Genie 4 vs Genie 3: Hai phút, một giác quan mới và cùng một cánh cửa bị khóa

Genie 4 được công bố vào ngày 27 tháng 10 năm 2026, 448 ngày sau Genie 3. Khoảng thời gian này dễ nêu ra nhưng khó đánh giá, bởi vì hai mô hình không được bán theo cùng một cách và, nói đúng ra, cả hai đều không được bán chút nào. Genie 3 là bản xem trước nghiên cứu có kiểm soát truy cập kể từ ngày 5 tháng 8 năm 2025, mà những người đăng ký Google AI Ultra có thể truy cập thông qua Project Genie kể từ tháng 1 năm 2026. Genie 4 lại là bản xem trước nghiên cứu có kiểm soát truy cập, lần này dành cho một nhóm giới hạn những người thử nghiệm đáng tin cậy với danh sách chờ công khai. Những gì đã thay đổi trong khoảng thời gian đó là có thật: âm thanh, khả năng điều khiển trực tiếp, cửa sổ mạch lạc dài hơn và một mô hình Gemini thứ hai theo dõi đầu ra. Điều không thay đổi là phần quyết định liệu bạn có thể sử dụng nó hay không.

Phần lớn các bài viết về Genie 4 đọc lên như một danh sách tính năng mới, điều này chính xác nhưng cũng chưa đầy đủ. Cách so sánh hữu ích hơn là giữa hai thế hệ của cùng một ý tưởng ở hai giai đoạn trưởng thành khác nhau: Genie 3 là một đại lượng đã biết với độ phân giải, tốc độ khung hình được công bố và có lộ trình sản phẩm, còn Genie 4 là một bản demo với mô tả tốt hơn nhưng không có bảng thông số kỹ thuật. Điều đó không biến Genie 4 thành vaporware — blog, các bản demo và thí nghiệm robot là có thật — nhưng nó có nghĩa là phép so sánh trung thực sẽ có hai cột chứa những loại bằng chứng khác nhau.

Bốn phần bổ sung, được sắp xếp theo mức độ chúng làm thay đổi công việc

Không phải mọi khả năng mới đều quan trọng như nhau. Xếp hạng theo tác động của chúng đối với một pipeline:

• Âm thanh native. Đây là thay đổi làm thay đổi toàn bộ cách phân loại sản phẩm. Một mô phỏng im lặng có thể định hướng quyết định về camera nhưng không thể thay thế cho một cảnh quay, vì nhà thiết kế âm thanh vẫn phải tạo mưa và tiếng bước chân khớp với nhịp thời gian mà mô hình không tạo ra. Genie 4 tạo âm thanh môi trường, nhạc và hội thoại tương tác trong cùng một lượt xử lý với các khung hình, nghĩa là âm thanh và hình ảnh dùng chung một nhịp thời gian. Lưu ý của Google rất quan trọng: độ chính xác của âm thanh vẫn chưa được giải quyết, và hội thoại được tạo ra là phần khó dự đoán nhất của bản phát hành.

• Điều khiển trực tiếp. Genie 3 có thể tiếp nhận các sự kiện thế giới dưới dạng lệnh nhắc — thay đổi thời tiết, thêm một vật thể — nhưng tương tác vẫn còn thô. Genie 4 tiếp nhận một chỉ dẫn được nhập vào giữa lúc mô phỏng, và một mô hình Gemini sẽ điều chỉnh chỉ dẫn đó cho khớp với khung hình hiện tại, nhờ vậy camera có thể di chuyển và cảnh có thể thay đổi mà không cần đặt lại. Đối với tiền hình ảnh hóa, đây chính là khác biệt giữa việc tạo ra một cảnh quay và việc đạo diễn cảnh quay đó.

• Cửa sổ thời gian dài hơn. Con số mà mọi người hay nhắc đến là khoảng hai phút duy trì tính nhất quán của cảnh, gấp đôi Genie 3. Đây là một con số được báo cáo từ các buổi giới thiệu khi ra mắt; blog chỉ nói rằng các phiên là "ngắn". Hiệu quả thực tế là một lần quay có thể kéo dài đủ lâu để dựng một phân đoạn ngắn, chứ không phải để khám phá một màn chơi.

• Tác nhân trong vòng lặp.Gemini Omni làm nền tảng cho diện mạo và hành vi, còn Gemini 3.8 Flash quan sát các khung hình, phân rã mục tiêu, xác minh tiến độ và lập kế hoạch lại. Đó là một thay đổi về kiến trúc chứ không phải về kết xuất, và chính vì vậy bản demo robot mới hoạt động được: Gemini 4 Argon đã lập kế hoạch, Genie 4 mô phỏng, và một robot hình người Apptronik Apollo đã chơi cờ đam trong thế giới được tạo ra.

Những gì Genie 4 đã không công bố

Đây là chỗ mà sự so sánh không còn đối xứng nữa. Genie 3 có thông số kỹ thuật công khai: độ phân giải 720p, 24 khung hình mỗi giây, tương tác theo thời gian thực, bộ nhớ thị giác truy ngược khoảng một phút, và các phiên kéo dài vài phút. Genie 4 không có bất kỳ con số nào trong số đó được ghi thành văn bản. Không độ phân giải, không tốc độ khung hình, không độ trễ, không kích thước mô hình, không điểm chuẩn, không giá.

Việc thiếu thông tin đó có một hệ quả cụ thể đối với bất kỳ ai có ý định viết rằng “Genie 4 có độ trung thực cao hơn Genie 3”. Điều đó có thể đúng. Các đoạn video demo trông đẹp hơn, và Google tuyên bố đã cải thiện mô phỏng vật lý, chuyển động của con người tự nhiên hơn và cảnh quay chân thực hơn. Nhưng nếu không có độ phân giải hay tốc độ khung hình được công bố, không có cách nào biết được sự cải thiện đến từ mô hình hay từ khâu ghi hình. Một bản demo được kết xuất ở độ phân giải cao hơn độ phân giải sản phẩm tung ra sẽ trông y hệt như một mô hình tốt hơn. Mọi tuyên bố về độ trung thực trong so sánh này đều do nhà cung cấp báo cáo và chưa được tái lập, và khoảng trống thông số chính là lý do để nói thẳng điều đó thay vì đặt nó trong một chú thích.

Những hạn chế được thừa nhận lần này cũng cụ thể hơn. Google thừa nhận rằng độ chi tiết và tính thường tồn của vật thể bị trôi lệch trong các phiên dài hơn và sau những lần chỉnh sửa phức tạp lặp đi lặp lại, rằng độ chính xác không gian chưa hoàn hảo, rằng văn bản trong thế giới hiển thị kém, và rằng độ chính xác âm thanh là một bài toán nghiên cứu. Đó chính là những hạng mục mà Genie 3 đã liệt kê — không gian hành động bị hạn chế, tương tác đa tác nhân yếu, địa lý thế giới thực kém, khả năng đọc được — và có thêm âm thanh. Danh sách đó không thu hẹp lại. Nó còn tăng thêm một hạng mục.

Cánh cửa không hề nhúc nhích

Câu chuyện tiếp cận Genie 3 là câu chuyện sản phẩm. Project Genie, nền tảng của Google Labs ra mắt ngày 29 tháng 1 năm 2026, cho người đăng ký AI Ultra một cách bước vào các thế giới Genie 3, và được báo cáo là giới hạn một lần khám phá thế giới ở 60 giây — một quyết định về tính toán, vì sinh tự hồi quy trở nên tốn kém hơn khi phiên chạy càng lâu. Nên ghi nhớ giới hạn đó khi đọc con số hai phút của Genie 4: cửa sổ mạch lạc của mô hình và giới hạn phiên của sản phẩm là hai con số khác nhau, và con số của sản phẩm trong lịch sử vẫn là con số chặt hơn.

Câu chuyện truy cập của Genie 4 là một câu chuyện xem trước. Hiện đã có người kiểm thử tin cậy; người đăng ký AI Ultra thông qua Project Genie “sắp ra mắt”; đối tác truy cập sớm thông qua Gemini API và AI Studio “sắp ra mắt”; và một danh sách chờ trong lúc đó. Cả hai mốc “sắp ra mắt” đều không kèm ngày cụ thể. Đối với nhà phát triển, điều đó có nghĩa việc nâng cấp chưa phải là quyết định mua hàng. Đối với người đăng ký AI Ultra, điều đó có nghĩa mô hình bạn có thể dùng hôm nay vẫn là Genie 3.

Do đó, phép so sánh mà người đọc có thể thực sự dùng để hành động là hẹp. Nếu bạn đã có quyền truy cập Project Genie, thì Genie 4 không thay đổi gì trong tuần của bạn cho đến khi nó được tung ra ở đó. Nếu bạn đang chọn thứ để xây dựng nguyên mẫu dựa trên đó, thì lớp suy luận chính là phần đã tồn tại: Gemini 3.8 Flash, mô hình mà Google gọi là tác nhân trong vòng lặp của Genie 4, hiện có thể gọi được qua OrcaRouter bằng cùng một khóa như Gemini Robotics ER 1.6 preview, với giá niêm yết của các nhà cung cấp được chuyển nguyên với mức chênh lệch 0% và tự động chuyển đổi dự phòng giữa các nhà cung cấp. Điều đó cho phép một nhóm xây dựng nửa phần lập kế hoạch của một pipeline mô phỏng trước khi mô hình thế giới có sẵn cho họ. Nó không thay thế cho Genie 4, và chúng tôi không host mô hình Genie nào.

Điều gì sẽ giải quyết được nó?

Ba ấn phẩm sẽ biến việc này từ so sánh tính năng thành so sánh mô hình. Thứ nhất là bảng thông số kỹ thuật: độ phân giải, tốc độ khung hình, độ trễ và giới hạn phiên, dưới dạng văn bản, từ Google. Thứ hai là một phép đo độc lập từ bên ngoài nhóm người kiểm thử đáng tin cậy — bất kỳ thứ gì báo cáo tốc độ khung hình khi chịu tải hoặc thời gian duy trì tính nhất quán khi chỉnh sửa lặp lại, thay vì lặp lại con số trong buổi giới thiệu. Thứ ba là giới hạn phiên của Project Genie dành cho Genie 4, điều này sẽ cho bạn biết tuyên bố hai phút đáng giá bao nhiêu trong sản phẩm mà người ta thực sự có thể mua.

Cho đến lúc đó, Genie 4 so với Genie 3 là sự so sánh giữa một bản xem trước đã được phát hành với những giới hạn đã biết và một sản phẩm kế nhiệm đã được công bố với các bản demo tốt hơn cùng không có thông số kỹ thuật. Sản phẩm kế nhiệm có lẽ là mô hình tốt hơn. Sản phẩm tiền nhiệm là mô hình duy nhất mà bất kỳ ai bên ngoài Google đã sử dụng.

Ai nên quan tâm ngay bây giờ, và ai nên chờ đợi

Các nhà nghiên cứu đang tham gia chương trình thử nghiệm nên quan tâm ngay từ bây giờ: âm thanh cộng với điều khiển cộng với một vòng lặp agent là một bề mặt thử nghiệm khác biệt đáng kể, và bản demo robot gợi ý nơi Google muốn hướng mô hình tới. Các studio đang làm dựng hình trước nên chờ hai điều — Genie 4 ra mắt trong Project Genie, và một câu trả lời về cấp phép cho âm thanh được tạo ra, điều mà tài liệu ra mắt không cung cấp. Các đội ngũ game nên chờ thông tin về giới hạn phiên, bởi vì cửa sổ mạch lạc hai phút là một cảnh quay, không phải một màn chơi, và kiểu lỗi mà chính Google liệt kê — tính thường tồn của vật thể bị trôi lệch sau những lần chỉnh sửa lặp lại — chính là kiểu phá vỡ một bản dạo cảnh.

Không có điều nào trong số đó khiến Genie 4 trở thành một thất vọng. Nó khiến nó trở thành một lời công bố, và đó chính là bản chất của nó. Khoảng cách giữa hai thế hệ là có thật và, dựa trên bằng chứng hiện có, lớn hơn khoảng cách giữa Genie 2 và Genie 3. Khoảng cách giữa việc sở hữu một trong hai là bằng không.