Genie 4 對比 Odyssey-3：一個可量測的世界，對上一個無法量測的世界

Google DeepMind 於 2026 年 10 月 27 日宣布 Genie 4，作為供受信任測試人員使用的研究預覽。Odyssey 於 2026 年 10 月 8 日開放 Odyssey-3 的免費瀏覽器預覽，距離其發布已過三週。把兩者並排放到一起看，一項不對稱就決定了大部分論點：Odyssey-3 在第三方排行榜上有一筆任何人都能去查看的紀錄，而 Genie 4 沒有公開任何一種數字——沒有解析度、沒有影格率、沒有延遲、沒有基準測試、沒有價格。這並不代表 Odyssey-3 是更好的模型。這只是讓 Odyssey-3 成為兩者中目前唯一一個你能在不採信廠商說法的情況下形成看法的模型。

兩者都是互動式世界模型。兩者都生成場景影片，而不是你能匯出的 3D 幾何。兩者都明確瞄準同一項商業任務：為機器人和代理提供一個練習的場所。而兩者都是披著產品外衣的一大堆但書。有意思的比較不在於哪一個渲染出的草地更逼真，而在於兩家公司各自選擇公開了什麼，以及這個選擇告訴你：兩者距離真正可用還有多近。

每一個實際上是什麼

Genie 4 是 DeepMind 世界模擬器的第四代，接續 2025 年 8 月的 Genie 3。它能根據提示生成可探索的場景，讓你在其運行時以文字指令操控，而且現在能與影片同步生成音訊。Google 稱其為首個原生生成音訊的即時世界模型。Gemini 模型在迴圈中擔任規劃器，檢查影格是否符合目標，並在出現偏差時重新規劃。

Odyssey-3 來自 Odyssey，這是一家由自駕車領域資深人士創立的帕羅奧圖實驗室，於 2026 年 6 月以 14.5 億美元估值完成 3.1 億美元 B 輪融資。它是一個自迴歸擴散 Transformer，經訓練可預測場景如何因應動作而演變——這是一個以動作為條件的動力系統，而不是附帶文字框的影片生成器。你可以用第一人稱、第三人稱或自由相機視角來操控它，而它會像環境一樣對移動作出反應。

真正重要的各項維度，並列比較：

• 連貫性視窗 — Genie 4 能讓一個場景維持約兩分鐘，是 Genie 3 的兩倍；Odyssey-3 則完全未公布工作階段長度。

• 解析度 — Genie 4 尚未公布任何資訊；Odyssey-3 入門版本為 832×480，Odyssey-3 Pro 則為 1280×720。

• 幀率 — 雙方皆未公布，不過第三方 Physics-IQ 專欄列出 Odyssey 的參賽項目為 16 fps。

• 音訊 — Genie 4 提供原生環境音效、音樂與互動對話；Odyssey-3 則無。

• 操控 — 在 Genie 4 中可於場景進行期間以自然語言編輯天氣、攝影機與物件；在 Odyssey-3 中則可控制移動與攝影機，無需語言導演。

• 基準測試 — Genie 4 未公布任何結果；Odyssey-3 則有一份第三方提交與一個自行運行的排行榜。

• 使用權限 — Genie 4 開放給受信任的測試人員，並設有候補名單；Odyssey-3 即日起提供免費的瀏覽器示範，API 存取可依申請提供。

分隔它們的數字

Physics-IQ Verified 是同類評測中最接近獨立計分板的東西。它由 Anates Labs 與 DeepMind 共同運作，評分項目是生成場景在物件被掉落、傾倒、揮動或撞擊時，是否遵守物理定律。Odyssey 提交了 Odyssey-3 與 Odyssey-3 Pro 參加；Google 則沒有提交 Genie 4 參加任何評測。

在 video-to-video 賽道上，於 2026 年 10 月 13 日讀取的結果中，Odyssey-3 Pro 獲得 66.10 分，排名第一。基礎版 Odyssey-3 得分為 64.43。這些是 Odyssey 引用的數字，而且附帶一項會改變解讀方式的取樣條件：它們是八次取樣中取最佳（best-of-eight）的執行結果，模型有八次嘗試機會，並以最佳的一次計分。單次生成時，相同模型的得分為 63.37 和 61.56。若給 Odyssey-3 使用基準測試本身的提示詞，而不是它自己撰寫的提示詞，得分會降至 51.76，排名第八，比其頭條分數低約十分。

那是排行榜上最有用的東西，因為它最接近顧客實際會體驗到的情況。部署這個模型的團隊不會有八次嘗試和一個評分器。它輸入一個提示，就得到一個世界。誠實的解讀是，相對於影片生成器，Odyssey-3 的物理表現確實很強——它在影片轉影片賽道上擊敗 FLUX 3 [large]——而且其領先中有相當一部分是選擇效應。Odyssey 的另一項說法——在 WorldMark 四個類別中的三個拿下第一——更加站不住腳：該評估是由 Odyssey 自己跑的，Odyssey-3 並未出現在 WorldMark 公布的結果中，而且 Odyssey 引用了十三項指標，而排行榜只描述九項。

Genie 4 在那張表上的那一列是空白的，而這個空白並不中立。Google 這次發布帶著一個不尋常的缺口。Genie 3 在 2025 年的揭露資料以 720p、每秒 24 幀展示；Genie 4 的部落格文章談論逼真度，卻兩個數字都沒給。當一間實驗室發布品質主張，卻扣住能讓你查核它的那兩個數字時，扣住不說本身就是訊息。目前輸出的某些東西，一旦和前一版並列寫下，就經不起考驗。

關於智能該歸屬於何處的兩種不同押注

架構上的分野比規格表更具影響，因為它決定了你能在每個模型之上建構出什麼。

Genie 4 推出了一個先導版。Gemini 3.8 Flash 會觀看生成的影格，將目標拆解成步驟，判斷場景是否做到要求，並修訂計畫。Gemini Omni 讓模擬以事物實際的外觀與行為為依據。在一項實驗中，Gemini 4 Argon 將一項機器人任務拆成文字描述，再由 Genie 4 即時模擬，其中包括 Apptronik Apollo 人形機器人下跳棋。這一切的底層主張是：模型能自行排練一項任務，而無需人類逐幀操控。

Odyssey-3 出貨時搭載一座駕駛艙。迴路中沒有規劃器。模型以你的行動為條件，而工作階段的品質取決於你駕馭它的程度。這是個較小的主張，也是對這項技術目前實際作為更誠實的主張——一個需要勝任操作者的世界模型，對評估、資料生成與探索仍然有用，而這些都不需要自主性。

實際後果是：如果你的使用情境是「為某個策略生成多樣的失敗案例，讓它從中學習」，Odyssey-3 的形態更接近你所需，而且你今天就能在瀏覽器中試用。如果你的使用情境是「一個會自行設定課程的代理」，那麼兩者之中只有 Genie 4 提出這種主張，而且測試者群體之外沒有人驗證過。

機器人技術是他們兩人都想爭取的工作

兩家公司都不諱言目標。Google 將 Genie 4 定位為圍繞機器人與代理的訓練環境。Odyssey 展示了機械手臂從操作錯誤中恢復、透過 Flexion 策略進行人形控制、一輛車在約二十小時訓練資料後於印度行駛真實道路，以及室內無人機導航——一個基礎模型涵蓋六個領域，全部由廠商自行報告，且無一經獨立重現。

值得認真看待的主張是跨具身遷移，因為正是這一點會讓世界模型在經濟上不同於模擬器。如果從一個形體學到的動力學能遷移到另一個形體，你就不必再為每一台機器人手工建構物理模型。Odyssey 表示，它已展示遊戲之間的早期遷移，也就是用在一款遊戲中學到的技能來玩另一款遊戲。這距離工廠車間還很遙遠，但方向是對的，而且這是競爭對手會想複製、而非質疑的那類成果。

Genie 4 的機器人學證據，是一段人形機器人在模擬環境中玩桌遊的示範。它很討喜，也證明了整條流程可以串接起來。但它無法證明這個模擬環境夠忠實、足以用來訓練；而且由於沒有公布解析度、影格率或物理評分，根本無從查核。

音訊是真實的，而且它不是決勝關鍵。

Genie 4 能生成環境音、音樂和口語對話，並回應你在場景中對角色說的話。這對 DeepMind 的世界模型來說是真正的首創，也改變了這個模型實際上能勝任哪些工作——沒有聲音的預視覺化鏡頭只算半個鏡頭，而必須從零重建室內環境音的音效設計師，等於是在依照模型的時間節奏工作，而不是自己的節奏。

這同樣不能決定這場比較。Odyssey-3 並不打算成為電影工具；它想成為的是實體環境。沉默在機器人學課程中對它毫無損失，在分鏡審查中卻代價高昂。無論如何，Google 自己的保留意見也削弱了這項功能：該公司把即時音訊準確度列為未解問題，與場景內文字可讀性和空間準確度並列。一個你讀不懂招牌的世界，不能替代街道；而偏離原始來源的對白，也不是你能拿來剪接對位的東西。

使用權的真正代價

你可以在今天下午用瀏覽器開啟 Odyssey-3，免費操作它。公開展示版執行的是公司稱為 Odyssey-3 Flash 的蒸餾少步驟變體——這是 Odyssey 未另行說明的第三個名稱——而完整模型則需提出優先存取申請才能使用。這裡沒有自助式 API、沒有價目表、沒有權重、沒有授權，而且網站上唯一的條款頁面早於 Odyssey-3，至今仍在描述 Odyssey-2 原型。

Genie 4 的門檻更高。目前由受信任的測試人員使用；Google AI Ultra 訂閱者則獲承諾可透過 Project Genie 在「未來幾週內」取得使用權，月費約 100 美元，而早期存取合作夥伴則可透過 Gemini API 和 AI Studio 使用。目前尚無全面開放的日期，也沒有開發者定價。中文媒體流傳的一項外部估算指出，一次兩分鐘的工作階段運算成本約為 7.84 美元——此說法僅有單一來源、未經 Google 證實，也不是任何人實際被報價的價格。

這種不對稱正是整個採購決策的全貌。Odyssey-3 只需花你一個下午就能完成評估，卻完全不會告訴你它在生產環境中運行要花多少成本。Genie 4 則要你排隊等候，而且什麼都不會告訴你。如果你這一季就需要答案，這些問題裡只有一個還問得出口。

本季度如何選擇

從你能測量的事情開始。如果你需要的是用於探索、資料生成或示範的互動式環境，請在瀏覽器中試用 Odyssey-3，然後詢問 Odyssey 一個工作階段要花多少成本、併發上限是多少——這些答案會比任何基準測試更能告訴你這個產品的成熟度。把它的 66.10 視為八次中最佳成績，把 51.76 視為現實可行的成績，並以第二個數字來規劃。

若你需要的是能在模擬環境中進行規劃的代理，Genie 4 是唯一如此宣稱的選項，而且目前沒有東西可測試。理性的做法是等待候補名單，同時先針對架構中已商品化的那一半來開發：規劃器。Gemini 3.8 Flash 是 Google 放進 Genie 4 迴圈裡的模型，如今它是可路由的 LLM，而非受限制的世界模型。它在我們目錄中的名稱是 google/gemini-3.8-flash，可透過 單一 API 呼叫，供應商牌價以 0% 加價原樣傳遞。OrcaRouter 不託管 Genie 4 或 Odyssey-3——兩者在任何地方都不是可定址端點——所以誠實的區分是：規劃器買得到，模擬器還買不到。在這樣的情況下，容錯移轉很重要：如果你技術堆疊中唯一可替換的部分是引導代理，你會希望它能在供應商之間移動，而不必簽新合約；路由 DSL 讓你能為驗證流程指定便宜模型，並為規劃指定更強的模型。

還有一個更便宜、卻沒有人在做的實驗。讓同一個規劃器分別接入 Odyssey-3 的瀏覽器工作階段，以及一個傳統物理引擎，看看哪一個每美元能產出更好的訓練資料。這項比較只需花一週，卻比兩篇發布文章的任何一篇都更能釐清問題。

什麼能讓它塵埃落定

三件事，按有用程度排序。Genie 4 的解析度與幀率，由 Google 提供，或由任何願意公開原生尺寸擷取畫面的測試者提供。在 Physics-IQ 上，以基準測試提供的提示詞，讓兩個模型在同一測試框架下執行，單次生成，這將首次讓兩列得出同一個數字。還有商業條款——每秒費率、授權、併發數——因為無法定價的世界模型就只是示範，無論是哪個實驗室打造的。

在其中一項真正落地之前，準確的總結對兩家公司而言都令人難堪。Odyssey-3 可衡量且範圍狹窄，只有一項強勁的第三方結果，而該結果在現實抽樣下會縮水。Genie 4 更廣泛但無法衡量，內部有一個規劃器，且尚無證據顯示它所據以規劃的世界是忠實的。這兩種立場之間的差距不是能力上的差距，而是揭露上的差距；讀者的任務是注意到哪一方被要求憑信心接受。