Genie 4 vs Odyssey-3: Một thế giới được đo lường đối lại một thế giới không được đo lường

Google DeepMind đã công bố Genie 4 vào ngày 27 tháng 10 năm 2026, dưới dạng bản xem trước nghiên cứu dành cho những người thử nghiệm được tin cậy. Odyssey đã mở bản xem trước miễn phí trên trình duyệt của Odyssey-3 vào ngày 8 tháng 10 năm 2026, ba tuần sau khi công bố nó. Đặt hai bên cạnh nhau và một sự bất đối xứng sẽ quyết định phần lớn cuộc tranh luận: Odyssey-3 có một dòng trên bảng xếp hạng của bên thứ ba mà bất kỳ ai cũng có thể vào đọc, còn Genie 4 không có bất kỳ con số nào được công bố — không độ phân giải, không tốc độ khung hình, không độ trễ, không điểm chuẩn, không giá. Điều đó không khiến Odyssey-3 trở thành mô hình tốt hơn. Nó khiến Odyssey-3 trở thành mô hình duy nhất trong hai mô hình mà hiện tại bạn có thể hình thành quan điểm mà không phải tin vào lời của nhà cung cấp.

Cả hai đều là các mô hình thế giới tương tác. Cả hai đều tạo ra video về một cảnh thay vì hình học 3D mà bạn có thể xuất ra. Cả hai đều được nhắm một cách rõ ràng vào cùng một công việc thương mại: mang đến cho robot và tác nhân một nơi để luyện tập. Và cả hai đều là những bức tường lưu ý được khoác áo sản phẩm. Điều đáng so sánh không phải là cái nào dựng nên một đồng cỏ thuyết phục hơn. Mà là mỗi công ty đã chọn phơi bày điều gì, và lựa chọn đó cho bạn biết mỗi bên còn cách mức sẵn sàng sử dụng bao xa.

Thực tế mỗi thứ là gì

Genie 4 là thế hệ thứ tư của trình mô phỏng thế giới của DeepMind, nối tiếp Genie 3 vào tháng 8 năm 2025. Nó tạo ra một cảnh có thể khám phá từ một câu lệnh, cho phép bạn điều khiển cảnh bằng hướng dẫn gõ trong khi cảnh đang chạy, và giờ đây tạo ra âm thanh trong cùng một lượt với video. Google gọi đây là mô hình thế giới thời gian thực đầu tiên tạo âm thanh một cách nguyên bản. Một mô hình Gemini nằm trong vòng lặp với vai trò người lập kế hoạch, kiểm tra các khung hình so với mục tiêu và lập kế hoạch lại khi chúng đi chệch hướng.

Odyssey-3 đến từ Odyssey, một phòng thí nghiệm ở Palo Alto do những cựu binh xe tự hành thành lập, đã gọi được vốn Series B 310 triệu USD vào tháng 6 năm 2026 với định giá 1,45 tỷ USD. Đây là một transformer khuếch tán tự hồi quy được huấn luyện để dự đoán cách một cảnh diễn tiến theo phản hồi với hành động — một hệ động lực có điều kiện hành động chứ không phải một trình tạo video có ô nhập văn bản. Bạn điều khiển nó ở góc nhìn thứ nhất, thứ ba hoặc bằng camera tự do, và nó phản hồi chuyển động như cách một môi trường phản hồi.

Các khía cạnh quan trọng, được đặt cạnh nhau:

• Cửa sổ mạch lạc — Genie 4 duy trì một cảnh trong khoảng hai phút, gấp đôi Genie 3; Odyssey-3 hoàn toàn không công bố độ dài phiên.

• Độ phân giải — Genie 4 chưa công bố; Odyssey-3 có độ phân giải 832×480 ở phiên bản cơ bản và 1280×720 trên Odyssey-3 Pro.

• Tốc độ khung hình — không được công bố ở cả hai phía, mặc dù một cột Physics-IQ của bên thứ ba liệt kê 16 fps cho các mục của Odyssey.

• Âm thanh — âm thanh môi trường gốc, nhạc và hội thoại tương tác trong Genie 4; không có ở Odyssey-3.

• Điều khiển — chỉnh sửa bằng ngôn ngữ tự nhiên đối với thời tiết, camera và vật thể giữa cảnh trong Genie 4; điều khiển chuyển động và camera trong Odyssey-3, không cần đạo diễn ngôn ngữ.

• Điểm chuẩn — không có công bố nào cho Genie 4; một bài gửi của bên thứ ba và một bảng tự chạy cho Odyssey-3.

• Quyền truy cập — người thử nghiệm tin cậy và danh sách chờ cho Genie 4; bản demo miễn phí trên trình duyệt hiện đã có cho Odyssey-3, cùng quyền truy cập API theo yêu cầu.

Con số ngăn cách họ

Physics-IQ Verified là thứ gần nhất với một bảng điểm độc lập mà hạng mục này có. Nó được vận hành cùng Anates Labs và DeepMind, và chấm điểm liệu một cảnh được tạo có tuân theo định luật vật lý khi một vật bị thả, rót, vung hay đánh hay không. Odyssey đã gửi Odyssey-3 và Odyssey-3 Pro tới đó. Google không gửi Genie 4 tới bất cứ đâu.

Ở hạng mục video-to-video, được công bố ngày 13 tháng 10 năm 2026, Odyssey-3 Pro đạt 66.10 điểm và xếp thứ nhất. Odyssey-3 bản cơ sở đạt 64.43. Đó là những con số mà Odyssey công bố, và chúng đi kèm một điều kiện lấy mẫu khiến bạn phải đọc chúng theo cách khác: đây là các lần chạy best-of-eight, trong đó mô hình có tám lần thử và lần tốt nhất được tính điểm. Với một lần sinh duy nhất, cùng các mô hình đó đạt 63.37 và 61.56. Nếu đưa cho Odyssey-3 chính các prompt của benchmark thay vì những prompt nó tự viết, điểm sẽ giảm còn 51.76, xếp thứ tám, thấp hơn khoảng mười điểm so với con số được quảng bá của nó.

Đó là thứ hữu ích nhất trên bảng xếp hạng, vì nó là ước lượng gần nhất với những gì khách hàng thực sự trải nghiệm. Một nhóm triển khai mô hình này không nhận được tám lượt thử và một bộ chấm điểm. Họ gõ một câu lệnh và nhận được một thế giới. Cách hiểu trung thực là vật lý của Odyssey-3 thực sự mạnh so với các trình tạo video — nó vượt FLUX 3 [large] ở hạng mục video-to-video — và rằng một phần đáng kể lợi thế của nó là hiệu ứng chọn lọc. Tuyên bố khác của Odyssey, vị trí đầu tiên trong ba trên bốn hạng mục WorldMark, còn yếu hơn: đánh giá đó do Odyssey thực hiện, Odyssey-3 không xuất hiện trong kết quả công bố của WorldMark, và Odyssey trích dẫn mười ba chỉ số trong khi bảng xếp hạng mô tả chín.

Dòng của Genie 4 trên bảng đó bị để trống, và khoảng trống ấy không hề trung lập. Google đã tung ra một bản ra mắt với một lỗ hổng bất thường. Tư liệu công bố Genie 3 vào năm 2025 được trình chiếu ở 720p và 24 khung hình mỗi giây; bài đăng blog về Genie 4 bàn đến độ chân thực mà không đưa ra cả hai con số đó. Khi một phòng thí nghiệm công bố một tuyên bố về chất lượng và giữ lại hai con số lẽ ra cho phép bạn kiểm chứng điều đó, thì chính việc giữ lại ấy là thông điệp. Có điều gì đó ở đầu ra hiện tại không trụ nổi khi bị viết ra bên cạnh phiên bản tiền nhiệm của nó.

Hai canh bạc khác nhau về việc trí tuệ thuộc về đâu

Sự phân tách về kiến trúc có hệ quả lớn hơn bảng thông số kỹ thuật, vì nó quyết định những gì bạn có thể xây dựng dựa trên từng mô hình.

Genie 4 ra mắt một bản thử nghiệm. Gemini 3.8 Flash quan sát các khung hình được tạo, phân rã một mục tiêu thành các bước, đánh giá xem cảnh có thực hiện đúng yêu cầu hay không và sửa đổi kế hoạch. Gemini Omni neo mô phỏng vào cách mọi thứ thực sự trông ra và vận hành. Trong một thử nghiệm, Gemini 4 Argon chia một tác vụ robot thành các chú thích mà sau đó Genie 4 mô phỏng trong thời gian thực, bao gồm một robot hình người Apptronik Apollo đang chơi cờ đam. Tuyên bố cốt lõi đằng sau tất cả những điều đó là mô hình có thể tự diễn tập một tác vụ, mà không cần con người điều khiển từng khung hình.

Odyssey-3 đi kèm một buồng lái. Không có bộ lập kế hoạch nào trong vòng lặp. Mô hình được điều kiện hóa theo hành động của bạn, và chất lượng của phiên phụ thuộc vào việc bạn điều khiển nó giỏi đến đâu. Đó là một tuyên bố khiêm tốn hơn, và cũng trung thực hơn về những gì công nghệ hiện đang làm được — một mô hình thế giới cần một người vận hành có năng lực vẫn hữu ích cho đánh giá, tạo dữ liệu và khám phá, không việc nào trong số đó đòi hỏi tính tự chủ.

Hệ quả thực tế: nếu trường hợp sử dụng của bạn là “tạo ra các trường hợp thất bại đa dạng để một chính sách học hỏi từ đó,” thì thiết kế của Odyssey-3 gần với thứ bạn cần hơn và bạn có thể dùng thử nó ngay hôm nay trên trình duyệt. Nếu trường hợp sử dụng của bạn là “một tác nhân tự đặt chương trình học cho chính nó,” thì Genie 4 là cái duy nhất trong hai cái đưa ra tuyên bố đó, và chưa ai ngoài nhóm người thử nghiệm xác minh điều đó.

Robotics là công việc mà cả hai đang thử sức để giành lấy.

Cả hai công ty đều không úp mở về mục tiêu. Google định vị Genie 4 xoay quanh các môi trường huấn luyện cho robot và tác nhân. Odyssey đã trình diễn một cánh tay robot khắc phục lỗi thao tác, điều khiển robot hình người thông qua các chính sách Flexion, một chiếc ô tô lái trên đường thật ở Ấn Độ sau khoảng hai mươi giờ dữ liệu huấn luyện, và điều hướng drone trong nhà — sáu lĩnh vực từ một mô hình nền tảng, tất cả đều do nhà cung cấp tự báo cáo và không có kết quả nào được tái lập độc lập.

Luận điểm đáng được xem xét nghiêm túc là chuyển giao giữa các cơ thể, vì đây chính là điều sẽ khiến một mô hình thế giới khác biệt về mặt kinh tế so với một trình mô phỏng. Nếu động lực học học được từ một cơ thể được chuyển sang một cơ thể khác, bạn sẽ không còn phải tự tay xây dựng mô hình vật lý cho từng robot nữa. Odyssey nói rằng họ đã chứng minh được việc chuyển giao ban đầu giữa các trò chơi, khi chơi một tựa game bằng những kỹ năng học được trong một tựa khác. Đó là một chặng đường còn xa so với sàn nhà máy, nhưng đó là hướng đi đúng, và đó là kiểu kết quả mà một đối thủ sẽ muốn sao chép hơn là tranh cãi.

Bằng chứng về robotics của Genie 4 là một bản demo một humanoid chơi trò chơi trên bàn trong môi trường mô phỏng. Nó hấp dẫn và chứng minh rằng pipeline đã được kết nối. Nó không chứng minh rằng mô phỏng đủ trung thực để huấn luyện, và vì không có độ phân giải, tốc độ khung hình hay điểm số vật lý nào được công bố, không có cách nào để kiểm chứng.

Âm thanh là có thật, và nó không phải là yếu tố phân thắng bại.

Genie 4 tạo ra âm thanh môi trường, âm nhạc và lời thoại nói, phản hồi với những gì bạn nói với một nhân vật trong cảnh. Đây là một bước tiến đầu tiên thực sự đối với các mô hình thế giới của DeepMind và nó thay đổi những công việc mà mô hình có thể làm một cách hợp lý — một cảnh tiền hình dung không có âm thanh chỉ là nửa cảnh quay, và một nhà thiết kế âm thanh phải xây dựng lại âm nền phòng từ đầu đang làm việc theo thời gian của mô hình chứ không phải của chính họ.

Nó cũng không quyết định phép so sánh này. Odyssey-3 không cố trở thành một công cụ làm phim; nó cố trở thành một môi trường vật lý. Sự im lặng không khiến nó mất gì trong một chương trình giảng dạy robot học, nhưng lại khiến nó mất rất nhiều trong một buổi đánh giá storyboard. Những lưu ý của chính Google cũng làm yếu đi tính năng này: công ty liệt kê độ chính xác âm thanh thời gian thực là vấn đề chưa được giải quyết, cùng với văn bản trong thế giới cần đọc rõ và độ chính xác không gian. Một thế giới mà bạn không thể đọc các biển hiệu thì không thể thay thế cho một con phố, và lời thoại lệch khỏi nguồn gốc thì không phải thứ bạn có thể cắt dựng đối chiếu.

Quyền truy cập thực sự tốn bao nhiêu

Chiều nay bạn có thể mở Odyssey-3 trong trình duyệt và dùng thử miễn phí. Bản demo công khai chạy một biến thể rút gọn vài bước mà công ty gọi là Odyssey-3 Flash — một cái tên thứ ba mà Odyssey không tài liệu hóa ở bất kỳ nơi nào khác — trong khi các mô hình đầy đủ nằm sau một yêu cầu truy cập ưu tiên. Không có API tự phục vụ, không có bảng giá, không có trọng số, không có giấy phép, và trang điều khoản duy nhất trên trang web có từ trước Odyssey-3 và vẫn mô tả nguyên mẫu Odyssey-2.

Genie 4 được kiểm soát truy cập chặt chẽ hơn. Hiện các kiểm thử viên tin cậy đã có quyền truy cập; người đăng ký Google AI Ultra được hứa sẽ được truy cập qua Project Genie “trong vài tuần tới” với mức khoảng $100 một tháng, còn các đối tác truy cập sớm sẽ tiếp cận nó qua Gemini API và AI Studio. Chưa có ngày phát hành rộng rãi và chưa có giá dành cho nhà phát triển. Một ước tính từ bên ngoài đang lưu truyền trên báo chí tiếng Trung ước một phiên hai phút tốn khoảng $7.84 chi phí tính toán — chỉ có một nguồn, chưa được Google xác nhận, và không phải mức giá đã được báo cho bất kỳ ai.

Sự bất đối xứng đó chính là toàn bộ câu chuyện mua sắm. Odyssey-3 chỉ tốn của bạn một buổi chiều để đánh giá và chẳng cho bạn biết gì về chi phí vận hành trong môi trường sản xuất. Genie 4 khiến bạn phải chờ trong danh sách chờ và chẳng cho bạn biết gì về bất cứ điều gì. Nếu bạn cần câu trả lời trong quý này, thì chỉ một trong những câu hỏi này là thậm chí có thể đặt ra.

Cách chọn quý này

Hãy bắt đầu với những gì bạn có thể đo lường. Nếu nhu cầu của bạn là một môi trường tương tác để khám phá, tạo dữ liệu hoặc chạy bản demo, hãy thử Odyssey-3 trên trình duyệt, sau đó hỏi Odyssey xem một phiên có giá bao nhiêu và giới hạn đồng thời là gì — câu trả lời sẽ cho bạn biết nhiều hơn về độ trưởng thành của sản phẩm so với bất kỳ bài benchmark nào. Hãy coi 66.10 của nó là con số tốt nhất trong tám lần chạy và 51.76 là con số thực tế, rồi lập kế hoạch dựa trên con số thứ hai.

Nếu nhu cầu của bạn là một agent lập kế hoạch bên trong một mô phỏng, Genie 4 là lựa chọn duy nhất đưa ra tuyên bố đó, và không có gì để kiểm thử. Bước đi hợp lý là chờ danh sách chờ và trong lúc đó, xây dựng dựa trên nửa kiến trúc vốn đã là hàng phổ thông: trình lập kế hoạch. Gemini 3.8 Flash là mô hình mà Google đưa vào vòng lặp của Genie 4, và hiện nay nó là một LLM có thể định tuyến chứ không phải một world model bị giới hạn. Nó có trong danh mục của chúng tôi với tên google/gemini-3.8-flash, có thể gọi qua một API duy nhất với giá niêm yết của nhà cung cấp được chuyển nguyên vẹn, mức cộng thêm 0%. OrcaRouter không lưu trữ Genie 4 hay Odyssey-3 — cả hai đều không phải endpoint có thể truy cập ở bất kỳ đâu — vì vậy cách phân tách trung thực là một trình lập kế hoạch bạn có thể mua và một trình mô phỏng bạn chưa thể mua. Trong hình thái đó, chuyển đổi dự phòng rất quan trọng: nếu phần duy nhất có thể hoán đổi trong ngăn xếp của bạn là agent dẫn hướng, bạn muốn nó chuyển giữa các nhà cung cấp mà không cần hợp đồng mới, và DSL định tuyến cho phép bạn ghim một mô hình rẻ để chạy các lượt xác minh và một mô hình mạnh hơn để lập kế hoạch.

Còn một thử nghiệm rẻ hơn mà không ai đang chạy. Hãy hướng cùng bộ lập kế hoạch đó vào phiên trình duyệt của Odyssey-3 và vào một engine vật lý thông thường, rồi xem cái nào tạo ra dữ liệu huấn luyện tốt hơn trên mỗi đô-la. So sánh đó chỉ tốn một tuần và sẽ phân định được nhiều hơn cả hai bài đăng ra mắt cộng lại.

Điều gì sẽ giải quyết được nó?

Ba điều, theo thứ tự hữu ích. Độ phân giải và tốc độ khung hình cho Genie 4, từ Google hoặc từ bất kỳ người thử nghiệm nào sẵn sàng công bố bản ghi ở kích thước gốc. Một lần chạy trên cùng bộ khung đánh giá của cả hai mô hình trên Physics-IQ với các lời nhắc do benchmark cung cấp, một lần sinh duy nhất, điều này sẽ lần đầu tiên đặt cùng một con số lên cả hai hàng. Và các điều khoản thương mại — mức giá theo giây, giấy phép, một con số về khả năng đồng thời — vì một mô hình thế giới mà bạn không thể định giá thì chỉ là bản demo, bất kể phòng thí nghiệm nào đã tạo ra nó.

Cho đến khi một trong số đó thành hiện thực, bản tóm tắt chính xác sẽ khiến cả hai công ty thấy khó chịu. Odyssey-3 có thể đo lường được và hẹp, với một kết quả mạnh mẽ từ bên thứ ba nhưng lại teo nhỏ dưới cách lấy mẫu thực tế. Genie 4 rộng hơn và không thể đo lường được, với một bộ lập kế hoạch bên trong nó và chưa có bằng chứng nào cho thấy thế giới mà nó lập kế hoạch dựa vào là đáng tin cậy. Khoảng cách giữa hai vị thế đó không phải là khoảng cách về năng lực. Đó là khoảng cách về mức độ công bố thông tin, và nhiệm vụ của người đọc là nhận ra bên nào đang được yêu cầu tin tưởng mà không cần bằng chứng.