Genie 4 vs SKY-001: Hai mô hình thế giới sẽ không bao giờ dùng chung một bộ đánh giá chuẩn

Genie 4 và SKY-001 được công bố cách nhau tám ngày trong tháng 10 năm 2026, và sẽ không ai công bố một bảng so sánh công bằng có cả hai. Genie 4, của Google DeepMind, tạo ra một cảnh có thể chơi, có âm thanh mà bạn đi vòng quanh trong khoảng hai phút. SKY-001, của Skyfall AI, nhận một lời nhắc hoặc một bản phác thảo và xuất ra một trình tự thi công có thứ tự cho một chi tiết CAD hoặc một mặt bằng tòa nhà. Một cái tạo ra pixel để con người xem. Cái kia tạo ra hình học mà một cỗ máy có thể sẽ dùng để chế tạo. So sánh hữu ích duy nhất không phải là cái nào tốt hơn — mà là mỗi cái sẽ phải chứng minh điều gì trước khi bạn đặt nó trước một khách hàng trả tiền, và những bằng chứng nào trong số đó đã được thử thực hiện.

Cả hai công ty đều gọi sản phẩm của mình là một mô hình thế giới. Cụm từ chung đó đang gánh một khối lượng lớn công việc không đáng có, và đó là lý do vì sao các bài đưa tin về hai màn ra mắt này đọc lên cứ như thể chúng là đối thủ của nhau. Chúng không cạnh tranh vì cùng một ngân sách, cùng một người mua hay cùng một tiêu chí đánh giá. Chúng đang cạnh tranh vì cùng một từ.

Từ này đang gánh quá nhiều việc.

Một cách hữu ích để phân biệt chúng là hỏi mô hình đó là mô hình của.

Các mô hình Genie 4 về diện mạo và động lực. Đưa cho nó một câu lệnh và nó kết xuất một thế giới phản hồi các chỉ dẫn được nhập — thay đổi thời tiết, di chuyển camera, thêm một người — và giờ tạo ra âm thanh môi trường, nhạc và hội thoại tương tác song song với video. Một bộ lập kế hoạch Gemini quan sát các khung hình và lập kế hoạch lại. Đầu ra là một luồng hình ảnh dành cho mắt người hoặc một quy trình xử lý video, và tính đúng đắn của nó được đánh giá dựa trên việc cảnh có hành xử hợp lý hay không.

{{1}}SKY-001{{/1}} mô hình hóa việc lắp ráp. Hệ thống phân cấp của nó chạy từ hệ thống đến cụm lắp ráp đến cụm lắp ráp con đến chi tiết, hoặc từ tầng đến đơn vị đến phòng, và thành phần thứ hai của nó — {{2}}Skyfall{{/2}} gọi đó là mô hình thế giới xây dựng — lập kế hoạch cho trình tự có thứ tự các trạng thái thị giác đưa bạn từ trống trơn đến hoàn thiện. Đối với một thành phần CAD, đó là một chuỗi các trạng thái khối đặc 3D với các bản phác thảo 2D xen giữa. Đối với một mặt bằng, đó là một bản vẽ được dựng từng nét một. Tính đúng đắn là độ chồng lấn hình học, được đo bằng IoU so với một hình dạng chuẩn tham chiếu.

Các kích thước, ở dạng khiến cho sự không khớp trở nên rõ ràng:

• Đầu ra — Genie 4 phát ra video và âm thanh; SKY-001 phát ra trình tự thi công CAD hoặc BIM.

• Đầu vào — văn bản, điều khiển bàn phím và camera cho Genie 4; văn bản hoặc hình ảnh 2D cho SKY-001.

• “Sai” nghĩa là gì — một cảnh bị trôi lệch, hay một khối đặc không đạt hình học mục tiêu theo một biên IoU.

• Đơn vị đánh giá — một đánh giá của con người hoặc điểm số vật lý cho Genie 4; IoU trung bình trên 1.000 trường hợp đối với SKY-001.

• Giá đã công bố — không cái nào.

• Quyền truy cập — danh sách chờ ở cả hai phía.

Bài kiểm tra một: có ai có thể kiểm tra kết quả đầu ra không?

SKY-001 vượt qua bài kiểm tra này theo nghĩa hẹp nhất có thể, và điều đó vẫn còn hơn những gì Genie 4 làm được.

Skyfall đã công bố một benchmark của nhà cung cấp trên hai hạng mục, mỗi hạng mục 1.000 ca, và các con số đủ cụ thể để có thể tranh luận. Trên các linh kiện CAD, SKY-001 đạt mean IoU 79,7% so với 79,1% của GPT-6 Astra — dẫn trước sáu phần mười điểm, mức nhiễu ở cấp độ seed — trong khi chạy trong 3,9 giây thay vì 199 giây và tốn 0,005 USD mỗi ca thay vì 0,75 USD. Trên bản vẽ mặt bằng, nó đạt 43,6% so với 40,6% của GPT-6 Astra, với 1,22 giây so với 144,6 giây.

Mỗi một con số đó đều là của riêng Skyfall, được tạo ra trên bộ kiểm thử nội bộ của Skyfall, không có tập chia công khai nào và không có harness nào được phát hành. Chỉ số IoU chỉ đo mức độ chồng lấn hình học và không đo gì khác: nó không chứng minh rằng một chi tiết có thể được chế tạo, rằng các dung sai có thể đạt được, rằng một mặt bằng đáp ứng quy chuẩn về lối thoát hiểm hoặc khả năng tiếp cận, hay rằng kết cấu đứng vững. Các số đo thời gian loại trừ tải lên, tiền xử lý, xếp hàng, chuyển đổi định dạng, kiểm tra hợp lệ và đánh giá thủ công, những công đoạn mà trong một quy trình CAD thực tế chiếm phần lớn thời gian trôi qua. Và các hệ số nhân trong chính tài liệu ra mắt của Skyfall không nhất quán với nhau — 51×, 49× và 100× về tốc độ, 150× và 143× về chi phí, xuyên suốt các trang của cùng một trang web.

Genie 4 thậm chí không vượt qua được mức đó. Google không công bố benchmark, không độ phân giải, không tốc độ khung hình, không độ trễ và không số lượng tham số. Phần hạn chế của chính công ty nêu tên các vấn đề — chi tiết hình ảnh và sự trôi dạt tính thường tồn của vật thể, các tương tác vật lý phức tạp, độ chính xác âm thanh, văn bản trong thế giới có thể đọc được, độ chính xác không gian — mà không định lượng bất kỳ vấn đề nào. Không có bài nộp của bên thứ ba và không có người kiểm thử nào ngoài nhóm đã công bố một phép đo. Về câu hỏi duy nhất là liệu thứ đó có hoạt động không, SKY-001 đưa ra một tuyên bố mà bạn có thể mổ xẻ còn Genie 4 đưa ra một đoạn video demo.

Bài kiểm tra hai: liệu đầu ra có thể đi vào một công cụ không?

Đây là nơi kiến trúc của SKY-001 chứng tỏ giá trị, và cũng là nơi giới hạn của Genie 4 nằm.

Một video về một thế giới không phải là một thế giới mà bạn có thể chỉnh sửa. Không có gì trong một phiên Genie 4 được xuất ra dưới dạng hình học, vì vậy một studio game dùng nó để tạo nguyên mẫu chỉ nhận được một bản tham chiếu để dựng lại thủ công, còn một nhóm robot nhận được các quan sát để huấn luyện nhưng không phải một đồ thị cảnh để chỉnh sửa. Đó là một công dụng thực sự — dữ liệu huấn luyện và tiền trực quan hóa đều tiêu thụ pixel — nhưng điều đó có nghĩa là mô hình nằm ở thượng nguồn của chuỗi công cụ, cấp dữ liệu cho nó thay vì bước vào trong đó.

Đầu ra được công bố của SKY-001 là chuỗi công cụ. Trình tự xây dựng được thiết kế để có thể được tiếp nhận, và Skyfall đã chứng minh nó hoạt động bên trong Autodesk Fusion. Bản chứng minh đó không phải là một connector đã được phát hành, và một bản demo không phải là một câu chuyện tích hợp. Các nhà đánh giá độc lập cũng đã chỉ ra rằng các bản phác thảo đã lưu và hình học 3D được tạo có thể không khớp, điều này sẽ để lại đầu ra trông giống CAD nhưng không phải CAD sẵn sàng cho máy. Nhưng ý định khác về bản chất: một mô hình đang cố gắng rút ngắn khoảng cách đến một sản phẩm có thể chế tạo, mô hình kia đang cố gắng tạo ra một quan sát thuyết phục.

Đối với một công ty thiết kế, sự khác biệt đó quyết định việc mua hàng. Một trình kết xuất giúp nghệ sĩ ý tưởng tiết kiệm hai ngày thì đáng mua ở gần như bất kỳ mức giá nào. Một trình tạo chuỗi giúp người vẽ kỹ thuật tiết kiệm hai ngày chỉ đáng mua nếu chuỗi đó vẫn trụ được khi tiếp xúc với các công cụ thực tế của người vẽ kỹ thuật — và chưa ai bên ngoài Skyfall kiểm nghiệm điều đó.

Bài kiểm tra ba: bạn có thể mua nó trước năm 2027 không?

Không, cả hai điểm đều không, và các mốc thời gian không gần nhau.

SKY-001 là bản xem trước nghiên cứu có thể truy cập qua danh sách chờ. Không có API, không có bảng giá, không có trọng số, không có giấy phép, không có cách tự lưu trữ và không có tinh chỉnh. Skyfall đặt mục tiêu triển khai thương mại vào đầu năm 2027. Công ty nhỏ — khoảng 25 người — và người sáng lập, Sam Pasupalak, trước đây đã xây dựng Maluuba, mà Microsoft đã mua lại vào năm 2017. Đó là lý lịch đáng tin cậy và đây không phải là một sản phẩm đã phát hành.

Genie 4 là bản xem trước nghiên cứu dành cho những người thử nghiệm được tin cậy, với việc các thuê bao Google AI Ultra được hứa hẹn quyền truy cập thông qua Project Genie với mức giá khoảng 100 USD một tháng "trong vài tuần tới", còn các đối tác truy cập sớm thì tiếp cận nó qua Gemini API và AI Studio. Không có ngày phát hành chung, không có giá dành cho nhà phát triển, không có điều khoản thương mại. Đối với một studio, các điều khoản cấp phép còn thiếu là rào cản lớn hơn cả giới hạn hai phút, bởi bạn không thể đưa cảnh quay do AI tạo ra vào một quy trình sản xuất mà việc sử dụng thương mại của nó lại không được nêu rõ.

Vậy câu trả lời mua sắm trung thực cho cả hai đều là cùng một câu: không có gì để mua. Khác biệt nằm ở việc bạn có thể làm gì trong lúc chờ. Odyssey-3, mô hình thế giới tương tác nghiêm túc còn lại ở thời điểm này, ít nhất cho phép bạn trải nghiệm bản demo trên trình duyệt ngay hôm nay. Cả hai mô hình này thì không.

Con số trong bảng của chính Skyfall làm suy yếu hạng mục đó

Ẩn trong kết quả của BIM là con số thú vị nhất mà một trong hai công ty đã công bố, và đó không phải con số nằm trên tiêu đề.

Trên 1.000 bản vẽ mặt bằng của Skyfall, SKY-001 đạt 43,6% IoU. Gemini 3.8 Flash — một mô hình đa năng không được huấn luyện về kỹ thuật và không có mô hình thế giới về xây dựng — đạt 42,3%. Đó là khoảng cách 1,3 điểm, trên chính bộ kiểm thử của mô hình chuyên dụng, so với một mô hình mà bất kỳ ai cũng có thể gọi hôm nay. Sự khác biệt về tốc độ và chi phí là có thật và cực lớn: 1,22 giây so với 346,2 giây, 0,0024 USD so với 0,218 USD mỗi bản vẽ. Nhưng nếu lợi thế độ chính xác so với một mô hình tiên phong có sẵn chỉ là 1,3 điểm IoU trên một chỉ số bỏ qua khả năng sản xuất, thì thứ SKY-001 đang bán là thông lượng, không phải khả năng phán đoán. Đó là một sản phẩm chính đáng — lợi thế 280× về độ trễ là một quy trình làm việc khác — nhưng đó là một tuyên bố hẹp hơn nhiều so với “đánh bại các mô hình tiên phong”.

Điều đó định hình lại toàn bộ cuộc so tài. Genie 4 không cạnh tranh với SKY-001. Cả hai đang cạnh tranh với các mô hình tổng quát mà bạn đã có thể định tuyến. Một pipeline thiết kế gọi mô hình tiên phong cho từng trường hợp, kèm bước xác thực và người đánh giá thủ công, chính là mốc cơ sở mà các mô hình chuyên biệt này phải đánh bại, và trên hạng mục duy nhất mà Skyfall công bố cả hai con số, mốc cơ sở chỉ kém 1,3 điểm.

Mức cơ sở đó là phần bạn thực sự có thể lắp ghép ngay hôm nay. Gemini 3.8 Flash có trong danh mục của chúng tôi với mã google/gemini-3.8-flash, và GPT-6 Astra cùng phần còn lại của nhóm tiên phong cũng vậy, tất cả đều nằm sau một API duy nhất với giá niêm yết của nhà cung cấp được chuyển thẳng qua ở mức cộng thêm 0%. OrcaRouter không tự vận hành Genie 4 hay SKY-001 — cả hai đều không phải endpoint có thể truy cập ở bất kỳ đâu — nên kiến trúc thực tế là một mô hình có thể định tuyến đang đảm nhiệm công việc ngay bây giờ, với khả năng chuyển đổi dự phòng giữa các nhà cung cấp để sự cố của một nhà cung cấp không làm dừng cả lô, và chuyên gia đó sẽ được đưa vào sau nếu những tuyên bố của nó vẫn đứng vững khi đối chiếu với bản vẽ của chính bạn.

Nơi hai thứ thực sự trùng nhau

Có một điểm giao thoa thực sự: cả hai mô hình đều lập kế hoạch.

Bộ lập kế hoạch của Genie 4 là một mô hình Gemini riêng biệt trong vòng lặp. Nó quan sát các khung hình, chia một mục tiêu thành các bước, kiểm tra tiến độ và điều chỉnh. Bộ lập kế hoạch của SKY-001 là nội bộ — mô hình thế giới xây dựng quyết định thứ tự các trạng thái và bộ tổng hợp phân cấp quyết định cái gì phân rã thành cái gì. Trong cả hai trường hợp, phần kỹ thuật thú vị không phải là bộ kết xuất hay bộ tinh chỉnh, mà là logic sắp xếp thứ tự quyết định điều gì xảy ra tiếp theo.

Sự tương đồng đó cũng là lý do phép so sánh này tâng bốc cả hai. Một mô hình lập kế hoạch cho một chuỗi trạng thái đang làm điều hữu ích hơn một mô hình chỉ tạo ra một tạo tác, và cả hai công ty đều biết điều đó. Nhưng các chuỗi này không thể so sánh với nhau theo cùng một thước đo. Một bên là chuỗi những biểu hiện bề ngoài, được kiểm tra dựa trên việc liệu con người có thấy nó hợp lý hay không. Bên kia là chuỗi các trạng thái vững chắc, được kiểm tra dựa trên việc liệu nó có chồng khớp với hình học mục tiêu hay không. Không thể có sự đồng thuận giữa chúng vì không có ground truth chung để làm căn cứ đồng thuận.

Ai nên xem cái nào

Nếu bạn làm phim, trò chơi hoặc trải nghiệm tương tác, Genie 4 là lựa chọn nằm trên lộ trình của bạn còn SKY-001 thì không liên quan đến bạn. Hãy chú ý đến độ phân giải, tốc độ khung hình và các điều khoản thương mại; tính năng âm thanh đã được khác biệt hóa và không cần chứng minh lại.

Nếu bạn phác thảo chi tiết hoặc công trình, SKY-001 là thứ đáng theo dõi còn Genie 4 chỉ là một điều gây tò mò. Hãy để ý đến một bộ kiểm thử được phát hành, một trình kết nối Fusion đã ra mắt và một mức giá. Cho đến khi bộ kiểm thử đó tồn tại, con số 79.7% chỉ là một tuyên bố về dữ liệu của chính Skyfall, và mức chênh 1.3 điểm BIM so với Gemini 3.8 Flash cho thấy lợi thế về độ chính xác có thể nhỏ hơn những gì tiếp thị ngụ ý.

Nếu bạn đang xây dựng lớp hạ nguồn của một trong hai sản phẩm — trình xác thực, trình điều phối, công cụ đánh giá — thì bạn đang ở vị thế tốt hơn. Cả hai mô hình đều bị hạn chế truy cập, đều không thể tái lập, và cả hai sẽ cần đúng phần hạ tầng mà chưa ai xây dựng: một thứ nhận chuỗi được tạo ra, đối chiếu nó với một đặc tả, và quyết định xem có chấp nhận nó hay không. Lớp đó có thể được xây dựng ngay bây giờ, dựa trên những mô hình bạn có thể gọi hôm nay, và nó vẫn sẽ là phần hữu ích khi các mô hình chuyên biệt được tung ra.

Cái bẫy trong cả hai lần ra mắt là cùng một cái bẫy. Một mô hình thế giới càng ấn tượng khi nó càng giống thứ thật, và càng vô dụng khi càng khó biết liệu nó có giống thật hay không. Genie 4 trông phi thường và không thể đo đạc. SKY-001 có thể đo đạc được và phép đo là của chính nó. Cả hai đều chưa phải sản phẩm, và tám ngày giữa các thông báo của chúng là thứ duy nhất khiến chúng trông giống đối thủ.