Genie 4 เทียบกับ Hi3D v1.0: โลกที่คุณไปเยือน หรือเมชที่คุณเก็บไว้

Genie 4 มอบประสบการณ์ที่จบลงเมื่อเซสชันสิ้นสุด Hi3D v1.0 มอบไฟล์ให้คุณ นั่นคือการเปรียบเทียบทั้งหมด และคุ้มค่าที่จะกล่าวอย่างตรงไปตรงมา เพราะทั้งสองโมเดลถูกพูดถึงราวกับว่าอยู่ติดกัน ทั้งคู่เป็นแบบเจเนอเรทีฟ ทั้งคู่ให้ผลลัพธ์ที่ดูเป็นสามมิติ และทั้งคู่เปิดตัวห่างกันภายในหนึ่งสัปดาห์ในเดือนตุลาคม 2026 Genie 4 ซึ่ง Google DeepMind ประกาศเมื่อวันที่ 27 ตุลาคม เป็นโมเดลโลกแบบอินเทอร์แอกทีฟเรียลไทม์ที่สร้างวิดีโอพร้อมเสียงที่ซิงโครไนซ์จากพรอมต์ข้อความ และให้คุณควบคุมทิศทางได้ขณะทำงาน Hi3D v1.0 ซึ่งเปิดตัวเมื่อวันที่ 23 ตุลาคม เป็นตัวปรับแต่งเรขาคณิตแบบโอเพนเวตส์ที่เปลี่ยนเมชหยาบพร้อมภาพอ้างอิงให้เป็นเมชความละเอียดสูง และหยุดเพียงเท่านั้น — ไม่มีเท็กซ์เจอร์ ไม่มีแอนิเมชัน ไม่มีฉาก ไม่มีเสียง

อ่านเอกสารเปิดตัวทั้งสองเทียบกันไปพร้อมกัน แล้วความไม่ลงรอยกันก็จะปรากฏชัดขึ้นในแบบที่มีประโยชน์ โพสต์ของ Google พูดถึงสิ่งที่คุณทำได้ภายในโลกที่ถูกสร้างขึ้น ส่วนโมเดลการ์ดของ Hi3D พูดถึงจำนวนจุดยอดที่ตัวรีไฟเนอร์สามารถรองรับได้ อันหนึ่งเป็นประสบการณ์ของผลิตภัณฑ์ที่ไม่มีการส่งออก อีกอันเป็นเครื่องมือสร้างแอสเซ็ตที่ไม่มีประสบการณ์ หากคุณกำลังเลือกระหว่างสองสิ่งนี้ คุณไม่ได้กำลังเลือกระหว่างโมเดลโลกสองตัว — คุณกำลังเลือกระหว่างสิ่งส่งมอบสองอย่าง และมีเพียงอย่างเดียวเท่านั้นที่ใส่ลงในไฟล์ได้

สิ่งที่ Hi3D v1.0 ส่งมอบจริง ๆ

รีโพซิทอรีนี้ระบุขอบเขตไว้ชัดเจนอย่างผิดปกติ ซึ่งทำให้ประเมินได้ง่าย Hi3D v1.0 ปรับเมชหยาบให้เป็นเมชความละเอียดสูง โดยมีเงื่อนไขจากภาพอ้างอิงของวัตถุเดียวกัน มันสร้างขึ้นบนสถาปัตยกรรม Representation และ Refinement ของ Sparc3D: sparse latents ถูกสุ่มตัวอย่างบนพิกัดที่นำมาจากเมชหยาบ ถอดรหัสด้วย self-pruning sparse variational autoencoder และพื้นผิวถูกสกัดออกมา revoxelized และทำซ้ำ กริดการสกัดแบบ sparse ที่มีประสิทธิผลซึ่งเผยแพร่มีขนาดสูงถึง 1536^3 รายงานโครงการอธิบายถึงการฝึกบนสินทรัพย์ 3D ที่คัดสรรแล้วประมาณสองล้านรายการ

สิ่งที่คุณได้รับคือเรขาคณิต และเป็นเรขาคณิตเท่านั้น ไม่มีเท็กซ์เจอร์ ไม่มีวัสดุ ไม่มีริก ไม่มีแอนิเมชัน และไม่มีการจัดวางในฉาก เอาต์พุตเป็นเมชที่ถูกจัดศูนย์กลางใหม่และปรับให้เป็นมาตรฐานจนมีรัศมีสูงสุดหนึ่งหน่วย ซึ่งเป็นทางเลือกโดยเจตนาสำหรับรีไฟเนอร์ และเป็นทางเลือกที่ไม่สะดวกสำหรับใครก็ตามที่ต้องการแอสเซ็ตขนาดตามหน่วยเมตริก การ์ดโมเดลระบุว่าไม่ได้รวมโค้ดสำหรับฝึกและฮาร์เนสประเมินผลของ論文ไว้ด้วย โค้ดสำหรับการอนุมานอยู่ในรีพอซิทอรี GitHub และน้ำหนักโมเดลอยู่บน Hugging Face ภายใต้ Hi3D Open License 1.0

โปรไฟล์การประมวลผลคือส่วนที่ตัดสินว่านี่จะเป็นโปรเจกต์สำหรับวันหยุดสุดสัปดาห์หรือคำขอจัดซื้อ เส้นทางที่ระบุไว้ในเอกสารคือ NVIDIA H20 ขนาด 96 GB โดยไม่มีทางถอยกลับไปใช้ CPU และใช้แบตช์ขนาดหนึ่ง นั่นคือตัวเร่งความเร็วสำหรับดาต้าเซ็นเตอร์ ไม่ใช่การ์ดสำหรับผู้บริโภค และมันจัดวางโมเดลนี้ไว้ในระดับฮาร์ดแวร์เดียวกับงานไฟน์ทูนขนาดเล็ก นอกจากนี้ยังไม่มีเกณฑ์มาตรฐานเชิงตัวเลขที่เผยแพร่ ไม่มีระยะทาง Chamfer ไม่มี F-score และไม่มีตารางเปรียบเทียบกับ Sparc3D หรือ Hunyuan3D รีโปขอให้คุณเชื่อถือความละเอียดและจำนวนสินทรัพย์สำหรับการฝึก ซึ่งทั้งสองอย่างเป็นตัวเลขของโครงการเอง

สิ่งที่ Genie 4 ส่งมอบจริง ๆ

Genie 4 มอบเซสชันให้คุณ คุณพิมพ์คำสั่งเพื่อสร้างโลก กำกับมันด้วยภาษาธรรมชาติ — เคลื่อนกล้อง เปลี่ยนสภาพอากาศ เพิ่มตัวละคร — แล้วมันจะสร้างเฟรมพร้อมเสียงแบบเนทีฟในแบบเรียลไทม์ โดยรักษาความสอดคล้องของฉากไว้ได้ราวสองนาทีตามที่มีรายงานไว้ Gemini Omni ทำหน้าที่ยึดโยงรูปลักษณ์และพฤติกรรม และ Gemini 3.8 Flash อยู่ในลูปคอยตรวจสอบเฟรมและวางแผนใหม่ ซึ่งเป็นสิ่งที่ทำให้โมเดลนี้ใช้เป็นสภาพแวดล้อมสำหรับซ้อมงานได้จริง มากกว่าจะเป็นแค่เครื่องมือสร้างคลิป

ผลลัพธ์คือพิกเซลและเสียงที่ถูกใช้งานแบบเรียลไทม์ ไม่มีเมช ไม่มีพอยต์คลาวด์ ไม่มีเดปต์แมป ไม่มีแคมเมอราทрак และไม่มีเส้นทางส่งออกไปยัง Blender, Unity หรือ slicer Google ไม่เผยแพร่ความละเอียด อัตราเฟรม ขนาดโมเดล ผลการทดสอบมาตรฐาน หรือราคา และการเข้าถึงถูกจำกัดไว้เฉพาะกลุ่มผู้ทดสอบที่ได้รับความไว้วางใจจำนวนจำกัดซึ่งมีรายการรอ ผู้สมัครสมาชิก AI Ultra ผ่าน Project Genie และพาร์ตเนอร์ที่เข้าถึง Gemini API ในช่วงแรกได้รับสัญญาว่า “เร็ว ๆ นี้” โดยไม่ระบุวันที่ ลักษณะความล้มเหลวที่ Google ยอมรับ ได้แก่ การคลาดเคลื่อนของความคงอยู่ของวัตถุ ความแม่นยำเชิงพื้นที่ที่ไม่สมบูรณ์แบบ ข้อความภายในโลกที่อ่านไม่ออก และความแม่นยำด้านเสียงที่ยังไม่ได้รับการแก้ไข ทั้งหมดนี้อธิบายถึงระบบที่คุณค่าอยู่ในช่วงเวลาของการโต้ตอบ ไม่ใช่ในผลงานที่ได้ภายหลัง

ทีละมิติ

• สิ่งที่ส่งมอบ — Genie 4 สร้างโลกวิดีโอและเสียงแบบสด ส่วน Hi3D v1.0 สร้างไฟล์เมชแบบคงที่

• ความคงอยู่ — โลกของ Genie 4 สิ้นสุดเมื่อเซสชันสิ้นสุด; เมชของ Hi3D v1.0 สามารถจัดเก็บ กำหนดเวอร์ชัน และส่งมอบได้

• อินพุต — Genie 4 รับข้อความพร้อมคำสั่งควบคุม ส่วน Hi3D v1.0 รับภาพอ้างอิงและเมชหยาบ ซึ่งหมายความว่าไม่สามารถสร้างจากข้อความเพียงอย่างเดียวได้

• การจัดการพื้นผิว — เอาต์พุตของ Genie 4 เป็นเฟรมที่แรเงาอย่างสมบูรณ์ ส่วนเอาต์พุตของ Hi3D v1.0 เป็นเรขาคณิตที่ไม่มีพื้นผิว โดยปล่อยให้รูปลักษณ์ไปยังขั้นตอนการใส่พื้นผิวในลำดับถัดไป

• การประมวลผล — Genie 4 ทำงานบนโครงสร้างพื้นฐานของ Google ซึ่งต้องได้รับคำเชิญเท่านั้น ส่วน Hi3D v1.0 ทำงานบน H20 ขนาด 96 GB ที่คุณต้องเป็นเจ้าของหรือเช่าเอง

• การเข้าถึง — Genie 4 เปิดให้เฉพาะผู้ที่อยู่ในรายชื่อรอเท่านั้นและยังไม่มีราคา; น้ำหนักของ Hi3D v1.0 ดาวน์โหลดได้แล้วภายใต้ Hi3D Open License 1.0 โดยมีเงื่อนไขทางการค้าที่เริ่มมีผลเมื่อจำนวนผู้ใช้และรายได้เกินเกณฑ์ที่กำหนด

• หลักฐาน — Genie 4 มีเดโมและคำกล่าวอ้างจากผู้ขายโดยไม่มีผลการทดสอบมาตรฐานที่เผยแพร่ ส่วน Hi3D v1.0 มีรายงานโครงการและตัวเลขความละเอียด โดยยังไม่มีผลการทดสอบมาตรฐาน 3D ที่เป็นอิสระเช่นกัน

ความทับซ้อนที่ผู้คนเข้าใจว่ามีอยู่ และช่องว่างที่มีอยู่จริง

สมมติฐานคือเวิร์ลโมเดลกับเครื่องกำเนิด 3D เป็นสองเส้นทางที่ไปสู่แอสเซ็ตเดียวกัน แต่ไม่ใช่เช่นนั้น ด้วยเหตุผลเชิงโครงสร้าง: Genie 4 สร้างเฟรมแบบออโตเรเกรสซีฟและไม่ได้คงการแทนค่า 3D ที่ชัดเจนไว้ ความสอดคล้องของมันเป็นคุณสมบัติที่เกิดขึ้นเองจากลำดับ ไม่ใช่กราฟฉากที่ตรวจสอบได้ นี่คือสาเหตุที่โลกค่อย ๆ เพี้ยนไปหลังจากแก้ไขซ้ำหลายครั้ง และเป็นสาเหตุที่ไม่มีอะไรให้ส่งออก ผู้ชมเห็นสถานที่สามมิติ ส่วนโมเดลยังไม่ได้สร้างสถานที่นั้นขึ้นมา

Hi3D ตั้งอยู่บนอีกฟากของเส้นแบ่งนั้น มันสมมติว่าใครบางคนมีเมชหยาบอยู่แล้ว — จากตัวสร้าง จากการสแกน หรือจากการประมาณด้วย CAD — แล้วทำให้เมชนั้นคมชัดขึ้น มันไม่สามารถสร้างวัตถุขึ้นมาจากพรอมต์ ไม่สามารถวางวัตถุสองชิ้นในห้อง และไม่สามารถทำให้อะไรเคลื่อนไหวได้ หากป้อนภาพเงาที่แย่ให้มัน มันจะคืนภาพเงาที่แย่และคมชัดขึ้นมา ซึ่งเป็นความเสี่ยงจริงที่การ์ดโมเดลไม่ได้พูดถึง

ดังนั้นรูปแบบทั้งสองจึงไม่บรรจบกันตรงกลาง ยังไม่มีไปป์ไลน์ที่เผยแพร่แล้วซึ่งนำเซสชัน Genie 4 ไปเปลี่ยนเป็นเมช และยังไม่มีไปป์ไลน์ที่เผยแพร่แล้วซึ่งนำเมชของ Hi3D ไปเปลี่ยนเป็นโลกแบบโต้ตอบได้ จุดที่ทับซ้อนกันอย่างตรงไปตรงมาอยู่ที่ช่วงต้นของโปรเจกต์เท่านั้น: ทั้งสองช่วยให้ตัดสินใจได้ว่าฉากควรมีหน้าตาอย่างไรก่อนที่ใครจะลงมือสร้างมันขึ้นมา ตัวหนึ่งแสดงให้คุณเห็นภาพช็อต ส่วนอีกตัวให้วัตถุหนึ่งชิ้นจากภาพนั้น

ต้นทุนการเป็นเจ้าของ ซึ่งเป็นจุดที่การตัดสินใจเลือกเกิดขึ้นจริง

Hi3D v1.0 มีราคาที่คุณคำนวณได้ตั้งแต่วันนี้: ต้นทุนของ GPU ขนาด 96 GB ตลอดระยะเวลาการทำ refinement บวกกับเวลาทำงานของวิศวกรในการประกอบเส้นทางการทำ inference บวกกับสิ่งที่ไลเซนต์กำหนดเมื่อผลิตภัณฑ์ของคุณข้ามเกณฑ์ของไลเซนต์นั้น สิ่งนี้รู้ได้ สามารถจัดงบประมาณได้ และทำซ้ำได้ ข้อแลกเปลี่ยนคือคุณเป็นเจ้าของไปป์ไลน์และโหมดความล้มเหลวของมัน

Genie 4 ไม่มีต้นทุนที่สามารถคำนวณได้ ไม่มีราคา API ไม่มีราคาการสมัครสมาชิกเฉพาะสำหรับโมเดลนี้ และไม่มีการเผยแพร่มาตรวัดการใช้งาน ตัวเลขเดียวที่เชื่อมโยงกับการเข้าถึงคือการสมัครสมาชิก AI Ultra ซึ่งปัจจุบันเข้าถึง Genie 3 ผ่าน Project Genie และ Google ยังไม่ได้ระบุว่า Genie 4 จะรวมอยู่ในระดับเดียวกันหรือคิดราคาแยกต่างหาก ทีมงานไม่สามารถนำข้อมูลนี้ใส่ไว้ในงบประมาณได้ ซึ่งเป็นเหตุผลที่สมเหตุสมผลที่จะรอ แม้ว่าตัวอย่างการสาธิตจะเป็นสิ่งที่โครงการต้องการพอดีก็ตาม

โมเดลทั้งสองไม่ได้อยู่ในแค็ตตาล็อกของ OrcaRouter และควรบอกเหตุผลแทนที่จะปล่อยให้เป็นช่องว่าง: วันนี้เราไม่ได้โฮสต์โมเดลสำหรับสร้างหรือปรับแต่ง 3D และ Genie 4 ไม่มี endpoint สาธารณะให้ route ได้ สิ่งที่แค็ตตาล็อกมีคือระดับบริการสร้างวิดีโอแบบโฮสต์ — โมเดลอย่าง Kling v3 ที่เปลี่ยนพรอมต์ให้เป็นคลิป — และสิ่งเหล่านั้นเป็นเครื่องมือ prompt-to-video ไม่ใช่ world model แบบโต้ตอบ การมองว่าสิ่งเหล่านี้เป็นตัวแทนของ Genie 4 จะเป็นการจัดประเภทผิด ดังนั้นเราจะไม่ทำเช่นนั้น สิ่งที่เราเสนอได้คือสแต็กโดยรอบ: API เดียวที่ครอบคลุมโมเดลกว่า 200 โมเดล พร้อมราคาตามรายการของผู้ให้บริการที่ส่งผ่านโดยบวกเพิ่ม 0% การ failover อัตโนมัติระหว่างผู้ให้บริการ และ routing DSL สำหรับประกอบหลายโมเดลให้เป็นการเรียกครั้งเดียว หากไปป์ไลน์ต้องใช้ตัวสร้างคำบรรยาย ตัววางแผน และโมเดลวิดีโอ การประกอบนั่นแหละคือส่วนที่เราช่วยได้จริง

ดังนั้น การตัดสินใจจึงไม่ได้สูสีเลย หากสิ่งที่ต้องส่งมอบคือเมชที่เครื่องพิมพ์ เอนจินเกม หรือไปป์ไลน์การรีวิวจะนำไปใช้ Genie 4 ไม่ติดตัวเลือก และ Hi3D v1.0 เป็นเพียงหนึ่งเดียวในสองตัวที่ผลิตสิ่งที่คุณต้องการ — โดยมีเงื่อนไขว่าคุณมี GPU และอยู่ได้โดยไม่มีเท็กซ์เจอร์ หากสิ่งที่ต้องส่งมอบคือการตัดสินใจว่าสถานที่หนึ่งเคลื่อนไหวและมีเสียงอย่างไร Hi3D v1.0 ไม่ติดตัวเลือก และ Genie 4 เป็นเพียงตัวเดียวที่แสดงให้คุณเห็น เมื่อรายการรอเปิดแล้ว ซื้อชิ้นงานจริง ไม่ใช่เดโม