Genie 4 vs CARI4D: Một bên tạo ra một thế giới, bên kia giải mã một video

Điều duy nhất Genie 4 và CARI4D thực sự chia sẻ một cách đáng tin cậy là một nhãn. Genie 4, được Google DeepMind công bố ngày 27 tháng 10 năm 2026, là một mô hình thế giới tạo sinh: bạn mô tả một cảnh, điều hướng nó bằng ngôn ngữ tự nhiên, và nó tạo ra video có âm thanh đồng bộ trong vài phút. CARI4D, phương pháp tái tạo CVPR 2026 của NVIDIA Research, đi theo hướng ngược lại. Nó nhận một video một mắt về một người đang thao tác một vật thể và trả về tư thế của người đó, quỹ đạo sáu bậc tự do của vật thể và hai điểm số tiếp xúc bàn tay cho mỗi khung hình. Một bên tạo ra một thế giới khả dĩ. Bên kia đo lường một thế giới có thật. Đặt chúng trên cùng một trang và câu hỏi hữu ích không còn là "cái nào tốt hơn" mà trở thành "vấn đề của tôi đang hướng về phía nào."

Sự nhầm lẫn là dễ hiểu, vì cả hai sản phẩm đều được xếp vào nhóm “4D” và cả hai đều tạo ra thứ gì đó chuyển động theo thời gian. Nhưng một mô hình sinh và một phương pháp tái dựng không phải là những cách triển khai cạnh tranh cho cùng một nhiệm vụ; chúng thất bại theo những hướng trái ngược nhau và được những nhóm người khác nhau mua. Genie 4 có thể bịa ra một con phố thuyết phục chưa từng tồn tại, nhưng không thể cho bạn biết bất cứ thứ gì trong đó thực sự nằm ở đâu. CARI4D có thể cho bạn biết, đến từng khung hình, cách một bàn tay khép lại quanh ấm đun nước, nhưng không thể bịa ra một cái ấm đun nước mà nó chưa từng thấy. Dưới đây, hai mô hình được phân biệt bởi thứ chúng tiếp nhận, thứ chúng trả lại, và thứ mà mỗi mô hình về mặt cấu trúc không thể làm được.

Genie 4 trả về gì: một phiên, không phải tệp cảnh

Điều đầu tiên cần hiểu về Genie 4 là đầu ra của nó được sử dụng theo thời gian thực và không tồn tại qua phiên dưới dạng hình học. Mô tả của chính Google là một thế giới mà bạn khởi động và điều hướng: di chuyển camera, thay đổi thời tiết, thêm nhân vật, và một mô hình Gemini sẽ thích ứng chỉ dẫn với những gì đã có trên màn hình. Các khung hình được tạo tự hồi quy, đó là lý do tại sao tính mạch lạc được đo bằng giây và phút thay vì độ phức tạp của cảnh.

Những bổ sung so với Genie 3 chính là điều mà mọi tiêu đề đều nhắc đến. Âm thanh được tạo ra ngay từ gốc — âm thanh môi trường, âm nhạc và hội thoại tương tác — thay vì được chèn thêm sau đó. Việc điều khiển diễn ra trực tiếp thay vì một câu lệnh khởi động lại thế giới. Và cửa sổ mạch lạc được báo cáo ở khoảng hai phút, gấp đôi mô hình tiền nhiệm, mặc dù blog của Google chỉ nói là "các phiên ngắn" và con số hai phút đến từ các buổi giới thiệu ra mắt.

Những gì còn thiếu cũng quan trọng không kém. Không có xuất mesh, không có scene graph, không có camera track, không có depth buffer và không có cách nào đưa thế giới được tạo vào Blender, Unity hay Unreal. Một studio muốn dựng khung hình chỉ có thể xem Genie 4 làm việc đó mà không thể chuyển kết quả vào pipeline. Cũng không có thông tin công bố nào về độ phân giải, tốc độ khung hình, kích thước mô hình, benchmark hay giá cả, và quyền truy cập chỉ giới hạn ở một nhóm người thử nghiệm tin cậy với danh sách chờ công khai — những người đăng ký AI Ultra thông qua Project Genie và các đối tác truy cập sớm API Gemini được hứa hẹn "sớm," nhưng không có ngày cụ thể.

Google có nêu rõ các kiểu lỗi, điều mà hầu hết các bài ra mắt không làm: độ chi tiết và tính ổn định của vật thể bị trôi dạt qua các phiên dài hơn và sau khi chỉnh sửa lặp lại, độ chính xác không gian chưa hoàn hảo, văn bản trong thế giới thường không đọc được, và độ chính xác âm thanh vẫn chưa được giải quyết. Mọi đầu ra đều mang watermark SynthID. Đối với một công cụ hình dung trước, những hạn chế đó vẫn có thể chấp nhận được. Đối với bất cứ thứ gì cần đo lường, chúng là lý do để loại trừ.

Những gì CARI4D trả về: tư thế, quỹ đạo và tiếp xúc

CARI4D là một pipeline, không phải một mạng đơn lẻ, và đầu ra của nó được chủ ý thu hẹp. Cho một video RGB đơn mắt, nó tái tạo con người bằng một mô hình cơ thể tham số hóa, tái tạo lưới của vật thể bị thao tác từ khung hình đầu tiên, đặt cả hai theo tỉ lệ hệ mét và theo dõi chúng xuyên suốt chuỗi. Thành phần học được thực hiện việc hiệu chỉnh là CoCoNet, một transformer kết xuất-và-so sánh, nhận ước lượng hiện tại, kết xuất nó thành RGB, độ sâu và mặt nạ, đồng thời hồi quy các hiệu chỉnh tư thế theo từng khung hình cùng với một logit tiếp xúc cho mỗi bàn tay.

Các phụ thuộc được nêu rõ trong repository: UniDepth cho độ sâu hệ mét, NLF cho tư thế người, Hunyuan3D cho lưới đối tượng, FoundationPose cho tìm kiếm và theo dõi tư thế, và CoCoNet cho bước hiệu chỉnh. Điều đó quan trọng khi bạn tính ngân sách triển khai, vì mỗi thành phần trong số đó là một checkpoint riêng với giấy phép riêng và cấu hình phần cứng riêng.

CARI4D có hai dạng. Bản checkpoint nghiên cứu, nvidia/CARI4D, được đánh dấu là chỉ dành cho nghiên cứu và phát triển, và liên kết tới arXiv 2512.11988, công bố ngày 12 tháng 12 năm 2025. Một biến thể thương mại, cari4d_commercial, bao gồm NVIDIA's Momentum Human Rig và chịu sự điều chỉnh của NVIDIA Open Model Agreement. Không có nhà cung cấp suy luận nào trên Hugging Face triển khai cả hai, nên "khả dụng" nghĩa là trọng số cộng với thiết lập Docker cộng với GPU NVIDIA, chứ không phải một endpoint. Không có dòng nào trên bảng xếp hạng công khai và không có tái hiện độc lập; bằng chứng số liệu là các phép ablation của chính bài báo CVPR trên BEHAVE, vốn là nghiên cứu do nhà cung cấp thực hiện.

So sánh, theo từng khía cạnh

• Đầu vào — Genie 4 nhận một mô tả văn bản cùng các chỉ dẫn điều khiển trực tiếp; CARI4D nhận một video RGB một mắt đã tồn tại sẵn.

• Đầu ra — Genie 4 trả về video và âm thanh được tạo, được truyền theo luồng trong một phiên; CARI4D trả về tư thế và hình dạng con người theo từng khung hình, phép quay và tịnh tiến của vật thể, cùng các logit tiếp xúc bàn tay.

• Grounding — Genie 4 có vẻ hợp lý nhưng không được neo vào dữ liệu thực; không có gì trong đầu ra tương ứng với một tọa độ đã đo được. CARI4D là hệ mét, khôi phục tỷ lệ thông qua ước lượng độ sâu và tìm kiếm tư thế dựa trên các khung hình quan sát được.

• Tính lưu trữ — Thế giới của Genie 4 chấm dứt khi phiên làm việc kết thúc và không thể xuất ra ngoài. Đầu ra của CARI4D là một cấu trúc dữ liệu mà bạn có thể lưu trữ, kết xuất lại và so sánh.

• Âm thanh — Genie 4 tạo ra nó, bao gồm cả hội thoại; CARI4D không có và không mô hình hóa âm thanh.

• Truy cập — Genie 4 chỉ dành cho người được mời và không có giá; CARI4D là trọng số có thể tải xuống với giấy phép nghiên cứu và một biến thể thương mại theo thỏa thuận của NVIDIA.

• Bằng chứng — Genie 4 có bản demo và tuyên bố của nhà cung cấp, không có benchmark được công bố; CARI4D có bài báo đã qua bình duyệt, các thí nghiệm ablation do nhà cung cấp tự thực hiện và không có bên thứ ba tái lập.

Sự chồng lấn tồn tại, và sự chồng lấn không tồn tại

Sự kết hợp hấp dẫn là dùng CARI4D để tái dựng một tương tác thật, rồi dùng Genie 4 để tưởng tượng các biến thể của nó. Trên lý thuyết, việc chuyển giao này trông có vẻ tự nhiên: CARI4D tạo ra một cảnh người-vật thể được neo theo số đo thực, còn Genie 4 tạo ra những kết cục thay thế. Trên thực tế, không có giao diện nào giữa chúng. Genie 4 nhận văn bản và tín hiệu điều khiển, chứ không nhận một cảnh đã được tái dựng, một lưới hay một chuỗi tư thế. Không có công bố nào từ cả hai nhóm mô tả việc đưa đầu ra của cái này vào cái kia, và việc cả hai đầu ra trông có vẻ ba chiều trong ảnh chụp màn hình không có nghĩa là định dạng của chúng tương thích.

Phần trùng lặp thực sự tồn tại thì hẹp hơn và hữu ích hơn: cả hai đều là công cụ để suy luận về điều gì sẽ xảy ra tiếp theo trong một cảnh vật lý. CARI4D cung cấp cho bạn động lực học quan sát được — tiếp xúc, nắm giữ, quỹ đạo — chính là loại tín hiệu mà một pipeline học robot cần để gán nhãn các bản trình diễn. Genie 4 cung cấp cho bạn các phản thực tế, tức là thứ mà một policy cần để diễn tập những tình huống nó chưa ghi lại. Một phòng thí nghiệm đang xây dựng dữ liệu hiện thân có thể dùng cả hai một cách hợp lý, ở các phía khác nhau của cùng một bộ dữ liệu, mà không cần mô hình nào nói chuyện với mô hình kia.

Các kiểu thất bại cũng là hình ảnh phản chiếu của nhau. Genie 4 có thể kết xuất một vật thể sai lệch một cách tuyệt đẹp và trôi dạt khỏi nó trong suốt hai phút. CARI4D có thể theo dõi chính xác một vật thể có hình dạng tồi tệ xuyên suốt cả video và vẫn đưa cho bạn một mesh kém chất lượng, bởi vì các chỉ số của nó nói về tư thế và tiếp xúc chứ không phải độ trung thực của bề mặt. Không mô hình nào khắc phục được điểm yếu của mô hình kia.

Những gì bạn thực sự có thể chạy trong tuần này

CARI4D là lựa chọn có lộ trình triển khai thực tế. Các trọng số được công khai, image Docker đã có sẵn, và GPU thuộc lớp A100 là mục tiêu được ghi trong tài liệu. Đây vẫn là một pipeline nghiên cứu với một bài báo cần đọc và một số checkpoint bên ngoài cần lắp ghép, nhưng một nhóm có phần cứng phù hợp có thể chạy nó ngay trong tuần này. Genie 4 là lựa chọn có danh sách chờ.

Đi thẳng vào danh mục của chính chúng tôi là điều đáng làm: OrcaRouter không lưu trữ mô hình nào trong hai mô hình đó. CARI4D là một quy trình tái dựng phục vụ nghiên cứu, không có endpoint được lưu trữ ở bất kỳ đâu, và Genie 4 không có API công khai để định tuyến. Thứ chúng tôi định tuyến là một phần của lớp suy luận mà Google xây dựng quanh Genie 4 — Gemini 3.8 Flash, mô hình quan sát các khung hình được tạo ra và lập kế hoạch lại, cùng Gemini Robotics ER 1.6 preview — trên một API với hơn 200 mô hình, giá niêm yết của nhà cung cấp được chuyển nguyên với mức phụ giá 0% và tự động chuyển đổi dự phòng giữa các nhà cung cấp. Nếu công việc thực tế của bạn là đặt câu hỏi về một video thay vì tái dựng hay tạo ra nó, thì một mô hình đa phương thức được lưu trữ là câu trả lời rẻ hơn, và nó không yêu cầu thư mời.

Đối với mọi người khác, quyết định chỉ còn gói gọn trong một câu cho mỗi lựa chọn. Nếu video đã tồn tại và bạn cần biết người và đồ vật đã làm gì, CARI4D là lựa chọn duy nhất trong hai lựa chọn trả lời được câu hỏi đó. Nếu thế giới đó chưa tồn tại và bạn cần thấy nó chuyển động, Genie 4 là lựa chọn duy nhất sẽ cho bạn thấy — một khi có ai đó cho bạn vào.