Apollo World против Genie 4: узкий специалист против универсала

В анонсе Genie 4 от Google скрыто небольшое совпадение, которое создает ненужную путаницу при сравнении: в одной из демонстраций робототехники Genie 4 объединили с Gemini 4 Argon для выполнения многошаговой симуляции гуманоидного робота Apptronik Apollo, играющего в шашки. Тот Apollo — это робот. Apollo World в этой статье — это модель мира для беспилотного вождения от Baidu, представленная 3 ноября 2026 года на мероприятии Baidu AI Day в Шэньчжэне. Genie 4 — это интерактивная модель мира общего назначения от Google DeepMind, анонсированная 27 октября 2026 года. У них общие временные рамки запуска и категория, но почти ничего больше.

Настоящее сравнение — это широта против глубины. Genie 4 сгенерирует практически любую сцену, которую вы опишете, со звуком, и позволит управлять ею в реальном времени. Apollo World сгенерирует только один тип сцен — дорожную сеть с движением — и требует, чтобы данные камеры и LiDAR согласовывались друг с другом, пока решение по безопасности принимается за 33 миллисекунды. Google строит движок воображения. Baidu строит экзаменатора. Если вы выбираете между ними, первый вопрос — что именно вам действительно нужно, а второй — предоставит ли вам это хоть одна из компаний.

Что выпустили в Genie 4, а что нет

Genie 4 — это интерактивная модель мира, работающая в реальном времени. Вы описываете сцену, она генерирует окружение для исследования, и вы управляете им с помощью текстовых подсказок и обычных клавиш клавиатуры для передвижения и управления камерой. Главным нововведением стало нативное аудио: фоновые звуки, музыкальное сопровождение и интерактивные диалоги персонажей, генерируемые одновременно с видеорядом, что Google называет первым подобным достижением для модели мира в реальном времени. Компания также утверждает, что модель лучше предшественницы справляется с реалистичной физикой и движением человека.

Интеграция с Gemini имеет ключевое значение с точки зрения архитектуры. Gemini Omni привязывает симуляцию к реалистичному внешнему виду и поведению; другие модели Gemini обеспечивают рассуждения для согласованности и непрерывности; а Gemini 3.8 Flash выступает в роли управляющего агента, который наблюдает за сценой, планирует шаги и проверяет прогресс. Эта последняя роль фактически представляет собой проверяющего внутри цикла (in-loop verifier) — языковую модель, следящую за моделью мира, чтобы удерживать её на задаче. Google также протестировала Gemini 4 Argon с Genie 4 в многошаговых симуляциях робототехники, включая ту самую демонстрацию с шашками на Apptronik Apollo.

Список того, что Google не опубликовала, весьма велик: ни разрешения, ни частоты кадров, ни размера модели, ни цены, ни длительности сохранения согласованности сцены. В блоге указано, что согласованность сохраняется во время коротких сессий, а визуальные детали и постоянство объектов могут искажаться при более длительных запусках, после сложного редактирования или во время навигации. В качестве открытых исследовательских проблем называются сложные физические взаимодействия, точность аудио, читаемый текст внутри мира, пространственная точность и долгосрочная согласованность. Каждая генерация содержит водяной знак SynthID.

Доступ предоставлен в формате исследовательского превью для доверенных тестировщиков. Google планирует расширить доступ для подписчиков AI Ultra через Project Genie, где открыт список ожидания, а также для партнеров с ранним доступом через Gemini API и Google AI Studio. Ни дат, ни цен пока не объявлено.

Что выпустили в Apollo World

Apollo World по своей задумке более узкоспециализирована. Модель Baidu генерирует синхронизированные изображения с камеры и облака точек LiDAR, причем изменения погоды и освещения распространяются на обе модальности. Каждый участник дорожного движения является ИИ-агентом со своей политикой принятия решений, а не заскриптованным объектом. Она воспроизводит полные поездки между произвольными начальными и конечными точками — посадку, поездку, высадку — при этом окружение реагирует на эго-автомобиль. Baidu заявляет, что система уже используется для глобального тестирования и валидации Apollo Go, её сервиса роботакси, и декларирует 100 000 симулированных километров в день, что по расчетам Baidu эквивалентно примерно трем годам работы водителя-испытателя.

Ограничение, отличающее её от универсальной модели, — это задержка. Baidu утверждает, что критически важные для безопасности решения должны приниматься примерно за одну тридцатую секунды, а её критерий оценки «2+3» делает работу в реальном времени продвинутым требованием, а не просто приятным дополнением. Причинно-следственная связь и интерактивность являются базовым уровнем: время течет в одном направлении, следующее состояние прогнозируется на основе текущего, а сцена реагирует на предпринимаемые действия. Физическая точность, постоянство и низкая задержка — это продвинутые атрибуты. Ничто из этого не является заявкой на визуальную красоту.

Как и в случае с Genie 4, у Apollo World нет публичного доступа, стоимости, весов модели и независимых бенчмарков. Baidu не опубликовала ни количество параметров, ни описание архитектуры. Разница заключается в том, что у Genie 4 есть заявленный путь к получению доступа — список ожидания, подписка Ultra, партнерский API, — тогда как у Apollo World анонсированного пути доступа нет вообще.

Сравнение характеристик

• Охват — Apollo World детально покрывает одну доменную область (дорожное движение) vs Genie 4 покрывает любую сцену, которую можно описать в промпте.

• Точность сенсоров — Apollo World генерирует данные камеры и LiDAR совместно и физически согласованно vs Genie 4 генерирует RGB-видео плюс аудио, без глубины, дальнометрии или канала LiDAR.

• Критерии оценки — Apollo World оценивается по причинно-следственной точности, интерактивности и задержке vs Genie 4 оценивается по визуальному реализму, управляемости и согласованности аудио.

• Валидность для вождения — Apollo World выполняет поездки по замкнутому циклу с агентским трафиком vs Genie 4 не имеет модели полос, сигналов светофора или приоритета движения и не позиционируется как инструмент валидации вождения.

• Опубликованные ограничения — Apollo World заявляет, что не может полностью сымитировать реальность и должна комбинироваться с данными реальных дорог vs Genie 4 указывает постоянство объектов, физику, точность аудио, читаемый текст и долгосрочную согласованность как открытые проблемы.

• Доступ — Apollo World только для внутреннего использования в Baidu vs Genie 4 доступен доверенным тестировщикам сейчас, с заявленным путем к подписке Ultra

Почему аудио — это не мелкая функция

Заманчиво рассматривать нативное аудио в Genie 4 как потребительскую уловку по сравнению с LiDAR от Baidu. Однако такая трактовка упускает из виду то, что аудио говорит о базовой модели. Генерация звука, синхронизированного со сценой, требует от модели представления событий, а не просто пикселей: захлопывание двери должно происходить в нужный момент и с нужного направления, а диалог должен быть привязан к персонажу. Представление на уровне событий — это то же самое свойство, которое позволяет симулятору вождения понимать, что машина затормозила, а не просто отрисовывать стоп-сигналы.

Это также выявляет разрыв. Аудио — это вторая модальность, и Google рассматривает её точность как открытую проблему. Вторая модальность Apollo World — это LiDAR, где точность измеряется в метрах и сантиметрах, а не в восприятии правдоподобия. Две компании сделали разные ставки на то, какая вторая модальность дает больше возможностей на единицу риска. Для развлечений и общей робототехники звук — это огромная победа. Для обеспечения безопасности данные о дальности не подлежат обсуждению.

Обе модели являются генеративными, и обе со временем могут «терять» мир. Google прямо признает, что постоянство объектов и визуальные детали Genie 4 искажаются при длительных запусках. Критерий Baidu включает постоянство как продвинутый атрибут именно потому, что дрейф — это стандартный режим сбоя авторегрессионных моделей мира: ошибки накапливаются, и связный десятисекундный клип превращается в бессвязный двухминутный.

Для игры или творческого инструмента дрифт — это лишь небольшое неудобство, которое пользователь может обойти. Для экзамена по вождению дрифт — это признак недействительности теста. Если здание сдвигается, полоса движения исчезает или замеченный ранее пеходец пропадает через девяносто секунд, этот эпизод нельзя использовать в качестве доказательства корректности работы планировщика. Ни один из производителей не публикует измеренную кривую дрэфта — распределение времени до сбоя, которое могло бы подсказать покупателю, как долго сценарий остается достоверным. Это важнейший недостаток в обоих релизах.

Если вы хотите использовать любую из них

Для большинства команд ответ на сегодняшний день звучит так: вы не можете. Genie 4 находится на стадии закрытого тестирования для доверенных партнеров по списку ожидания с запланированным API; Apollo World — это внутренняя инфраструктура Baidu. Ни одна из них не представлена в каталоге OrcaRouter, и мы не размещаем ни одну из этих моделей.

Существует один практический путь, заслуживающий упоминания, поскольку это та часть стека Google, к которой действительно можно обратиться. Gemini 3.8 Flash — это модель, которую Google использует в качестве управляющего агента в контуре Genie 4: она наблюдает за смоделированной сценой, планирует следующие шаги и проверяет прогресс. Эта модель размещена на OrcaRouter, поэтому команда, создающая прототип агента, который следит за сгенерированным видео и принимает решения о дальнейших действиях, может работать с той же моделью, которую описывает Google, используя один ключ, с 0% наценкой к прейскурантной цене провайдера и автоматическим переключением при ограничении частоты запросов. Она не предоставит вам Genie 4. Но она позволит вам создать уровень управления вокруг той модели мира, которая вам доступна.

Во всех остальных случаях честный совет заключается в том, чтобы следить за анонсами доступа, а не за демонстрациями. Модель мира, к которой у вас нет доступа через API, — это научный результат, а не инструмент.

Вердикт

Genie 4 — это более мощная универсальная система и та, у которой больше шансов получить широкую аудиторию, поскольку у Google есть путь распространения и потребительский продукт, к которому ее можно привязать. Apollo World — более надежный валидатор вождения, поскольку он ограничен предметной областью, где режимы сбоев поддаются измерению, и потому что он уже работает внутри парка роботакси с реальными километрами пробега за плечами.

Ошибкой было бы рассматривать универсальность Genie 4 как доказательство того, что она способна справиться с задачами Apollo World. Общая модель мира, которая красиво рендерит улицу, с убедительным шумом двигателя и говорящим пешеходом, все равно не имеет понятия о приоритете проезда. А экзаменатор по вождению, который не может сгенерировать кухню, вовсе не терпит неудачу — от него этого никогда и не требовалось. Выберите тот тест, который вам нужно пройти, а затем ищите модель, которая была создана для него.