Bản tin AI hằng ngày, 28/10: Genie 4 ra mắt với cơ chế giới hạn truy cập, trong khi Gemini Robotics ER 2 mở bản xem trước

Google đã đưa hai mô hình AI vật lý vào trạng thái xem trước trong vòng hai mươi bốn giờ tuần này, và họ giới hạn chúng theo hai hướng trái ngược nhau. Genie 4, mô hình thế giới của Google DeepMind tạo ra một cảnh có thể điều khiển với âm thanh đồng bộ, được công bố vào ngày 27 tháng 10 năm 2026 cho một nhóm nhỏ người thử nghiệm được tin cậy, kèm danh sách chờ và không công bố giá. Gemini Robotics Embodied Reasoning 2 — ER 2, bộ lập kế hoạch robot cấp cao mà Google Cloud đưa vào bản xem trước công khai cùng ngày — đi kèm với một mã mô hình, một trang tài liệu và một biểu mẫu đăng ký mà bất kỳ khách hàng Cloud nào cũng có thể hoàn tất. Cả hai đều là bản xem trước. Chỉ một trong số chúng có cánh cửa mà bạn có thể bước qua ngay hôm nay.

Sự bất đối xứng đó mới là câu chuyện của tuần này, hơn là bản thân từng mô hình. Google đang lắp ghép hai nửa của một ngăn xếp AI vật lý: một mô hình thế giới có thể tạo ra kinh nghiệm, và một mô hình suy luận có thân có thể lập kế hoạch dựa trên robot thật. Hai nửa này được công bố cách nhau một ngày và đang được phân phối bởi hai bộ phận khác nhau của công ty theo hai chế độ truy cập khác nhau. Phần tiếp theo là một bản tóm tắt, không phải bài đánh giá — mỗi con số dưới đây đều được ghi rõ ai tạo ra.

Mục 1 — Genie 4, và ba tuyên bố đang gánh trọng trách

Bài đăng của DeepMind có ít con số nhưng nhiều tuyên bố về năng lực. Ba trong số đó đáng chú ý:

• Âm thanh gốc. Genie 4 tạo ra âm thanh môi trường, nhạc và hội thoại tương tác trong cùng một lượt xử lý với các khung hình, thay vì lồng tiếng cho một bản mô phỏng im lặng sau đó. Đây là mô hình thế giới đầu tiên của DeepMind làm được điều này.

• Điều khiển trực tiếp. Một chỉ dẫn bằng văn bản có thể di chuyển camera, thay đổi thời tiết hoặc đưa một nhân vật vào trong khi thế giới vẫn đang chạy, và một mô hình Gemini sẽ điều chỉnh chỉ dẫn đó cho phù hợp với những gì hiện đang hiển thị trên màn hình.

• Một cửa sổ dài hơn. Con số đang lưu hành là khoảng hai phút duy trì tính nhất quán của cảnh, gấp đôi Genie 3. Con số đó đến từ các buổi họp giao ban ra mắt, không phải từ blog: văn bản của chính Google nói rằng mô hình duy trì “các phiên ngắn” và không ghi thời lượng bằng văn bản. Hãy coi hai phút là con số được báo cáo có một nhà cung cấp đứng sau, không phải thông số kỹ thuật.

Phần bổ sung về cấu trúc khó nhận ra hơn phần âm thanh. Gemini Omni neo mô phỏng vào hình thức và hành vi trong thế giới thực, và Gemini 3.8 Flashnằm trong vòng lặp, quan sát các khung hình được tạo ra, chia mục tiêu thành từng bước và lập lại kế hoạch khi cảnh huống lệch hướng. Trong bản demo mà Google chọn để công bố, Gemini 4 Argon đã phân rã một nhiệm vụ mà Genie 4 sau đó mô phỏng trong thời gian thực, với một robot hình người Apptronik Apollo chơi cờ dam. Đó là một sản phẩm khác với một trình tạo video: một trình tạo trả lời một lời nhắc bằng một đoạn clip, còn một trình tạo cộng với một bộ lập kế hoạch trả lời một mục tiêu bằng một chuỗi trạng thái đã được kiểm tra.

Điều Google không công bố cũng quan trọng không kém điều họ đã công bố. Không có độ phân giải, không có tốc độ khung hình, không có số lượng tham số, không có đo độ trễ, không có điểm chuẩn và không có giá. Mọi so sánh "Genie 4 chân thực hơn" được công bố trong tuần này đều là so sánh các cuộn demo và danh sách tính năng, bởi vì không ai bên ngoài nhóm người kiểm thử tin cậy đã đo lường đầu ra. Google có thừa nhận các kiểu lỗi: độ chi tiết và tính nhất quán của vật thể bị trôi dạt trong các phiên dài hơn và sau khi chỉnh sửa lặp lại, độ chính xác không gian chưa hoàn hảo, văn bản trong cảnh thường khó đọc và độ chính xác âm thanh vẫn chưa được giải quyết. Mọi video và âm thanh được tạo đều mang dấu thủy vân SynthID.

Mục 2 — Gemini Robotics ER 2, mà bạn thực sự có thể đăng ký

ER 2 không phải là mới trong tuần này với tư cách là một mô hình — Google đã giới thiệu nó vào ngày 30 tháng 7 năm 2026 trong một bản xem trước riêng tư giới hạn — nhưng thông báo ngày 27 tháng 10 mới là thông báo thay đổi việc ai có thể sử dụng nó. Giờ đây nó đã ở dạng xem trước công khai trên nền tảng Gemini thông qua Model Garden, và có thể dùng thử trong Agent Studio, với ID mô hình gemini-robotics-er-2-preview.

Google định vị nó như bộ não cấp cao của robot chứ không phải một bộ điều khiển. Nó tiếp nhận khả năng hiểu video theo không gian và thời gian, lập kế hoạch tầm xa cùng các rào chắn an toàn, rồi gói tất cả trong một lớp điều phối: các nhà phát triển khai báo những giao diện điều khiển cấp thấp — mô hình thị giác-ngôn ngữ-hành động, API điều hướng, các hàm tùy biến — dưới dạng công cụ, và ER 2 lập kế hoạch dựa trên chúng. Nó cũng phân loại tiến độ tác vụ, và chính điều này cho phép robot nhận ra một bước đã thất bại và thử lại mà không phải khởi động lại toàn bộ quy trình.

Các số liệu do nhà cung cấp báo cáo mà Google đưa ra trước tiên:

• Định vị khung sự kiện — độ chính xác 91,3% khi xác định đúng khung mà một sự kiện quan trọng xảy ra, với khoảng cách khung tuyệt đối trung bình là 0,96 giây.

• Tốc độ thực thi — 4x, được mô tả là "một phần nhỏ chi phí tính toán so với nhiều loại mô hình lớn hơn." Không có mốc cơ sở nào được nêu trong câu, nên bội số này mang tính định hướng hơn là có thể so sánh.

• Đọc chỉ số thiết bị — hơn 10 danh mục bao gồm mặt số tròn, kính quan sát, màn hình kỹ thuật số, thang đo tuyến tính và nhiệt kế chất lỏng, được đọc trực tiếp từ đầu vào hình ảnh.

• An toàn — 97,9% ở Safety Instruction Following và 93,0% ở Human Proximity tại ngưỡng một mét, theo báo cáo an toàn của chính Google. Các biện pháp bảo vệ vật lý như nút dừng khẩn cấp, rào chắn và giới hạn lực vẫn thuộc trách nhiệm của người vận hành; các điểm số phản ánh khả năng suy luận chứ không phải phần cứng.

Bản thân thông báo không có bảng giá, chỉ có liên kết đến trang giá. Với một mô hình xem trước thì điều đó là bình thường, và đó cũng là con số mà bộ phận thu mua cần biết trước tiên.

Mẫu đằng sau hai mục

Đọc cùng nhau, các thông báo mô tả một hệ thống đang được xây dựng công khai và bán một cách riêng tư. Một world model chỉ hữu ích cho việc huấn luyện robot nếu nó có thể tạo ra đủ trải nghiệm đa dạng, có thể đặt lại, để có ý nghĩa; một robot planner chỉ hữu ích nếu nó có thể được đánh giá dựa trên thứ gì đó khác ngoài một kho video cố định. Google rõ ràng đang hướng hai thứ này vào nhau. Cũng rõ ràng không kém rằng họ chưa sẵn sàng trao một trong hai cho một khách hàng chưa được kiểm chứng: Genie 4 chỉ dành cho người thử nghiệm, ER 2 chỉ ở dạng xem trước, và cả hai đều chưa có ngày phát hành rộng rãi.

Điều đó để lại một câu hỏi thực tiễn cho bất kỳ ai đang xây dựng trên stack: phần nào hiện có thể gọi được?

• Không thể gọi. Genie 4, cho đến khi danh sách chờ mở hoặc một thỏa thuận đối tác truy cập sớm được ký kết. Gemini Robotics ER 2, trừ khi bạn sẵn sàng xây dựng dựa trên bản xem trước công khai trên Google Cloud.

• Có thể gọi ngay hôm nay. Bản xem trước Gemini Robotics ER 1.6 đã có trong danh mục của OrcaRouter, và Gemini 3.8 Flash cũng vậy — chính là mô hình mà Google gọi là tác nhân trong vòng lặp, chuyên kiểm tra các khung hình của Genie 4 và lập kế hoạch lại. Cả hai đều không phải mô hình thế giới. Chúng đều là nửa phần suy luận của pipeline, và có thể được vận hành ngay bây giờ thay vì phải chờ đến sau danh sách chờ.

OrcaRouter định tuyến những yêu cầu đó qua một API duy nhất trên hơn 200 mô hình, với giá niêm yết của nhà cung cấp được chuyển nguyên ở mức 0% phụ phí, nên khi Google thay đổi giá, danh mục của chúng tôi cập nhật ngay trong ngày giá được công bố. Chuyển đổi dự phòng tự động ở đây quan trọng hơn bình thường: một mô hình ở hạng xem trước có thể bị giới hạn tần suất hoặc ngừng cung cấp, và việc có nhà cung cấp thứ hai đứng sau cùng một lệnh gọi chính là khác biệt giữa một thử nghiệm và một sự cố gián đoạn. DSL định tuyến là lựa chọn còn lại khi một pipeline cần mô hình lập kế hoạch và một mô hình riêng để xác minh trong cùng một lệnh gọi tổng hợp. Chúng tôi không lưu trữ Genie 4, và không có nội dung nào trong bản tóm tắt này nên được hiểu là đường dẫn đến nó.

Điều gì sẽ thay đổi brief này?

Bốn sự kiện sẽ đưa Genie 4 ra khỏi cột “demo” và biến nó thành thứ mà một nhóm có thể lập ngân sách dựa trên: một bảng thông số đã công bố kèm độ phân giải và tốc độ khung hình; một mức giá cho gói API Gemini; một phép đo độc lập đầu tiên từ bên ngoài nhóm người thử nghiệm tin cậy; và việc Project Genie phát hành Genie 4 cho những người đăng ký AI Ultra, vốn là bề mặt tiêu dùng duy nhất mà Google đã nêu tên. Sự kiện tương đương đối với ER 2 là một bảng giá và một ngày có sẵn rộng rãi.

Cho đến lúc đó, tóm tắt trung thực là Google đã công bố mô hình thế giới có năng lực nhất mà họ từng xây dựng và bộ lập kế hoạch robot dễ dùng nhất mà họ đã phát hành, trong cùng một tuần, và đặt cái ấn tượng hơn trong hai cái phía sau một danh sách chờ. Cái mà bạn có thể dùng ngay hôm nay là thông báo nhỏ hơn. Đó thường là cách các tuần xem trước diễn ra.