Genie 4 vs SKY-001: สองเวิลด์โมเดลที่จะไม่มีวันใช้เบนช์มาร์กเดียวกัน

Genie 4 และ SKY-001 ถูกประกาศห่างกันแปดวันในเดือนตุลาคม 2026 และจะไม่มีใครเผยแพร่กระดานคะแนนที่เป็นธรรมซึ่งมีทั้งสองอยู่บนนั้นเลย Genie 4 จาก Google DeepMind สร้างฉากที่เล่นได้และมีเสียงซึ่งคุณเดินสำรวจได้ประมาณสองนาที SKY-001 จาก Skyfall AI รับพรอมต์หรือภาพร่าง แล้วส่งออกลำดับขั้นตอนการก่อสร้างที่เรียงลำดับแล้วสำหรับชิ้นส่วน CAD หรือผังพื้นอาคาร ตัวหนึ่งสร้างพิกเซลที่มนุษย์มองดู อีกตัวสร้างเรขาคณิตที่เครื่องจักรอาจนำไปสร้างต่อได้ในที่สุด การเปรียบเทียบที่มีประโยชน์เพียงอย่างเดียวไม่ใช่เรื่องว่าตัวไหนดีกว่า — แต่คือสิ่งที่แต่ละตัวจะต้องพิสูจน์ก่อนที่คุณจะนำมันไปวางตรงหน้าลูกค้าที่จ่ายเงิน และข้อพิสูจน์ใดบ้างที่ได้มีการลองทำแล้ว

ทั้งสองบริษัทเรียกผลิตภัณฑ์ของตัวเองว่า world model คำที่ใช้ร่วมกันนี้กำลังทำงานมหาศาลโดยไม่ได้มาจากการพิสูจน์ใด ๆ และนั่นคือเหตุผลที่ทำให้การรายงานข่าวเกี่ยวกับการเปิดตัวทั้งสองครั้งอ่านแล้วราวกับว่าทั้งคู่เป็นคู่แข่งกัน ทั้งสองไม่ได้แข่งขันกันเพื่องบประมาณเดียวกัน ผู้ซื้อรายเดียวกัน หรือเกณฑ์การประเมินเดียวกัน สิ่งที่ทั้งคู่กำลังแย่งชิงคือคำ ๆ เดียวกัน

คำนี้ทำงานหนักเกินไป

วิธีหนึ่งที่มีประโยชน์ในการแยกสิ่งเหล่านั้นออกจากกันคือการถามว่าอะไรคือสิ่งที่โมเดลนั้นเป็นโมเดลของ.

Genie 4 จำลองลักษณะภายนอกและพลวัต ให้พรอมป์ตกับมัน แล้วมันจะเรนเดอร์โลกที่ตอบสนองต่อคำสั่งที่พิมพ์ — เปลี่ยนสภาพอากาศ ย้ายกล้อง เพิ่มบุคคล — และตอนนี้ยังสร้างเสียงบรรยากาศ ดนตรี และบทสนทนาแบบโต้ตอบไปพร้อมกับวิดีโอ ตัววางแผน Gemini จะเฝ้าดูเฟรมต่าง ๆ และวางแผนใหม่ ผลลัพธ์คือสตรีมของภาพที่มุ่งสำหรับสายตามนุษย์หรือไปป์ไลน์วิดีโอ และความถูกต้องของมันถูกตัดสินจากว่าฉากนั้นมีพฤติกรรมสมเหตุสมผลหรือไม่

SKY-001 จำลองการประกอบ ลำดับชั้นของมันไล่จากระบบไปยังชุดประกอบ ไปยังชุดประกอบย่อย ไปยังชิ้นส่วน หรือจากชั้นไปยังยูนิตไปยังห้อง และองค์ประกอบที่สองของมัน — ซึ่ง Skyfall เรียกว่าแบบจำลองโลกการก่อสร้าง — วางแผนลำดับของสถานะภาพที่เรียงกัน ซึ่งพาคุณจากสภาพว่างเปล่าไปสู่สภาพที่เสร็จสมบูรณ์ สำหรับองค์ประกอบ CAD นั้นมันคือชุดของสถานะของแข็ง 3D ที่มีภาพร่าง 2D คั่นระหว่างกัน สำหรับผังพื้น มันคือภาพวาดที่ถูกสร้างขึ้นทีละเส้น ความถูกต้องคือการทับซ้อนเชิงเรขาคณิต ซึ่งวัดเป็น IoU เทียบกับรูปร่าง ground-truth

ขนาด ในรูปแบบที่ทำให้ความไม่ตรงกันเห็นได้ชัดเจน:

• เอาต์พุต — Genie 4 ส่งออกวิดีโอและเสียง; SKY-001 ส่งออกลำดับการก่อสร้างแบบ CAD หรือ BIM

• อินพุต — ข้อความ การควบคุมด้วยแป้นพิมพ์และกล้องสำหรับ Genie 4; ข้อความหรือภาพ 2D สำหรับ SKY-001

• ความหมายของ "ผิดพลาด" — ฉากที่ค่อย ๆ เคลื่อนคลาดไป หรือวัตถุตันที่พลาดจากรูปทรงเรขาคณิตเป้าหมายด้วยระยะขอบ IoU

• หน่วยการประเมิน — การตัดสินโดยมนุษย์หรือคะแนนทางฟิสิกส์สำหรับ Genie 4; ค่าเฉลี่ย IoU จาก 1,000 กรณีสำหรับ SKY-001

• ราคาที่ประกาศไว้ — ไม่ใช่ทั้งสองอย่าง

• การเข้าถึง — มีรายชื่อรอทั้งสองฝ่าย

ทดสอบหนึ่ง: มีใครตรวจสอบผลลัพธ์ได้บ้าง?

SKY-001 ผ่านการทดสอบนี้ในความหมายที่แคบที่สุดเท่าที่จะเป็นไปได้ และนั่นก็ยังมากกว่าที่ Genie 4 ทำได้

Skyfall เผยแพร่การทดสอบมาตรฐานจากผู้ขายบนสองแทร็ก แทร็กละ 1,000 เคส และตัวเลขนั้นเจาะจงพอที่จะโต้แย้งได้ สำหรับชิ้นส่วน CAD SKY-001 ทำคะแนน mean IoU ได้ 79.7% เทียบกับ 79.1% ของ GPT-6 Astra — นำอยู่ 0.6 จุด ซึ่งเป็นความผันแปรระดับ seed — ขณะที่ใช้เวลา 3.9 วินาทีแทน 199 วินาที และมีต้นทุน $0.005 ต่อเคสแทน $0.75 สำหรับแปลนพื้น มันทำคะแนนได้ 43.6% เทียบกับ 40.6% ของ GPT-6 Astra ที่ 1.22 วินาทีเทียบกับ 144.6

ตัวเลขทั้งหมดเหล่านั้นเป็นของ Skyfall เอง สร้างขึ้นจากชุดทดสอบภายในของ Skyfall โดยไม่มีชุดแบ่งสาธารณะและไม่มีฮาร์เนสที่เผยแพร่ เมตริก IoU วัดเฉพาะการทับซ้อนทางเรขาคณิตเท่านั้น ไม่ได้ยืนยันว่าชิ้นส่วนสามารถผลิตได้ ค่าความคลาดเคลื่อนจะอยู่ในเกณฑ์ แปลนพื้นเป็นไปตามข้อกำหนดด้านการอพยพหรือการเข้าถึง หรือโครงสร้างจะยืนได้ การจับเวลาไม่รวมการอัปโหลด การประมวลผลล่วงหน้า การเข้าคิว การแปลงรูปแบบ การตรวจสอบความถูกต้อง และการตรวจทานโดยมนุษย์ ซึ่งในเวิร์กโฟลว์ CAD จริงคิดเป็นสัดส่วนใหญ่ของเวลาที่ใช้ทั้งหมด และตัวคูณในสื่อเปิดตัวของ Skyfall เองก็ไม่สอดคล้องกัน — 51×, 49× และ 100× สำหรับความเร็ว, 150× และ 143× สำหรับต้นทุน ตลอดหลายหน้าของเว็บไซต์เดียวกัน

Genie 4 ไม่ผ่านแม้แต่มาตรฐานนั้น Google ไม่ได้เผยแพร่ผลเบนช์มาร์ก ไม่ได้ระบุความละเอียด อัตราเฟรม เวลาหน่วง หรือจำนวนพารามิเตอร์ หัวข้อข้อจำกัดของบริษัทเองระบุถึงปัญหาไว้ — การเบี่ยงเบนของรายละเอียดภาพและความคงอยู่ของวัตถุ ปฏิสัมพันธ์ทางกายภาพที่ซับซ้อน ความแม่นยำของเสียง ข้อความในฉากที่อ่านออกได้ และความแม่นยำเชิงพื้นที่ — โดยไม่ได้ระบุปริมาณของสิ่งใดเลย ไม่มีการส่งผลงานจากบุคคลที่สาม และไม่มีผู้ทดสอบนอกกลุ่มใดเผยแพร่การวัดผล ในคำถามเดียวว่าสิ่งนี้ทำงานได้หรือไม่ SKY-001 เสนอข้อกล่าวอ้างที่คุณสามารถแยกprüfenได้ และ Genie 4 เสนอรีลเดโม

การทดสอบที่สอง: เอาต์พุตสามารถเข้าสู่เครื่องมือได้หรือไม่

นี่คือจุดที่สถาปัตยกรรมของ SKY-001 พิสูจน์ความคุ้มค่า และเป็นจุดที่ขีดจำกัดสูงสุดของ Genie 4 อยู่

วิดีโอของโลกหนึ่งไม่ใช่โลกที่คุณแก้ไขได้ ไม่มีสิ่งใดในเซสชัน Genie 4 ที่ส่งออกมาเป็นเรขาคณิต ดังนั้นสตูดิโอเกมที่ใช้มันเพื่อทำต้นแบบจะได้เพียงข้อมูลอ้างอิงสำหรับสร้างใหม่ด้วยมือ และทีมหุ่นยนต์จะได้ข้อมูลสังเกตเพื่อใช้ฝึก แต่ไม่ได้กราฟฉากสำหรับแก้ไข นั่นคือการใช้งานจริง — ทั้งข้อมูลฝึกและการสร้างภาพพรีวิซวลไลเซชันต่างกินพิกเซล — แต่มันหมายความว่าโมเดลอยู่ต้นน้ำของชุดเครื่องมือ โดยป้อนข้อมูลให้ชุดเครื่องมือมากกว่าจะเข้าไปอยู่ในนั้น

ผลลัพธ์ที่ระบุไว้ของ SKY-001 คือชุดเครื่องมือ (toolchain) ลำดับการก่อสร้างถูกออกแบบมาเพื่อให้ระบบนำไปใช้ประมวลผล และ Skyfall ได้สาธิตการทำงานภายใน Autodesk Fusion การสาธิตนั้นไม่ใช่คอนเนกเตอร์ที่จัดส่งแล้วจริง และเดโมเพียงครั้งเดียวก็ไม่ใช่เรื่องราวของการผสานรวม ผู้ตรวจสอบอิสระยังชี้ให้เห็นว่าแบบร่างที่บันทึกไว้กับเรขาคณิต 3D ที่สร้างขึ้นอาจไม่ตรงกัน ซึ่งจะทำให้ผลลัพธ์ดูเหมือน CAD แต่ไม่ใช่ CAD ที่พร้อมสำหรับเครื่องจักร แต่เจตนาแตกต่างกันโดยพื้นฐาน: โมเดลหนึ่งพยายามย่นระยะทางไปสู่ชิ้นงานที่ผลิตได้ ส่วนอีกโมเดลหนึ่งพยายามสร้างการสังเกตที่น่าเชื่อถือ

สำหรับบริษัทออกแบบ ความแตกต่างนี้คือสิ่งที่ชี้ขาดการตัดสินใจซื้อ เรนเดอร์เรอร์ที่ช่วยให้ศิลปินคอนเซปต์ประหยัดเวลาได้สองวันนั้นคุ้มค่าที่จะซื้อในแทบทุกราคา ส่วนตัวสร้างลำดับที่ช่วยให้นักเขียนแบบประหยัดเวลาได้สองวันจะคุ้มซื้อก็ต่อเมื่อลำดับนั้นยังใช้งานได้เมื่อนำไปใช้กับเครื่องมือจริงของนักเขียนแบบ — และยังไม่มีใครนอก Skyfall ที่ทดสอบเรื่องนี้

ทดสอบที่สาม: คุณซื้อมันได้ก่อนปี 2027 หรือไม่

ไม่ครับ ทั้งสองเรื่อง และกรอบเวลาก็ไม่ได้ใกล้กันเลย

SKY-001 เป็นพรีวิวสำหรับงานวิจัยที่เข้าถึงได้ผ่านรายชื่อรอ ยังไม่มี API ไม่มีรายการราคา ไม่มีน้ำหนักโมเดล ไม่มีใบอนุญาต ไม่มีช่องทางสำหรับโฮสต์เอง และไม่มีการปรับแต่งละเอียด Skyfall ตั้งเป้าสู่การใช้งานเชิงพาณิชย์ในช่วงต้นปี 2027 บริษัทมีขนาดเล็ก — มีพนักงานราว 25 คน — และผู้ก่อตั้ง Sam Pasupalak เคยสร้าง Maluuba ซึ่ง Microsoft เข้าซื้อในปี 2017 นั่นเป็นภูมิหลังที่น่าเชื่อถือ แต่ยังไม่ใช่ผลิตภัณฑ์ที่วางจำหน่ายจริง

Genie 4 เป็นพรีวิวงานวิจัยสำหรับผู้ทดสอบที่ได้รับความไว้วางใจ โดยผู้สมัครสมาชิก Google AI Ultra ได้รับคำมั่นว่าจะเข้าถึงได้ผ่าน Project Genie ในราคาประมาณเดือนละ 100 ดอลลาร์ "ในอีกไม่กี่สัปดาห์ข้างหน้า" ส่วนพาร์ตเนอร์ที่ได้รับสิทธิ์เข้าถึงช่วงแรกนั้นเข้าถึงได้ผ่าน Gemini API และ AI Studio ยังไม่มีวันที่เปิดให้ใช้งานทั่วไป ไม่มีราคาสำหรับนักพัฒนา และไม่มีข้อกำหนดทางการค้า สำหรับสตูดิโอแล้ว เงื่อนไขด้านลิขสิทธิ์ที่ยังขาดหายไปถือเป็นอุปสรรคที่ใหญ่กว่าขีดจำกัดความยาวสองนาที เพราะคุณไม่สามารถนำฟุตเทจที่สร้างขึ้นไปใส่ในไปป์ไลน์การผลิตซึ่งการใช้งานเชิงพาณิชย์ยังไม่ถูกระบุไว้ได้

ดังนั้นคำตอบด้านการจัดซื้อจัดหาที่ตรงไปตรงมาสำหรับทั้งสองตัวจึงเป็นประโยคเดียวกัน นั่นคือ ไม่มีอะไรให้ซื้อ ความแตกต่างอยู่ที่สิ่งที่คุณทำได้ระหว่างรอ Odyssey-3 ซึ่งเป็นโมเดลโลกเชิงโต้ตอบที่จริงจังอีกตัวหนึ่งในเวลานี้ อย่างน้อยก็ให้คุณลองใช้งานเดโมในเบราว์เซอร์ได้วันนี้ ส่วนสองตัวนี้ทำไม่ได้เลย

ตัวเลขในตารางของ Skyfall เองที่บั่นทอนหมวดหมู่นั้น

ซ่อนอยู่ในผลลัพธ์ของ BIM คือตัวเลขที่น่าสนใจที่สุดที่บริษัทใดบริษัทหนึ่งในสองบริษัทนี้เผยแพร่ และไม่ใช่ตัวเลขที่อยู่ในพาดหัวข่าว

จากแบบแปลนพื้น 1,000 แบบของ Skyfall, SKY-001 ได้คะแนน IoU 43.6% ส่วน Gemini 3.8 Flash — โมเดลอเนกประสงค์ที่ไม่ได้ผ่านการฝึกด้านวิศวกรรมและไม่มี world model ด้านการก่อสร้าง — ได้ 42.3% นั่นคือช่องว่าง 1.3 คะแนน บนชุดทดสอบของผู้เชี่ยวชาญเอง เทียบกับโมเดลที่ใครก็เรียกใช้ได้ในวันนี้ ความแตกต่างด้านความเร็วและต้นทุนเป็นของจริงและมหาศาล: 1.22 วินาที เทียบกับ 346.2 วินาที, $0.0024 เทียบกับ $0.218 ต่อแบบแปลน แต่ถ้าความได้เปรียบด้านความแม่นยำเหนือโมเดล frontier แบบพร้อมใช้คือ 1.3 คะแนน IoU บนเมตริกที่มองข้ามความสามารถในการผลิตได้จริง แล้วสิ่งที่ SKY-001 ขายอยู่ก็คือ throughput ไม่ใช่ judgement นั่นเป็นผลิตภัณฑ์ที่ชอบธรรม — การได้เปรียบด้าน latency 280× คือเวิร์กโฟลว์ที่แตกต่างออกไป — แต่มันเป็นการกล่าวอ้างที่แคบกว่ามากเมื่อเทียบกับ "เอาชนะโมเดล frontier ได้"

ซึ่งเป็นการกำหนดกรอบการเปรียบเทียบทั้งหมดใหม่ Genie 4 ไม่ได้แข่งขันกับ SKY-001 ทั้งสองกำลังแข่งขันกับโมเดลทั่วไปที่คุณสามารถ route ไปใช้งานได้อยู่แล้ว ไปป์ไลน์การออกแบบที่เรียกใช้โมเดลแนวหน้าต่อหนึ่งเคส พร้อมขั้นตอนการตรวจสอบและผู้ตรวจสอบที่เป็นมนุษย์ คือเกณฑ์พื้นฐานที่ผู้เชี่ยวชาญเฉพาะทางเหล่านี้ต้องเอาชนะ และในแทร็กเดียวที่ Skyfall เผยแพร่ตัวเลขทั้งสองชุด เกณฑ์พื้นฐานนั้นทำได้ใกล้เคียงภายใน 1.3 คะแนน

เส้นฐานนั้นคือส่วนที่คุณสามารถประกอบได้จริงในวันนี้ Gemini 3.8 Flash อยู่ในแค็ตตาล็อกของเราในชื่อ google/gemini-3.8-flash และ GPT-6 Astra พร้อมทั้งส่วนที่เหลือของกลุ่มแนวหน้าก็เช่นกัน ทั้งหมดอยู่เบื้องหลัง API เดียวที่ส่งผ่านราคาตามรายการของผู้ให้บริการโดยคิดมาร์กอัป 0%. OrcaRouter ไม่ได้โฮสต์ Genie 4 หรือ SKY-001 — ทั้งคู่ไม่ใช่ปลายทางที่เข้าถึงได้ที่ใดเลย — ดังนั้นสถาปัตยกรรมที่ใช้ได้จริงคือโมเดลที่กำหนดเส้นทางได้ซึ่งทำงานนี้อยู่ในตอนนี้ พร้อมการสลับไปยังผู้ให้บริการอื่นเมื่อเกิดปัญหา เพื่อให้การหยุดให้บริการของผู้ให้บริการรายเดียวไม่ทำให้แบตช์หยุดชะงัก และค่อยแทรกโมเดลผู้เชี่ยวชาญเข้ามาในภายหลัง หากข้อกล่าวอ้างของมันยังคงผ่านการทดสอบกับแบบงานของคุณเอง

ตรงจุดที่ทั้งสองทับซ้อนกันจริง ๆ

มีจุดร่วมที่แท้จริงเพียงประการเดียว: ทั้งสองโมเดลต่างวางแผน

ตัววางแผนของ Genie 4 คือโมเดล Gemini แยกต่างหากที่อยู่ในลูป มันสังเกตเฟรม แบ่งวัตถุประสงค์ออกเป็นขั้นตอน ตรวจสอบความคืบหน้าและปรับแก้ ตัววางแผนของ SKY-001 เป็นแบบภายใน — world model ของการก่อสร้างเป็นตัวกำหนดลำดับของสถานะ และตัวจัดองค์ประกอบแบบลำดับชั้นเป็นตัวกำหนดว่าอะไรแยกย่อยเป็นอะไร ในทั้งสองกรณี งานวิศวกรรมที่น่าสนใจไม่ใช่ตัวเรนเดอร์หรือตัวปรับแต่ง แต่เป็นตรรกะการจัดลำดับที่ตัดสินใจว่าจะเกิดอะไรขึ้นต่อไป

ความคล้ายคลึงนั้นยังเป็นเหตุผลที่การเปรียบเทียบนี้ทำให้ทั้งสองฝ่ายดูดีเกินจริง โมเดลที่วางแผนลำดับของสถานะกำลังทำสิ่งที่มีประโยชน์มากกว่าโมเดลที่สร้างผลงานเพียงชิ้นเดียว และทั้งสองบริษัทก็รู้ดี แต่ลำดับเหล่านั้นไม่สามารถนำมาวัดเทียบกันได้ ลำดับหนึ่งคือลำดับของการปรากฏ ซึ่งตรวจสอบกับว่ามนุษย์เห็นว่าสมเหตุสมผลหรือไม่ อีกลำดับคือลำดับของสถานะที่เป็นรูปธรรม ซึ่งตรวจสอบกับว่ามันซ้อนทับกับเรขาคณิตเป้าหมายหรือไม่ ความสอดคล้องระหว่างทั้งสองเป็นไปไม่ได้ เพราะไม่มีสัจธรรมอ้างอิงร่วมให้ตกลงกันได้

ใครควรจับตาดูเรื่องไหน

หากคุณสร้างภาพยนตร์ เกม หรือประสบการณ์แบบอินเทอร์แอกทีฟ Genie 4 คือตัวที่อยู่ใน roadmap ของคุณ และ SKY-001 ไม่เกี่ยวข้องกับคุณ จับตาดูเรื่องความละเอียด อัตราเฟรม และเงื่อนไขเชิงพาณิชย์ ส่วนฟีเจอร์ด้านเสียงมีความแตกต่างชัดเจนอยู่แล้วและไม่จำเป็นต้องพิสูจน์ซ้ำ

หากคุณเขียนแบบชิ้นส่วนหรืออาคาร SKY-001 คือตัวที่ควรจับตา ส่วน Genie 4 เป็นของน่าสนใจที่ยังต้องดูกันต่อไป จับตาชุดทดสอบที่จะเผยแพร่ คอนเนกเตอร์ Fusion ที่วางจำหน่ายแล้ว และราคา ตราบใดที่ยังไม่มีชุดทดสอบ ตัวเลข 79.7% ก็เป็นเพียงคำกล่าวอ้างบนข้อมูลของ Skyfall เอง และส่วนต่าง 1.3 จุดในงาน BIM ที่เหนือกว่า Gemini 3.8 Flash บ่งชี้ว่าข้อได้เปรียบด้านความแม่นยำอาจเล็กกว่าที่การตลาดสื่อออกมา

หากคุณกำลังสร้างเลเยอร์ปลายน้ำของผลิตภัณฑ์ใดผลิตภัณฑ์หนึ่ง — ตัวตรวจสอบความถูกต้อง ตัวประสานงาน หรือเครื่องมือตรวจทาน — คุณอยู่ในตำแหน่งที่ดีกว่า โมเดลทั้งสองถูกจำกัดการเข้าถึง ทั้งสองไม่สามารถทำซ้ำได้ และทั้งสองจะต้องใช้ระบบโครงสร้างพื้นฐานแบบเดียวกับที่ยังไม่มีใครสร้างขึ้นมา: สิ่งที่รับลำดับที่ถูกสร้างขึ้น ตรวจสอบกับข้อกำหนด และตัดสินใจว่าจะยอมรับหรือไม่ เลเยอร์นั้นสามารถสร้างได้ตอนนี้ โดยอิงกับโมเดลที่คุณเรียกใช้ได้วันนี้ และมันจะยังคงเป็นส่วนที่มีประโยชน์เมื่อผู้เชี่ยวชาญส่งมอบงานออกมา

กับดักในการเปิดตัวทั้งสองครั้งคือกับดักเดียวกัน เวิลด์โมเดลจะน่าประทับใจเพียงใดก็ขึ้นอยู่กับว่ามันดูเหมือนของจริงแค่ไหน และจะไร้ประโยชน์เพียงใดก็ขึ้นอยู่กับว่าการบอกว่ามันเหมือนจริงหรือไม่นั้นยากแค่ไหน Genie 4 ดูพิเศษสุดและไม่อาจวัดได้ SKY-001 วัดได้ และการวัดนั้นเป็นของมันเอง ทั้งสองยังไม่ใช่ผลิตภัณฑ์ และช่วงแปดวันระหว่างการประกาศของทั้งคู่เป็นสิ่งเดียวที่ทำให้พวกมันดูเป็นคู่แข่งกัน