Genie 4 对比 SKY-001：两个永远不会共用同一基准的世界模型

Genie 4 和 SKY-001 于 2026 年 10 月相隔八天先后发布，而永远不会有人发布一份把两者同时列入的公平对比榜单。来自 Google DeepMind 的 Genie 4 能生成一个可游玩、有声音的场景，你可以在其中走动大约两分钟。来自 Skyfall AI 的 SKY-001 则接收一段提示词或一张草图，输出 CAD 零件或建筑平面图的有序建造序列。一个产出的是供人观看的像素。另一个产出的是机器最终可能据此建造的几何结构。唯一有用的比较并不是哪一个更好——而是在你把它摆到付费客户面前之前，各自必须证明什么，以及这些证明中又有哪些已经被尝试过。

两家公司都把自己的产品称为世界模型。这个共用的说法承担了大量本不该由它承担的作用，也正是为什么关于这两次发布的报道读起来仿佛二者是竞争对手。它们争夺的并不是同一笔预算、同一个买家或同一套评估标准。它们争夺的是同一个词。

这个词承载得太多了

区分它们的一个有用方法是问这个模型是什么的模型。

Genie 4 对物体的外观与动态进行建模。给它一个提示词，它就能渲染出一个可响应文字指令的世界——改变天气、移动镜头、添加人物——如今还能在视频之外同步生成环境音、音乐和可交互对话。一个 Gemini 规划器会观察画面帧并重新规划。其输出是一串面向人眼观看或视频流水线的图像，而它的正确性取决于场景的行为是否合乎情理。

SKY-001 对装配体进行建模。其层级从系统到装配体到子装配体再到零件，或从楼层到单元再到房间；它的第二个组件——Skyfall 称之为建造世界模型——规划从空白到完成的有序视觉状态序列。对于 CAD 组件，这是一系列 3D 实体状态，其间夹有 2D 草图。对于平面图，它是一幅逐笔绘制的图。正确性即几何重叠度，以相对于真值形状的 IoU 来衡量。

这些维度，采用能让不匹配显而易见的形式：

• 输出 — Genie 4 生成视频和音频；SKY-001 生成 CAD 或 BIM 施工序列。

• 输入 — Genie 4 支持文本、键盘和摄像头控制；SKY-001 支持文本或 2D 图像。

• “错误”指什么——是场景发生漂移，还是实体与目标几何相差一个 IoU 余量。

• 评估单元——对 Genie 4 的人工判断或物理评分；SKY-001 在 1,000 个案例上的平均 IoU。

• 公布价格——两者都不是。

• 访问权限 — 双方均需加入等候名单。

测试一：有人能检查输出吗？

SKY-001 以尽可能狭窄的意义通过了这项测试，而这仍然比 Genie 4 所能做到的要多。

Skyfall 发布了一项厂商基准测试，涵盖两条各 1,000 个案例的赛道，这些数字具体到足以引发争议。在 CAD 组件上，SKY-001 的平均 IoU 得分为 79.7%，而 GPT-6 Astra 为 79.1%——领先 0.6 个百分点，这属于种子级噪声——但运行时间为 3.9 秒而非 199 秒，且每个案例成本为 $0.005 而非 $0.75。在平面图上，它得分 43.6%，而 GPT-6 Astra 为 40.6%，耗时为 1.22 秒对 144.6 秒。

那些数字全部来自 Skyfall 自己，是在 Skyfall 的内部测试集上得出的，既没有公开的数据划分，也没有发布评测框架。IoU 指标只衡量几何重叠，仅此而已：它不能证明零件可制造、公差能闭合、平面图符合疏散或无障碍规范，也不能证明结构成立。这些计时不包括上传、预处理、排队、格式转换、验证和人工审核，而在真实的 CAD 工作流中，这些环节占了大部分实际耗时。而且，Skyfall 自己发布材料中的倍数彼此并不一致——速度是 51×、49× 和 100×，成本是 150× 和 143×，而这些数字出现在同一网站的不同页面上。

Genie 4 甚至连那道门槛都没跨过。Google 没有公布基准测试、分辨率、帧率、延迟和参数数量。该公司自己的“局限性”部分列出了这些问题——视觉细节与物体恒存性漂移、复杂物理交互、音频准确性、可读的世界内文本、空间准确性——却没有对其中任何一项进行量化。没有第三方提交，测试者池之外也没有人公布过测量结果。在“这东西是否有效”这唯一一个问题上，SKY-001 提供的是一个你可以拆解检验的说法，而 Genie 4 提供的是一段演示片。

测试二：输出能进入工具吗？

这正是 SKY-001 架构发挥价值之处，也是 Genie 4 的天花板所在。

一段世界的视频并不是一个你可以编辑的世界。Genie 4 会话中没有任何内容会作为几何体导出，因此用它做原型制作的游戏工作室得到的只是一个需要手工重建的参考，而机器人团队得到的是可用于训练对照的观测数据，而不是可修改的场景图。这确实是一种真实用途——训练数据和预可视化都消耗像素——但这意味着该模型位于工具链的上游，是在向工具链提供输入，而不是进入工具链。

SKY-001 所声称的产出是工具链。其建造序列的设计目的就是可被摄取使用，而 Skyfall 已在 Autodesk Fusion 中演示了它确实可用。但该演示并非已交付的连接器，而且一次演示也构不成一套集成方案。独立评审者还指出，保存下来的草图与生成的三维几何可能并不对齐，这会使输出看起来像 CAD，却不是可直接用于制造的 CAD。但两者的意图在性质上并不相同：一个模型试图缩短通往可制造实物的距离，另一个则试图营造一个令人信服的观感。

对一家设计公司来说，这种区别决定了是否购买。一个能为概念艺术家节省两天的渲染器，几乎无论价格多高都值得买。一个能为制图员节省两天的序列生成器，只有当该序列在与制图员实际工具配合使用时仍然成立，才值得购买——而 Skyfall 之外还没有人测试过这一点。

测试三：你能在2027年之前买到它吗？

不，这两点都不对，而且时间线也相差甚远。

SKY-001 是一款研究预览版，需通过等候名单获取。它没有 API、没有价目表、没有权重、没有许可证、没有自托管途径，也不支持微调。Skyfall 计划于 2027 年初实现商业化部署。这家公司规模很小——大约 25 人——其创始人 Sam Pasupalak 此前创办了 Maluuba，该公司于 2017 年被 Microsoft 收购。这是一份可信的资历，但它并不是一款已交付的产品。

Genie 4 是面向受信任测试者的研究预览版；Google AI Ultra 订阅用户则获承诺，“在未来几周内”可通过 Project Genie 以每月约 100 美元的价格获得访问权限，早期访问合作伙伴可通过 Gemini API 和 AI Studio 使用它。目前没有全面开放日期，没有开发者定价，也没有商业条款。对工作室而言，缺失的许可条款比两分钟时长上限是更大的障碍，因为你无法将生成素材放入一个商业用途尚未明确的制作流程中。

所以，对这两者而言，诚实的采购答案都是同一句话：没有什么可买的。区别在于，在等待期间你能做些什么。Odyssey-3 是当下另一个严肃的交互式世界模型，至少今天还能让你在浏览器演示中上手操作。而这两者都做不到。

Skyfall 自家表格中那个削弱了该类别归属的数字

在 BIM 的业绩结果中，隐藏着两家公司公布过的最有趣的数字，而它并不是标题里的那个数字。

在 Skyfall 的 1,000 张户型图上，SKY-001 的 IoU 得分为 43.6%。Gemini 3.8 Flash——一个没有接受过工程训练、也没有建筑世界模型的通用模型——得分为 42.3%。这是在专家模型自己的测试集上，与一个如今任何人都能调用的模型之间 1.3 个百分点的差距。速度与成本差异真实且巨大：每张图 1.22 秒对 346.2 秒，$0.0024 对 $0.218。但如果相对于一个现成前沿模型的准确率领先，在一个忽略可施工性的指标上只有 1.3 个 IoU 点，那么 SKY-001 卖的是吞吐量，而不是判断力。这是一款合理的产品——280 倍延迟优势意味着不同的工作流——但相比“击败前沿模型”，这是一个窄得多的主张。

这就重新定义了整场对决。Genie 4 并不是在与 SKY-001 竞争。两者都在与你已经可以调用的通用模型竞争。一个设计流水线，每个案例调用前沿模型，并配有验证步骤和人工审核员，这就是这些专家模型必须超越的基线；而在 Skyfall 同时公布双方数字的那唯一一个评测项上，基线的差距在 1.3 分以内。

这个基线，是你今天真正能够搭建起来的那部分。Gemini 3.8 Flash 已在我们目录中，型号为 google/gemini-3.8-flash，GPT-6 Astra 以及前沿阵营的其余模型也同样在列，它们全都统一在一个 API 之后，各供应商的标价原样透传，零加价。OrcaRouter 并不托管 Genie 4 或 SKY-001——这两者在任何地方都不是可寻址的端点——所以务实可行的架构是：眼下先由一个可路由的模型承担工作，并在各供应商之间做故障转移，这样单家供应商宕机也不会让一批任务停下来；至于那位专才，若它的宣称能经受住你自己图纸的检验，日后再接入也不迟。

两者真正重叠的地方

有一个真正的共同点：两个模型都会进行规划。

Genie 4 的规划器是回路中一个独立的 Gemini 模型。它观察帧，将目标分解为步骤，检查进度并进行修正。SKY-001 的规划器是内置的——构建世界模型决定状态的顺序，分层组合器决定什么分解成什么。在这两种情况下，真正有意思的工程都不是渲染器或精修器，而是决定下一步发生什么的排序逻辑。

这种相似性也正是这一比较对双方都有所抬举的原因。一个规划一系列状态的模型，做的事情比一个只输出单件产物的模型更有用，两家公司都清楚这一点。但这些序列之间并不可通约。一个是一系列表象，检验标准是人类是否觉得它合理。另一个是一系列实体状态，检验标准是它是否与目标几何形状重合。它们之间不可能达成一致，因为不存在可供达成共识的共享真值基准。

谁应该看哪一个

如果你制作电影、游戏或互动体验，那么 Genie 4 才是你路线图上的那个，而 SKY-001 与你无关。请关注分辨率、帧率和商业条款；音频功能已经实现差异化，无需再次证明。

如果你要绘制零件或建筑，SKY-001 才是值得关注的那个，而 Genie 4 只是一个让人好奇的玩意儿。要留意测试集的发布、Fusion 连接器的交付，以及定价。在测试集出现之前，79.7% 这个数字只是关于 Skyfall 自有数据的说法，而它在 BIM 上相对 Gemini 3.8 Flash 仅 1.3 个百分点的领先幅度表明，其准确率优势可能比营销宣传的还要小。

如果你在构建这两款产品中任何一个的下游层——校验器、编排器、评审工具——那你的位置更有利。两个模型都受限访问，都无法复现，而且它们都恰好需要那套还没人搭建的基础管道：一个能接收生成序列、按规格校验它、并判断是否接受它的东西。这一层现在就能建，基于你今天就能调用的模型，而等到那些专精模型发布时，它依然会是有用的那一部分。

这两次发布背后的陷阱是同一个陷阱。世界模型的惊艳程度，与它有多像真实事物成正比；而它的无用程度，则与判断它到底像不像有多难成正比。Genie 4 看起来非同凡响，却无法被衡量。SKY-001 可以被衡量，而衡量标准是它自己的。两者都还不是产品，而它们公告之间相隔的八天，是唯一让它们看起来像竞争对手的因素。