Genie 4 vs ABot-Earth 0.7: Một bên mô phỏng một địa điểm, bên kia tái dựng một địa điểm có thật

Đặt hai yêu cầu cạnh nhau, khác biệt hiện ra ngay. Hỏi Genie 4 về một con phố mưa lúc hoàng hôn, bạn nhận được một con phố chưa từng tồn tại, được kết xuất thành điểm ảnh, có thể điều khiển bằng văn bản, giữ được sự nhất quán trong khoảng hai phút. Hỏi ABot-Earth 0.7 về cùng con phố đó, nó sẽ hỏi là phố nào — hoặc lấy một ảnh vệ tinh của con phố đó — rồi tái dựng địa điểm cụ thể ấy thành hình học 3D có thể khám phá trong khoảng mười phút trên một card đồ họa tiêu dùng duy nhất. Cả hai đều được gọi là mô hình thế giới và chúng đang trả lời những câu hỏi khác nhau: một nơi có thể trông ra sao, đối lại với nơi này trông ra sao.

Sự khác biệt đó quyết định gần như mọi so sánh thực tiễn giữa chúng. Genie 4, được Google DeepMind công bố vào ngày 27 tháng 10 năm 2026, là một trình mô phỏng tạo sinh cho những khung cảnh không tồn tại. ABot-Earth 0.7, được Amap — bộ phận bản đồ và định vị của Alibaba — phát hành vào ngày 10 tháng 9 năm 2026, là một công cụ tái dựng cho những thành phố có thật. Không cái nào khiến cái kia trở nên dư thừa, và chọn sai sẽ khiến bạn mất hàng tháng.

Hai yêu cầu, được nói rõ ràng

Genie 4 nhận một lời nhắc hoặc một khung hình ban đầu cùng với đầu vào từ bàn phím và camera, rồi tạo ra một thế giới giống video trong thời gian thực. Bạn điều khiển nó bằng ngôn ngữ ngay trong quá trình mô phỏng: thay đổi thời tiết, di chuyển camera, đưa một nhân vật vào. Nó tạo âm thanh native — âm thanh môi trường, nhạc và hội thoại với các nhân vật phản hồi trong cảnh — và vẫn giữ được mạch lạc trong khoảng hai phút trước khi các chi tiết bắt đầu sai lệch. Đây là bản xem trước nghiên cứu dành cho những người thử nghiệm đáng tin cậy, tiếp theo là người đăng ký Google AI Ultra và các đối tác truy cập sớm Gemini API.

ABot-Earth 0.7 nhận ảnh vệ tinh được tham chiếu địa lý hoặc mô tả bằng văn bản về một địa điểm và tạo ra cảnh splatting Gaussian 3D của thành phố đó — đường phố, tòa nhà, địa hình — mà bạn có thể khám phá. Amap định vị nó là mô hình thế giới đô thị bản địa 3D đầu tiên, có khả năng tạo liên tục từ quy mô hành tinh xuống đến cấp độ đường phố, trên 196 quốc gia và vùng lãnh thổ. Nó được tích hợp trong các sản phẩm tiêu dùng của chính Amap: Flying Street View 2.0, Navigation Live và một tính năng điều hướng mà công ty gọi là Avoid-Pitfall Guide.

Hãy đọc lại hai đoạn văn đó và để ý xem mỗi đoạn đang thiếu gì. Đầu ra của Genie không có địa lý, không có tọa độ, không có gì bảo đảm rằng tòa nhà ở bên trái chính là tòa nhà thực sự ở đó. Đầu ra của ABot-Earth không có tự sự, không có nhân vật, không có âm thanh, và không có khả năng trở thành một nơi mà không phải là một nơi đã tồn tại.

Pixels bạn nhìn, hình học bạn bước

Định dạng đầu ra là khác biệt kỹ thuật sâu sắc nhất và là yếu tố có khả năng cao nhất quyết định câu trả lời của bạn.

• Đầu ra — Genie 4 tạo ra các khung hình video được tạo cùng âm thanh được tạo đồng bộ; ABot-Earth 0.7 tạo ra các splat Gaussian 3D, một biểu diễn cảnh tường minh.

• Khả năng điều khiển — Genie 4 được điều khiển bằng ngôn ngữ tự nhiên tại thời điểm chạy; ABot-Earth 0.7 được điều khiển bằng việc lựa chọn vị trí tại thời điểm tạo.

• Sự thật địa lý — Genie 4 không có theo thiết kế; ABot-Earth 0.7 được neo vào một tọa độ thực.

• Âm thanh — native và generative trên Genie 4; không phải tính năng của ABot-Earth 0.7.

{{1}}Thời gian để có một cảnh dùng được{{/1}} — {{2}}vài giây tạo trên Genie 4{{/2}}, khoảng mười phút mỗi kilômét vuông trên ABot-Earth 0.7.

• Giới hạn mạch lạc — khoảng hai phút mô phỏng không lệch trên Genie 4; một bản tái dựng tĩnh không hết hạn.

Gaussian splats quan trọng ở đây vì một lý do không liên quan gì đến chất lượng hình ảnh. Một splat là một cảnh mà bạn có thể di chuyển camera xuyên qua mà mô hình không phải bịa ra những phần bạn chưa nhìn tới — vì chúng đã được ghi lại, chứ không phải được tưởng tượng ra. Genie 4 có tính chất ngược lại: mọi thứ ngoài khung hình đều được tạo ra theo yêu cầu, và Google thừa nhận rằng tính thường tồn của vật thể bị trôi, nghĩa là căn phòng bạn bước ra có thể không còn là căn phòng bạn bước trở vào.

Tuyên bố quy mô, đã dịch

Các con số của Amap rất lớn và do nhà cung cấp tự báo cáo, nên được hiểu đúng như vậy. Công ty nói rằng một kilômét vuông thành phố mất khoảng mười phút trên một GPU phổ thông, rằng tốc độ này nhanh hơn tới 1.000 lần so với tái dựng quang trắc truyền thống, và rằng chi phí chỉ khoảng một phần trăm. Việc bao phủ 196 quốc gia là một tuyên bố về độ phủ đầu vào, không phải tuyên bố rằng mọi nơi trong số đó đều đã được tái dựng.

Con số 1.000× là con số cần được xử lý cẩn thận. Các quy trình tái dựng truyền thống — bay drone, photogrammetry, dọn dẹp thủ công — mất nhiều ngày và cần một đội khảo sát, nên so sánh với chúng là so sánh một bước tạo sinh với toàn bộ một hoạt động thực địa. So với các phương pháp tái dựng neural khác, khoảng cách sẽ nhỏ hơn nhiều. Điều có thể bảo vệ được là hình thức của tuyên bố: tạo ra một kilômét thành phố trong mười phút trên phần cứng mà bạn có thể đã sở hữu là một đẳng cấp tiếp cận khác với việc thuê một đội khảo sát.

Genie 4 không công bố bất kỳ con số nào có thể so sánh được. Không có độ phân giải, không có tốc độ khung hình, không có số liệu độ trễ và không có chi phí được nêu. Bạn không thể đặt thông lượng của nó cạnh Amap, và bản thân điều đó đã là một phát hiện: một mô hình không chịu nêu tốc độ khung hình của mình thì vẫn chưa cạnh tranh trên các tiêu chí sản xuất.

Tính sẵn có là nơi cuộc so sánh trở nên thực chất.

Cả hai mô hình này đều bị hạn chế truy cập, theo những cách khác nhau và đáng lưu tâm.

Genie 4 là bản xem trước nghiên cứu dành cho những người kiểm thử tin cậy, với danh sách chờ công khai và lời hứa về việc mở rộng quyền truy cập "trong những tuần tới" thông qua AI Ultra và Gemini API. Không có giá, không có giới hạn tốc độ, không có SLA và không có điều khoản sử dụng cho đầu ra thương mại. Nếu bạn là một studio, bạn không thể lập kế hoạch dựa vào nó; bạn chỉ có thể đứng nhìn.

ABot-Earth 0.7 tệ hơn đối với một nhà phát triển bên ngoài dù nó cũ hơn. Không có trọng số công khai, không có model card, không có API, không có giá và không có tài liệu dành cho nhà phát triển. Trang trải nghiệm chỉ có tiếng Trung Giản thể và việc tạo chỉ dành cho người được mời. Đây là một tính năng sản phẩm bên trong các ứng dụng tiêu dùng của Amap mà công ty đã chọn mô tả như một world model, chứ không phải một nền tảng mà bạn có thể xây dựng trên đó.

Vậy câu trả lời trung thực cho câu hỏi "tôi có thể dùng cái nào" là: hiện tại, không cái nào cả, nếu không có quan hệ với nhà cung cấp. Điều khác nhau là hướng đi. Google đã nêu tên các kênh — AI Ultra, API Gemini, AI Studio — và đưa ra mốc thời gian trong vài tuần. Amap đã nêu tên các ứng dụng của riêng mình.

Nơi mỗi loại thực sự phát huy tác dụng

Giá trị của Genie 4 nằm ở những thế giới không được phép là thật. Tiền hình ảnh hóa phim, nơi mục đích là kiểm tra ngôn ngữ máy quay trước khi bối cảnh phim trường tồn tại. Tạo nguyên mẫu trò chơi, nơi bạn muốn khám phá một cơ chế trong không gian mà chưa nghệ sĩ nào dựng nên. Robot học và huấn luyện tác nhân, nơi bản demo của chính Google đã ghép Genie 4 với Gemini 4 Argon để phân rã tác vụ cho một humanoid Apptronik Apollo — mô phỏng là không gian tập dượt, và không gian tập dượt càng hữu ích khi nó càng ít giống một con phố cụ thể.

Giá trị của ABot-Earth 0.7 nằm ở những thế giới buộc phải chân thực. Các sản phẩm dẫn đường, nơi một tòa nhà sai đồng nghĩa với một ngã rẽ sai. Quy hoạch đô thị, nơi câu hỏi là một dự án phát triển được đề xuất tác động thế nào đến tầm nhìn. Bảo hiểm và giám định, nơi sản phẩm bàn giao phải tương ứng với một địa chỉ. Bất cứ nơi nào mà câu "đó không phải là thứ nó trông giống" là một thất bại chứ không phải một lựa chọn sáng tạo.

Có một dạng kết hợp lai rõ ràng mà cả hai công ty đều chưa tung ra: dùng một bản tái dựng để thiết lập hình học và địa lý, rồi dùng một mô hình tạo sinh để tái tạo phong cách cho nó, thay đổi thời tiết của nó, làm nó đông đúc hơn, hoặc di chuyển camera xuyên qua nó theo những cách mà bản ghi chưa từng bao phủ. Amap có hình học và không có lớp tạo sinh. Google có lớp tạo sinh và không có địa lý. Ai kết nối được hai nửa đó sẽ sở hữu phiên bản tiếp theo của hạng mục này.

Cần những gì để lựa chọn

Nếu công việc của bạn cần một địa điểm thực tế cụ thể, ABot-Earth 0.7 là lựa chọn duy nhất trong hai lựa chọn có thể cung cấp điều đó cho bạn, và bạn nên bắt đầu cuộc trò chuyện với Amap ngay bây giờ thay vì chờ đợi một chương trình dành cho nhà phát triển có thể sẽ không bao giờ mở.

Nếu công việc của bạn cần một địa điểm trông có vẻ thật nhưng không tồn tại, với âm thanh và điều khiển trực tiếp, thì Genie 4 là năng lực mạnh hơn nhưng sản phẩm yếu hơn — một danh sách chờ và một lời hứa. Bước đi hợp lý là tạo nguyên mẫu pipeline xung quanh dựa trên thứ bạn có thể gọi ngay hôm nay và thay mô hình thế giới vào khi quyền truy cập đến. Trong trường hợp của chúng tôi, điều đó có nghĩa là xây dựng nửa planner và verifier của vòng lặp trên các endpoint LLM có thể định tuyến — một API, 0% phụ phí trên giá niêm yết của nhà cung cấp, tự động chuyển đổi dự phòng giữa các nhà cung cấp — vì nửa đó là phần sẽ không thay đổi khi mô hình thế giới thay đổi.

Cám dỗ là hỏi xem mô hình nào tốt hơn. Câu hỏi hữu ích thì hẹp hơn: thế giới của bạn có nhất thiết phải nằm ở một nơi nào đó không? Genie 4 nói không và mang đến cho bạn một camera. ABot-Earth 0.7 nói có và cung cấp cho bạn tọa độ. Gần như mọi khác biệt khác giữa chúng đều bắt nguồn từ câu trả lời duy nhất đó.