ซึ่งเป็นพื้นที่ให้บริการของ Google Labs ที่เปิดตัวเมื่อวันที่ 29 มกราคม 2026 มอบช่องทางให้ผู้สมัครสมาชิก AI Ultra เข้าสู่โลกของ Genie 3 และมีรายงานว่าจำกัดการสำรวจโลกหนึ่งครั้งไว้ที่ 60 วินาที ซึ่งเป็นการตัดสินใจด้านการประมวลผล เนื่องจากการสร้างแบบ autoregressive จะมีต้นทุนสูงขึ้นเมื่อเซสชันดำเนินไปนานขึ้น ควรคำนึงถึงเพดานดังกล่าวเมื่ออ่านตัวเลขสองนาทีของ Genie 4 เพราะหน้าต่างความสอดคล้องของโมเดลกับขีดจำกัดเซสชันของผลิตภัณฑ์เป็นตัวเลขที่แตกต่างกันสองค่า และในอดีตตัวเลขของผลิตภัณฑ์มักเป็นค่าที่เข้มงวดกว่า

เรื่องการเปิดให้เข้าถึง Genie 4 เป็นเพียงเรื่องพรีวิว ตอนนี้มีผู้ทดสอบที่ได้รับความไว้วางใจ ผู้สมัครสมาชิก AI Ultra ผ่าน Project Genie จะ “เร็วๆ นี้” พันธมิตรที่เข้าถึงก่อนผ่าน Gemini API และ AI Studio จะ “เร็วๆ นี้” และในระหว่างนี้มีรายชื่อรออยู่ ไม่มีวันที่ระบุไว้กับคำว่า “เร็วๆ นี้” ทั้งสองคำ สำหรับนักพัฒนา นั่นหมายความว่าการอัปเกรดยังไม่ใช่การตัดสินใจซื้อ สำหรับผู้สมัครสมาชิก AI Ultra นั่นหมายความว่าโมเดลที่คุณเข้าถึงได้ในวันนี้ยังคงเป็น Genie 3

ดังนั้น การเปรียบเทียบที่ผู้อ่านนำไปใช้ได้จริงจึงมีขอบเขตแคบ หากคุณมีสิทธิ์เข้าถึง Project Genie อยู่แล้ว Genie 4 ก็ไม่ได้เปลี่ยนแปลงอะไรในสัปดาห์ของคุณจนกว่าจะเปิดให้ใช้งานที่นั่น หากคุณกำลังเลือกว่าจะสร้างต้นแบบเทียบกับสิ่งใด ชั้นการให้เหตุผลคือส่วนที่มีอยู่จริง: Gemini 3.8 Flash ซึ่งเป็นโมเดลที่ Google ระบุว่าเป็นเอเจนต์ในลูปของ Genie 4 สามารถเรียกใช้ได้แล้วผ่าน OrcaRouter ด้วยคีย์เดียวกับ Gemini Robotics ER 1.6 preview โดยมีราคาตามรายการของผู้ให้บริการส่งผ่านด้วยมาร์กอัป 0% และมีการสลับไปยังผู้ให้บริการรายอื่นโดยอัตโนมัติเมื่อเกิดเหตุขัดข้อง ซึ่งช่วยให้ทีมสร้างส่วนวางแผนครึ่งหนึ่งของไปป์ไลน์การจำลองได้ก่อนที่ world model จะพร้อมใช้งานสำหรับพวกเขา สิ่งนี้ไม่ได้ใช้แทน Genie 4 และเราไม่ได้โฮสต์โมเดล Genie ทั้งสองรุ่น

อะไรจะทำให้เรื่องนี้ยุติลง

เอกสารเผยแพร่สามฉบับจะเปลี่ยนสิ่งนี้จากการเปรียบเทียบคุณสมบัติเป็นการเปรียบเทียบโมเดล ฉบับแรกคือเอกสารสเปก: ความละเอียด อัตราเฟรม เวลาแฝง และขีดจำกัดเซสชัน เป็นลายลักษณ์อักษรจาก Google ฉบับที่สองคือการวัดที่เป็นอิสระจากนอกกลุ่มผู้ทดสอบที่ได้รับความไว้วางใจ — อะไรก็ตามที่รายงานอัตราเฟรมภายใต้ภาระหรือเวลาความสอดคล้องภายใต้การแก้ไขซ้ำ ๆ แทนที่จะเพียง repeats ตัวเลขจากบรีฟฟิ่ง ฉบับที่สามคือเพดานเซสชันของ Project Genie สำหรับ Genie 4 ซึ่งจะบอกคุณว่าคำกล่าวอ้างสองนาทีนั้นมีค่าควรแค่ไหนในผลิตภัณฑ์ที่ผู้คนซื้อได้จริง

จนถึงตอนนั้น การเปรียบเทียบ Genie 4 กับ Genie 3 คือการเปรียบเทียบระหว่างพรีวิวที่เปิดให้ใช้งานแล้วซึ่งมีข้อจำกัดที่ทราบกัน กับรุ่นสืบทอดที่ประกาศแล้วซึ่งมีเดโมที่ดีกว่าแต่ไม่มีสเปกใด ๆ รุ่นสืบทอดน่าจะเป็นโมเดลที่ดีกว่า ส่วนรุ่นก่อนหน้าเป็นรุ่นเดียวที่คนนอก Google เคยใช้งาน

ใครควรใส่ใจตอนนี้ และใครควรรอ

นักวิจัยที่อยู่ในโปรแกรมเทสเตอร์อยู่แล้วควรให้ความสนใจเรื่องนี้ตอนนี้ เพราะเสียงบวกการควบคุมทิศทางบวกลูปของเอเจนต์ถือเป็นพื้นที่การทดลองที่แตกต่างออกไปอย่างมีนัยสำคัญ และเดโมหุ่นยนต์ก็บ่งชี้ว่า Google อยากให้โมเดลมุ่งไปทางไหน สตูดิโอที่ทำงานด้าน pre-visualization ควรรอสองสิ่ง คือ Genie 4 ที่จะลงใน Project Genie และคำตอบด้านการอนุญาตสิทธิ์สำหรับเสียงที่สร้างขึ้น ซึ่งเนื้อหาการเปิดตัวไม่ได้ให้คำตอบในส่วนนี้ไว้ ส่วนทีมเกมควรรอเรื่องขีดจำกัดของเซสชัน เพราะหน้าต่างความสอดคล้องสองนาทีเป็นเพียงช็อตเดียว ไม่ใช่ทั้งด่าน และโหมดความล้มเหลวที่ Google ระบุไว้เอง — ความคงอยู่ของวัตถุที่คลาดเคลื่อนไปหลังการแก้ไขซ้ำหลายครั้ง — ก็คือสิ่งที่ทำให้ walkthrough พังลงพอดี

ไม่มีสิ่งใดในนั้นทำให้ Genie 4 น่าผิดหวัง มันทำให้ Genie 4 เป็นเพียงการประกาศ ซึ่งนั่นก็คือสิ่งที่มันเป็น ช่องว่างระหว่างสองเจเนอเรชันนั้นมีอยู่จริง และจากหลักฐานที่มีอยู่ ช่องว่างนี้ใหญ่กว่าช่องว่างระหว่าง Genie 2 กับ Genie 3 ส่วนช่องว่างระหว่างการได้ครอบครองตัวใดตัวหนึ่งในสองตัวนั้นเป็นศูนย์