Genie 4 vs Odyssey-3: โลกที่มีการวัด กับโลกที่ไร้การวัด

Google DeepMind ประกาศ Genie 4 เมื่อวันที่ 27 ตุลาคม 2026 ในฐานะพรีวิวงานวิจัยสำหรับผู้ทดสอบที่ได้รับความไว้วางใจ Odyssey เปิดพรีวิว Odyssey-3 ผ่านเบราว์เซอร์ฟรีเมื่อวันที่ 8 ตุลาคม 2026 ซึ่งเป็นเวลาสามสัปดาห์หลังจากที่ประกาศเปิดตัว หากนำทั้งสองมาเทียบกัน ความไม่สมมาตรเพียงอย่างเดียวก็ตัดสินข้อโต้แย้งส่วนใหญ่ได้แล้ว: Odyssey-3 มีแถวบนกระดานจัดอันดับของบุคคลที่สามที่ใครก็เข้าไปดูได้ และ Genie 4 ไม่มีตัวเลขใด ๆ ที่เผยแพร่เลย — ไม่มีความละเอียด ไม่มีอัตราเฟรม ไม่มีเลเทนซี ไม่มีผลเบนช์มาร์ก ไม่มีราคา นั่นไม่ได้ทำให้ Odyssey-3 เป็นโมเดลที่ดีกว่า แต่ทำให้ Odyssey-3 เป็นหนึ่งในสองตัวเดียวที่คุณสามารถสร้างความเห็นได้ในตอนนี้ โดยไม่ต้องเชื่อคำพูดของผู้ขาย

ทั้งสองเป็นโมเดลโลกแบบโต้ตอบได้ ทั้งสองสร้างวิดีโอของฉาก แทนที่จะเป็นเรขาคณิต 3D ที่คุณส่งออกได้ ทั้งสองมุ่งเป้าไปที่งานเชิงพาณิชย์เดียวกันอย่างชัดเจน นั่นคือการมอบพื้นที่ให้หุ่นยนต์และเอเจนต์ได้ฝึกฝน และทั้งสองก็เป็นกำแพงข้อแม้ที่แต่งตัวเป็นผลิตภัณฑ์ การเปรียบเทียบที่น่าสนใจไม่ใช่ว่าตัวไหนเรนเดอร์ทุ่งหญ้าได้สมจริงกว่ากัน แต่คือสิ่งที่แต่ละบริษัทเลือกจะเปิดเผย และสิ่งที่การเลือกนั้นบอกคุณว่าตัวไหนใกล้จะใช้งานได้จริงแค่ไหน

แต่ละอย่างจริงๆ แล้วคืออะไร

Genie 4 เป็นรุ่นที่สี่ของ world simulator ของ DeepMind ต่อจาก Genie 3 ในเดือนสิงหาคม 2025 โดยสร้างฉากที่สำรวจได้จากพรอมต์ ให้คุณควบคุมทิศทางด้วยคำสั่งที่พิมพ์ขณะมันทำงาน และตอนนี้ยังสร้างเสียงในรอบเดียวกับวิดีโอ Google เรียกมันว่าเป็น world model แบบเรียลไทม์ตัวแรกที่สร้างเสียงได้โดยกำเนิด โดยมีโมเดล Gemini ทำหน้าที่เป็นผู้วางแผนอยู่ในลูป ตรวจสอบเฟรมเทียบกับเป้าหมายและวางแผนใหม่เมื่อพบว่าคลาดเคลื่อน

Odyssey-3 มาจาก Odyssey ซึ่งเป็นห้องปฏิบัติการใน Palo Alto ที่ก่อตั้งโดยผู้มีประสบการณ์ด้านรถยนต์ขับเคลื่อนอัตโนมัติ และระดมทุนได้ 310 ล้านดอลลาร์ในรอบ Series B เมื่อเดือนมิถุนายน 2026 ด้วยมูลค่าบริษัท 1.45 พันล้านดอลลาร์ มันเป็นทรานส์ฟอร์เมอร์แบบดิฟฟิวชันออโตรีเกรสซีฟที่ฝึกให้ทำนายว่าฉากจะเปลี่ยนแปลงอย่างไรเพื่อตอบสนองต่อการกระทำ — ระบบพลวัตที่มีเงื่อนไขจากการกระทำ มากกว่าตัวสร้างวิดีโอที่มีช่องข้อความ คุณขับมันในมุมมองบุคคลที่หนึ่ง บุคคลที่สาม หรือด้วยกล้องอิสระ และมันตอบสนองต่อการเคลื่อนไหวเหมือนที่สภาพแวดล้อมทำ

มิติที่สำคัญ เทียบเคียงกัน:

• ช่วงความต่อเนื่อง — Genie 4 คงฉากไว้ได้ประมาณสองนาที ซึ่งเป็นสองเท่าของ Genie 3; ส่วน Odyssey-3 ไม่ได้เปิดเผยระยะเวลาเซสชันเลย

• ความละเอียด — Genie 4 ไม่ได้เปิดเผยข้อมูลใด ๆ ออกมา; Odyssey-3 วางจำหน่ายที่ความละเอียด 832×480 ในรุ่นพื้นฐาน และ 1280×720 ใน Odyssey-3 Pro

• อัตราเฟรม — ไม่ได้เผยแพร่ทั้งสองฝ่าย แม้ว่าคอลัมน์ Physics-IQ จากบุคคลที่สามจะระบุว่า 16 fps สำหรับรายการของ Odyssey

• เสียง — เสียงแวดล้อมในตัว เพลง และบทสนทนาแบบโต้ตอบใน Genie 4; ไม่มีใน Odyssey-3

• การควบคุมทิศทาง — การแก้ไขสภาพอากาศ กล้อง และวัตถุด้วยภาษาธรรมชาติระหว่างฉากใน Genie 4; การควบคุมการเคลื่อนที่และกล้องใน Odyssey-3 โดยไม่ต้องมีผู้กำกับด้วยภาษา

• การทดสอบมาตรฐาน — ไม่มีผลเผยแพร่สำหรับ Genie 4; มีผลการส่งจากบุคคลที่สามหนึ่งรายการ และชุดผลการทดสอบที่ดำเนินการเองหนึ่งชุดสำหรับ Odyssey-3

• การเข้าถึง — ผู้ทดสอบที่เชื่อถือได้และรายชื่อรอสำหรับ Genie 4; เดโมเบราว์เซอร์ฟรีวันนี้สำหรับ Odyssey-3 พร้อมการเข้าถึง API ตามคำขอ

ตัวเลขที่แยกพวกเขาออกจากกัน

Physics-IQ Verified คือสิ่งที่ใกล้เคียงที่สุดกับกระดานคะแนนอิสระในหมวดหมู่นี้ โดยดำเนินการร่วมกับ Anates Labs และ DeepMind และให้คะแนนว่าฉากที่สร้างขึ้นเป็นไปตามกฎฟิสิกส์หรือไม่ เมื่อมีสิ่งของถูกปล่อยให้ตก ถูกเท ถูกเหวี่ยง หรือถูกกระแทก Odyssey ส่ง Odyssey-3 และ Odyssey-3 Pro เข้าร่วม ส่วน Google ไม่ได้ส่ง Genie 4 เข้าร่วมกับสิ่งใดเลย

ในแทร็กวิดีโอสู่วิดีโอ ตามข้อมูลเมื่อวันที่ 13 ตุลาคม 2026 Odyssey-3 Pro ได้คะแนน {{1}}66.10{{/1}} และอยู่อันดับหนึ่ง Odyssey-3 รุ่นพื้นฐานได้คะแนน {{2}}64.43{{/2}} นี่คือตัวเลขที่ Odyssey อ้างถึง และตัวเลขเหล่านี้มาพร้อมเงื่อนไขการสุ่มตัวอย่างที่เปลี่ยนวิธีที่คุณควรตีความ: เป็นการรันแบบเลือกที่ดีที่สุดจากแปดครั้ง โดยโมเดลจะได้ลองแปดครั้งและนำครั้งที่ดีที่สุดไปให้คะแนน ในการสร้างเพียงครั้งเดียว โมเดลเดียวกันได้คะแนน {{3}}63.37{{/3}} และ {{4}}61.56{{/4}} หากให้ Odyssey-3 ใช้พรอมป์ของเบนช์มาร์กเองแทนพรอมป์ที่มันเขียนขึ้นเอง คะแนนจะลดลงเหลือ {{5}}51.76{{/5}} อันดับแปด ต่ำกว่าตัวเลขพาดหัวประมาณสิบจุด

นั่นคือสิ่งที่มีประโยชน์ที่สุดบนกระดาน เพราะเป็นสิ่งที่ใกล้เคียงที่สุดกับสิ่งที่ลูกค้าจะได้ประสบจริง ๆ ทีมที่นำโมเดลนี้ไปใช้งานไม่ได้มีแปดครั้งในการสุ่มและมีผู้ให้คะแนน แต่เพียงพิมพ์พรอมป์ต์แล้วได้หนึ่งโลก การตีความอย่างตรงไปตรงมาคือ ฟิสิกส์ของ Odyssey-3 แข็งแกร่งจริงเมื่อเทียบกับเครื่องสร้างวิดีโอ — มันเอาชนะ FLUX 3 [large] ในแทร็ก video-to-video — และส่วนสำคัญของความได้เปรียบนั้นคืออคติจากการคัดเลือก ข้อกล่าวอ้างอื่นของ Odyssey คือการได้อันดับหนึ่งในสามจากสี่หมวดหมู่ของ WorldMark ยังอ่อนกว่านั้นอีก: การประเมินนั้นดำเนินการโดย Odyssey, Odyssey-3 ไม่ปรากฏในผลลัพธ์ที่ WorldMark เผยแพร่ และ Odyssey อ้างถึงเมตริกสิบสามรายการ ในขณะที่กระดานระบุเก้ารายการ

แถวของ Genie 4 ในตารางนั้นว่างเปล่า และช่องว่างนั้นไม่ได้เป็นกลาง Google เปิดตัวผลิตภัณฑ์ที่มาพร้อมช่องโหว่ผิดปกติ เนื้อหาการเปิดตัวของ Genie 3 ในปี 2025 ถูกแสดงที่ 720p และ 24 เฟรมต่อวินาที ส่วนโพสต์บล็อกของ Genie 4 พูดถึงความสมจริงโดยไม่ให้ตัวเลขทั้งสองนั้น เมื่อห้องแล็บเผยแพร่คำกล่าวอ้างด้านคุณภาพแต่ปกปิดตัวเลขสองตัวที่จะทำให้คุณตรวจสอบได้ การปกปิดนั้นคือข้อความ มีบางอย่างเกี่ยวกับผลลัพธ์ปัจจุบันที่ไม่ทนต่อการถูกเขียนลงไปข้างรุ่นก่อนหน้า

สองเดิมพันที่แตกต่างกันเกี่ยวกับว่าความฉลาดควรอยู่ที่ใด

การแบ่งแยกเชิงสถาปัตยกรรมมีนัยสำคัญกว่าสเปกชีต เพราะเป็นตัวกำหนดว่าคุณจะสร้างสิ่งใดต่อยอดบนโมเดลแต่ละตัวได้

Genie 4 มาพร้อมกับไพลอต Gemini 3.8 Flash เฝ้าดูเฟรมที่สร้างขึ้น แยกย่อยเป้าหมายออกเป็นขั้นตอน ตัดสินว่าฉากทำตามที่ขอหรือไม่ และปรับแผนใหม่ Gemini Omni ยึดการจำลองไว้กับลักษณะและการทำงานจริงของสิ่งต่าง ๆ ในการทดลองหนึ่ง Gemini 4 Argon แยกงานหุ่นยนต์ออกเป็นคำบรรยายที่ Genie 4 จากนั้นจำลองแบบเรียลไทม์ รวมถึงมนุษย์หุ่นยนต์ Apptronik Apollo ที่เล่นหมากฮอส ข้อกล่าวอ้างที่อยู่เบื้องหลังทั้งหมดนั้นคือโมเดลสามารถซ้อมงานได้ด้วยตัวเอง โดยไม่ต้องมีมนุษย์ขับเคลื่อนทุกเฟรม

Odyssey-3 มาพร้อมค็อกพิต ไม่มีตัววางแผนอยู่ในวงจร โมเดลถูกกำหนดเงื่อนไขด้วยการกระทำของคุณ และคุณภาพของเซสชันขึ้นอยู่กับว่าคุณขับมันได้ดีเพียงใด นี่เป็นข้อกล่าวอ้างที่เล็กกว่า และเป็นข้อกล่าวอ้างที่ซื่อสัตย์กว่ากับสิ่งที่เทคโนโลยีทำได้ในปัจจุบัน — เวิลด์โมเดลที่ต้องมีผู้ปฏิบัติการที่มีความสามารถยังมีประโยชน์สำหรับการประเมิน การสร้างข้อมูล และการสำรวจ ซึ่งไม่มีสิ่งใดต้องอาศัยความเป็นอิสระ

ผลลัพธ์ในทางปฏิบัติ: หากกรณีการใช้งานของคุณคือ "สร้างกรณีล้มเหลวที่หลากหลายให้ policy เรียนรู้" รูปแบบของ Odyssey-3 จะใกล้เคียงกับสิ่งที่คุณต้องการมากกว่า และคุณสามารถลองได้วันนี้ในเบราว์เซอร์ หากกรณีการใช้งานของคุณคือ "เอเจนต์ที่กำหนดหลักสูตรของตัวเอง" Genie 4 เป็นเพียงตัวเดียวในสองตัวที่อ้างเช่นนั้น และยังไม่มีใครนอกกลุ่มผู้ทดสอบที่ยืนยันได้

วิทยาการหุ่นยนต์คือตำแหน่งงานที่ทั้งสองกำลังออดิชันเพื่อให้ได้มา

ทั้งสองบริษัทไม่ได้ปิดบังเป้าหมาย Google วางตำแหน่ง Genie 4 ไว้รอบสภาพแวดล้อมการฝึกสำหรับหุ่นยนต์และเอเจนต์ ส่วน Odyssey สาธิตแขนกลที่ฟื้นตัวจากข้อผิดพลาดในการหยิบจับ การควบคุมหุ่นยนต์ฮิวแมนนอยด์ผ่านนโยบาย Flexion รถที่ขับบนถนนจริงในอินเดียหลังจากใช้ข้อมูลฝึกประมาณยี่สิบชั่วโมง และการนำทางโดรนในอาคาร — หกโดเมนจากโมเดลฐานเดียว ทั้งหมดเป็นข้อมูลที่ผู้ขายรายงานเอง และไม่มีรายใดได้รับการทำซ้ำอย่างเป็นอิสระ

ข้อกล่าวอ้างที่ควรค่าแก่การพิจารณาอย่างจริงจังคือการถ่ายโอนข้ามร่างกาย เพราะเป็นข้อกล่าวอ้างเดียวที่จะทำให้แบบจำลองโลกแตกต่างในเชิงเศรษฐกิจจากเครื่องจำลอง หากพลวัตที่เรียนรู้จากร่างกายหนึ่งถ่ายโอนไปยังอีกร่างกายหนึ่งได้ คุณก็ไม่ต้องสร้างฟิสิกส์ด้วยมือสำหรับหุ่นยนต์ทุกตัวอีกต่อไป Odyssey กล่าวว่าได้สาธิตการถ่ายโอนในระยะเริ่มต้นระหว่างเกม โดยเล่นเกมหนึ่งด้วยทักษะที่เรียนรู้มาจากอีกเกมหนึ่ง นั่นยังห่างไกลจากโรงงานจริงมาก แต่เป็นทิศทางที่ถูกต้อง และเป็นผลลัพธ์แบบที่คู่แข่งน่าจะอยากทำซ้ำมากกว่าโต้แย้ง

หลักฐานด้านหุ่นยนต์ของ Genie 4 เป็นเดโมของหุ่นยนต์ฮิวแมนนอยด์ที่เล่นเกมกระดานในสภาพจำลอง มันน่ารักและพิสูจน์ว่าไปป์ไลน์เชื่อมต่อกันได้ แต่ไม่ได้พิสูจน์ว่าสภาพจำลองนั้นแม่นยำพอที่จะใช้ฝึกได้ และเมื่อไม่มีการเผยแพร่ความละเอียด อัตราเฟรม หรือคะแนนฟิสิกส์ จึงไม่มีทางตรวจสอบได้

เสียงเป็นของจริง และมันไม่ใช่ตัวตัดสิน

Genie 4 สร้างเสียงบรรยากาศ ดนตรี และบทสนทนาที่พูดออกมา ซึ่งตอบสนองต่อสิ่งที่คุณพูดกับตัวละครในฉาก นี่เป็นครั้งแรกจริง ๆ สำหรับเวิลด์โมเดลของ DeepMind และมันเปลี่ยนงานที่โมเดลสามารถทำได้อย่างสมเหตุสมผล — ช็อตพรีวิชวลไลเซชันที่ไม่มีเสียงก็เป็นเพียงครึ่งช็อต และนักออกแบบเสียงที่ต้องสร้างโทนห้องขึ้นใหม่ตั้งแต่ต้นก็กำลังทำงานตามจังหวะเวลาของโมเดลแทนที่จะเป็นจังหวะของตัวเอง

สิ่งนี้ก็ไม่ได้ชี้ขาดการเปรียบเทียบนี้เช่นกัน Odyssey-3 ไม่ได้พยายามเป็นเครื่องมือสำหรับภาพยนตร์ แต่พยายามเป็นสภาพแวดล้อมทางกายภาพ ความเงียบไม่ทำให้มันเสียอะไรในหลักสูตรหุ่นยนต์ และทำให้มันเสียมากในการรีวิวสตอรีบอร์ด คำเตือนของ Google เองก็ทำให้จุดเด่นนี้ด้อยลงอยู่แล้ว: บริษัทระบุว่าความแม่นยำของเสียงแบบเรียลไทม์ยังแก้ไม่ตก เช่นเดียวกับข้อความในโลกที่อ่านออกได้และความแม่นยำเชิงพื้นที่ โลกที่คุณอ่านป้ายไม่ได้ไม่ใช่ตัวแทนของถนน และบทสนทนาที่เบี่ยงเบนไปจากต้นฉบับก็ไม่ใช่สิ่งที่คุณตัดต่อเทียบได้

การเข้าถึงต้องแลกกับอะไรจริง ๆ

คุณเปิด Odyssey-3 ในเบราว์เซอร์ได้ในช่วงบ่ายวันนี้และลองใช้งานได้ฟรี เดโมสาธารณะรันเวอร์ชันกลั่นแบบไม่กี่ขั้นตอนที่บริษัทเรียกว่า Odyssey-3 Flash ซึ่งเป็นชื่อที่สามที่ Odyssey ไม่ได้ระบุไว้ที่อื่น ขณะที่โมเดลฉบับเต็มต้องยื่นคำขอเข้าถึงแบบให้สิทธิ์ก่อน ไม่มี API แบบบริการตนเอง ไม่มีรายการราคา ไม่มีเวต ไม่มีสัญญาอนุญาต และหน้าข้อกำหนดเพียงหน้าเดียวบนเว็บไซต์มีมาก่อน Odyssey-3 และยังคงอธิบายถึงต้นแบบ Odyssey-2

Genie 4 ถูกจำกัดการเข้าถึงเข้มงวดขึ้นกว่าเดิม ตอนนี้ผู้ทดสอบที่เชื่อถือได้มีสิทธิ์ใช้งานแล้ว และผู้สมัครสมาชิก Google AI Ultra ได้รับสัญญาว่าจะเข้าถึงได้ผ่าน Project Genie "ในอีกไม่กี่สัปดาห์ข้างหน้า" ในราคาประมาณ 100 ดอลลาร์ต่อเดือน โดยพันธมิตรในกลุ่มearly-accessจะเข้าถึงผ่าน Gemini API และ AI Studio ยังไม่มีวันที่เปิดให้ใช้งานทั่วไปและไม่มีราคาสำหรับนักพัฒนา มีประมาณการจากภายนอกฉบับหนึ่งที่เผยแพร่ในสื่อภาษาจีนระบุว่าเซสชันความยาวสองนาทีมีต้นทุนการประมวลผลราว 7.84 ดอลลาร์ — เป็นข้อมูลจากแหล่งเดียว ไม่ได้รับการยืนยันจาก Google และไม่ใช่ราคาที่มีใครได้รับการเสนอ quote

ความไม่สมดุลตรงนั้นคือสาระทั้งหมดของเรื่องการจัดซื้อจัดหา Odyssey-3 ใช้เวลาประเมินแค่บ่ายเดียว แต่ไม่บอกอะไรเลยว่าจะมีค่าใช้จ่ายเท่าไรในการรันในโปรดักชัน Genie 4 ทำให้คุณต้องรอคิว และไม่บอกอะไรเลยสักอย่าง ถ้าคุณต้องการคำตอบภายในไตรมาสนี้ มีเพียงคำถามเดียวในนี้ที่ถามได้ด้วยซ้ำ

จะเลือกในไตรมาสนี้อย่างไร

เริ่มจากสิ่งที่คุณวัดได้ก่อน หากคุณต้องการสภาพแวดล้อมแบบอินเทอร์แอกทีฟสำหรับการสำรวจ การสร้างข้อมูล หรือเดโม ลองใช้ Odyssey-3 ในเบราว์เซอร์ จากนั้นถาม Odyssey ว่าการใช้งานหนึ่งเซสชันมีค่าใช้จ่ายเท่าไรและมีขีดจำกัดการทำงานพร้อมกันเท่าใด — คำตอบจะบอกคุณเกี่ยวกับความสมบูรณ์ของผลิตภัณฑ์ได้มากกว่าการทดสอบประสิทธิภาพใด ๆ ให้มองว่า 66.10 เป็นตัวเลขแบบดีที่สุดจากการวัดแปดครั้ง และ 51.76 เป็นตัวเลขที่เป็นจริง แล้ววางแผนโดยอิงจากตัวเลขหลัง

หากความต้องการของคุณคือเอเจนต์ที่วางแผนภายในสภาพแวดล้อมจำลอง Genie 4 เป็นตัวเลือกเดียวที่อ้างว่าทำสิ่งนี้ได้ และยังไม่มีอะไรให้ทดสอบ วิธีที่สมเหตุสมผลคือรอรายชื่อผู้รอ และในระหว่างนั้นให้สร้างบนสถาปัตยกรรมครึ่งหนึ่งที่เป็นสินค้าโภคภัณฑ์อยู่แล้ว นั่นคือตัววางแผน Gemini 3.8 Flash คือโมเดลที่ Google ใส่ไว้ในลูปของ Genie 4 และวันนี้มันเป็น LLM ที่กำหนดเส้นทางได้ ไม่ใช่เวิลด์โมเดลที่ถูกจำกัดการเข้าถึง อยู่ในแคตตาล็อกของเราในชื่อ google/gemini-3.8-flash ซึ่งเรียกใช้ได้ผ่าน API เดียวโดยส่งผ่านราคาตามรายการของผู้ให้บริการโดยไม่บวกเพิ่ม 0% OrcaRouter ไม่ได้โฮสต์ Genie 4 หรือ Odyssey-3 — ทั้งคู่ไม่ใช่ปลายทางที่เข้าถึงได้ที่ไหนเลย — ดังนั้นการแบ่งที่ซื่อตรงคือตัววางแผนที่คุณซื้อได้กับตัวจำลองที่คุณยังซื้อไม่ได้ ในรูปแบบนั้น การสลับเมื่อล้มเหลวจึงสำคัญ: หากส่วนเดียวในสแตกของคุณที่สลับได้คือเอเจนต์ที่นำทาง คุณคงต้องการให้มันย้ายระหว่างผู้ให้บริการได้โดยไม่ต้องมีสัญญาใหม่ และ routing DSL ช่วยให้คุณปักหมุดโมเดลราคาถูกสำหรับรอบการตรวจสอบ และโมเดลที่แข็งแกร่งกว่าสำหรับการวางแผน

ยังมีการทดลองที่ถูกกว่าซึ่งยังไม่มีใครทำอยู่ นั่นคือเอาตัววางแผนตัวเดียวกันไปชี้ที่เซสชันเบราว์เซอร์ของ Odyssey-3 และที่เอนจินฟิสิกส์ทั่วไป แล้วดูว่าอันไหนสร้างข้อมูลฝึกได้ดีกว่าต่อดอลลาร์ การเปรียบเทียบนั้นใช้เวลาหนึ่งสัปดาห์และจะให้คำตอบได้มากกว่าที่โพสต์เปิดตัวแต่ละฉบับทำได้

อะไรจะยุติเรื่องนี้ได้

สามเรื่อง เรียงตามลำดับความเป็นประโยชน์ หนึ่ง ความละเอียดและอัตราเฟรมของ Genie 4 จากกูเกิล หรือจากผู้ทดสอบรายใดก็ตามที่ยินดีเผยแพร่ภาพบันทึกที่ขนาดดั้งเดิม สอง การรันทั้งสองโมเดลด้วยชุดทดสอบชุดเดียวกัน (matched harness) บน Physics-IQ โดยใช้พรอมต์ที่เบนช์มาร์กจัดให้ และสร้างเพียงครั้งเดียว ซึ่งจะทำให้ทั้งสองแถวมีตัวเลขเดียวกันเป็นครั้งแรก และสาม เงื่อนไขเชิงพาณิชย์ — อัตราคิดค่าต่อวินาที สัญญาอนุญาต จำนวน concurrency — เพราะ world model ที่คุณตั้งราคาไม่ได้ก็เป็นแค่เดโม ไม่ว่าแล็บใดจะเป็นผู้สร้างมันขึ้นมา

จนกว่าหนึ่งในนั้นจะประสบความสำเร็จ ข้อสรุปที่แม่นยำก็ทำให้ทั้งสองบริษัทอึดอัดใจ Odyssey-3 วัดผลได้และมีขอบเขตแคบ โดยมีผลลัพธ์จากบุคคลที่สามที่แข็งแกร่งเพียงหนึ่งรายการซึ่งลดเล็กลงภายใต้การสุ่มตัวอย่างตามสภาพจริง Genie 4 กว้างขวางกว่าและวัดผลไม่ได้ โดยมีตัววางแผนอยู่ภายในและยังไม่มีหลักฐานว่าโลกที่มันใช้วางแผนนั้นเที่ยงตรง ช่องว่างระหว่างสองจุดยืนนั้นไม่ใช่ช่องว่างของความสามารถ แต่เป็นช่องว่างของการเปิดเผยข้อมูล และเป็นหน้าที่ของผู้อ่านที่จะสังเกตว่าจุดยืนใดกำลังถูกขอให้เชื่อโดยไม่ต้องมีหลักฐาน