Genie 4 对比 Odyssey-3：一个可测量的世界对阵一个不可测量的世界

谷歌 DeepMind 于 2026 年 10 月 27 日发布了 Genie 4，作为面向受信任测试者的研究预览版。Odyssey 于 2026 年 10 月 8 日开放了 Odyssey-3 的免费浏览器预览，距其发布公告仅三周。把两者并排放在一起，一处不对称就决定了这场争论的大部分走向：Odyssey-3 在第三方排行榜上有一行任何人都能去查看的记录，而 Genie 4 没有公布任何一项数据——没有分辨率、没有帧率、没有延迟、没有基准测试、没有价格。这并不能说明 Odyssey-3 是更好的模型。它只是让 Odyssey-3 成为目前两者中唯一一个你不必听信厂商说辞就能对其形成判断的模型。

两者都是交互式世界模型。两者生成的都是一段场景视频，而不是你可以导出的 3D 几何体。两者都明确瞄准同一项商业任务：为机器人和智能体提供一个练习场所。而两者都是披着产品外衣的一堵堵免责声明之墙。有趣的比较不在于哪一个渲染出的草地更逼真，而在于每家公司选择公开什么，以及这一选择告诉你，二者各自离真正可用还有多近。

每一个实际上是什么

Genie 4 是 DeepMind 世界模拟器的第四代，紧随 2025 年 8 月的 Genie 3 之后。它根据提示生成一个可探索的场景，让你在运行过程中用输入的指令操控它，并且现在能在生成视频的同一过程中生成音频。Google 称其为首个原生生成音频的实时世界模型。一个 Gemini 模型作为规划器参与循环，检查帧是否符合目标，并在出现偏差时重新规划。

Odyssey-3 来自 Odyssey，这是一家由自动驾驶资深人士在帕洛阿尔托创立的实验室，于 2026 年 6 月完成了 3.1 亿美元的 B 轮融资，估值达 14.5 亿美元。它是一个自回归扩散 Transformer，经过训练可预测场景如何随动作演变——是一个以动作为条件的动力系统，而不是一个带文本框的视频生成器。你可以用第一人称、第三人称或自由相机来驱动它，它会像环境一样对移动做出响应。

关键维度，并排对比：

• 连贯性窗口——Genie 4 能让一个场景保持约两分钟，是 Genie 3 的两倍；Odyssey-3 则完全没有公布会话时长。

• 分辨率 — Genie 4 未公布任何数据；Odyssey-3 基础版为 832×480，Odyssey-3 Pro 为 1280×720。

• 帧率——双方均未公布，不过第三方 Physics-IQ 专栏中列出 Odyssey 的条目为 16 fps。

• 音频——Genie 4 提供原生环境声、音乐和互动对话；Odyssey-3 则没有这些功能。

• 操控 — 在 Genie 4 中，可通过自然语言在场景中途编辑天气、镜头和物体；在 Odyssey-3 中，无需语言导演即可实现移动与镜头控制。

基准测试——Genie 4 未公布任何结果；Odyssey-3 有一份第三方提交和一个自行运行的排行榜。

• 访问权限 — Genie 4 面向受信任的测试者开放，并设有等候名单；Odyssey-3 今日即可免费在浏览器中试用演示，API 访问可按需申请。

分隔它们的那个数字

Physics-IQ Verified 是该类别中最接近独立记分牌的存在。它由 Anates Labs 与 DeepMind 联合运营，评估生成场景在物体被掉落、倾倒、挥动或击打时是否遵守物理定律。Odyssey 向其提交了 Odyssey-3 和 Odyssey-3 Pro。Google 没有向任何评测提交 Genie 4。

在视频到视频赛道上，根据 2026 年 10 月 13 日的读数，Odyssey-3 Pro 得分为 66.10，排名第一。基础版 Odyssey-3 得分为 64.43。这些是 Odyssey 引用的数字，但它们附带一个会改变解读方式的采样条件：这些是八次取最佳（best-of-eight）运行，即模型获得八次尝试机会，并对其中最佳的一次评分。在单次生成中，相同模型的得分为 63.37 和 61.56。如果给 Odyssey-3 使用基准自带的提示词，而不是它为自己编写的提示词，得分会降至 51.76，排名第八，比其主打成绩低约十分。

榜单上最有用的就是这一项，因为它最接近客户实际会体验到的效果。部署这个模型的团队并不会得到八次尝试和一个评分器。它输入一个提示词，得到一个世界。诚实的解读是：相对于视频生成器，Odyssey-3 的物理表现确实很强——它在视频到视频赛道上胜过 FLUX 3 [large]——而其领先优势中有相当一部分来自选择效应。Odyssey 的另一项主张——在 WorldMark 四个类别中拿下三个第一——就更弱了：那次评估由 Odyssey 自己运行，Odyssey-3 并未出现在 WorldMark 已发布的结果中，而且 Odyssey 引用了十三项指标，而榜单只描述了九项。

那张表上 Genie 4 所在的那一行是空白的，而这片空白并不中立。谷歌推出了一次发布，其中却留着一个不寻常的空洞。Genie 3 在 2025 年的亮相材料以 720p 和每秒 24 帧展示；Genie 4 的博客文章讨论了真实感，却没有给出这两个数字中的任何一个。当一个实验室发布一项质量声明，却扣下两个能让你核验它的数字时，这种扣留本身就是信息。当前输出有某种东西，一经与它的前代并排写下，就站不住脚。

关于智能究竟归属于何处的两种不同押注

架构上的差异比规格表更有分量，因为它决定了你能在每个模型之上构建什么。

Genie 4 推出了一个试点版本。Gemini 3.8 Flash 会观看生成的帧，将目标分解为步骤，判断场景是否完成了所要求的内容，并修订计划。Gemini Omni 让模拟锚定于事物的实际外观和行为方式。在一项实验中，Gemini 4 Argon 将一项机器人任务拆解为文字说明，随后由 Genie 4 实时模拟，其中包括 Apptronik Apollo 人形机器人下跳棋。这一切背后的主张是，该模型能够自行排练一项任务，无需人类驱动每一帧。

Odyssey-3 附带了一个驾驶舱。循环中没有规划器。模型以你的动作为条件，而会话的质量取决于你驾驭它的水平。这是一个更小的主张，也是关于这项技术目前实际能做什么的更诚实的主张——一个需要称职操作员的世界模型，对于评估、数据生成和探索仍然有用，而这些都不需要自主性。

实际后果是：如果你的用例是“为策略生成多样化的失败案例以供学习”，那么 Odyssey-3 的形态更接近你的需求，而且你今天就能在浏览器里试用。如果你的用例是“一个能自行设定学习课程的智能体”，那么 Genie 4 是两者中唯一声称做到这一点的，而且测试者群体之外还没有人验证过。

机器人技术是两人都在争取的工作

两家公司都没有讳言目标。谷歌将 Genie 4 定位为面向机器人和智能体的训练环境。Odyssey 展示了机械臂从操作错误中恢复、通过 Flexion 策略进行人形控制、一辆汽车在使用约二十小时训练数据后在印度真实道路上行驶，以及室内无人机导航——同一个基础模型覆盖六个领域，全部由厂商报告，均未经过独立复现。

值得认真对待的主张是跨具身迁移，因为正是这一点会让世界模型在经济上与模拟器截然不同。如果从一种身体学到的动力学能够迁移到另一种身体，你就不必为每个机器人手工构建物理模型。Odyssey 表示，它已展示了游戏之间的早期迁移，即用在一款游戏中学会的技能去玩另一款游戏。这距离工厂车间还很远，但方向是对的，而且这是竞争对手会想要复现而非质疑的那类结果。

Genie 4 的机器人学证据是一段人形机器人在模拟环境中玩棋盘游戏的演示。它很有趣，也证明了整条流程是通的。但它并不能证明该模拟环境足够忠实、可以用于训练；而且由于没有公布分辨率、帧率或物理评分，也就无从核查。

音频是真实的，而且它不是决胜因素。

Genie 4 能生成环境声、音乐和语音对话，并会对你与场景中角色的说话内容作出响应。这对 DeepMind 的世界模型而言是真正的首创，也改变了该模型能够合理承担的工作——没有声音的预可视化镜头只能算半个镜头，而必须从零重建房间底噪的音效设计师，是在按模型的时间节奏工作，而不是按自己的节奏工作。

这也无法决定这场比较的胜负。Odyssey-3 并不想成为电影工具；它想成为一个物理环境。没有声音在机器人课程中不会让它付出任何代价，但在分镜评审中却会让它损失惨重。Google 自己给出的保留意见无论如何都削弱了这一功能：该公司将实时音频准确性列为尚未解决的问题，与可读的实景文字和空间准确性并列。一个你读不懂招牌的世界不能替代街道，而脱离源素材的对话也不是你可以拿来对剪的内容。

获取访问权限的实际代价

今天下午，你就能在浏览器中打开 Odyssey-3 并免费操控它。公开演示运行的是该公司称为 Odyssey-3 Flash 的蒸馏少步变体——这是 Odyssey 在其他地方没有记录的第三个名称——而完整模型则需申请优先访问。没有自助 API、没有价目表、没有权重、没有许可证，而且网站上唯一的条款页面早于 Odyssey-3，至今仍在描述 Odyssey-2 原型。

Genie 4 的开放门槛更高了。目前，受信任的测试者已经可以使用它；Google AI Ultra 订阅用户则被承诺"在未来几周内"通过 Project Genie 获得访问权限，月费约为 100 美元，早期访问合作伙伴则可通过 Gemini API 和 AI Studio 使用。目前既没有全面开放（general availability）的日期，也没有面向开发者的定价。中文媒体上流传的一项外部估算称，一次两分钟会话的计算成本约为 7.84 美元——但这一说法来源单一，未获 Google 证实，也不是任何人被正式报价的价格。

这种不对称就是整个采购决策的关键所在。评估 Odyssey-3 要花你一个下午，却完全不会告诉你它在生产环境中运行要花多少钱。Genie 4 要让你排队等候，却什么信息都不告诉你。如果你需要在本季度得到答案，这些问题里只有一个还问得出口。

如何选择本季度

从你能衡量的东西开始。如果你需要的是一个用于探索、数据生成或演示的交互式环境，可以在浏览器中试试 Odyssey-3，然后问 Odyssey 一次会话的费用是多少、并发限制是什么——这些答案会比任何基准测试更能说明产品的成熟度。把它的 66.10 视为八次中最好的一次成绩，把 51.76 视为更现实的成绩，并围绕第二个来规划。

如果你的需求是一个能在仿真内部进行规划的智能体，那么 Genie 4 是唯一做出这一宣称的选项，而且目前没有任何东西可供测试。理性的做法是等待候补名单，同时围绕架构中已经商品化的那一半来构建：规划器。Gemini 3.8 Flash 是 Google 放入 Genie 4 循环中的模型，如今它是一个可路由的 LLM，而不是一个受限的世界模型。它已收录在我们的目录中，名称为 google/gemini-3.8-flash，可通过 一个 API 调用，提供商列表价格以 0% 加价透传。OrcaRouter 不托管 Genie 4 或 Odyssey-3——二者在任何地方都不是可寻址的端点——所以诚实的划分是：规划器可以买，模拟器尚不能。在这种形态下，故障转移很重要：如果你技术栈中唯一可替换的部分是引导智能体，你会希望它能在不同提供商之间迁移而无需新合同，而路由 DSL 让你可以为验证环节固定一个廉价模型，为规划固定一个更强的模型。

还有一个更便宜、却没人做的实验。把同一个规划器分别接到 Odyssey-3 的浏览器会话和一个传统物理引擎上，看看哪一个每美元能产出更好的训练数据。这个比较只需一周，却能比那两篇发布文章中的任何一篇厘清更多问题。

什么才能了结此事

三件事，按有用程度排序。Genie 4 的分辨率和帧率，来自 Google，或来自任何愿意发布原生尺寸捕获的测试者。用基准提供的提示词，在 Physics-IQ 上对两个模型进行同一测试框架下的运行，单次生成，这将首次让两行显示同一个数字。还有商业条款——每秒费率、许可证、并发数——因为一个无法定价的世界模型就只是个演示，不管它是哪家实验室做的。

在其中一个真正落地之前，准确的总结对两家公司来说都不舒服。Odyssey-3 是可衡量且范围狭窄的，有一个强有力的第三方结果，但该结果在现实采样下会缩水。Genie 4 更宽泛且不可衡量，内部有一个规划器，而且尚无证据表明它所规划所依据的世界是忠实的。这两种立场之间的差距不是能力上的差距，而是披露上的差距，读者需要注意到哪一个是被要求凭信念接受的。