आज के ट्रेंड पर वापस: गूगल का Genie 4 AI घूमने लायक दुनिया बनाता है; अभी केवल आमंत्रित परीक्षक
Poly रेटिंग · आज के ट्रेंड से

Genie 4 के दावे, सबूतों के अंतर के हिसाब से रैंक (अक्टूबर 2026)

गूगल की अपनी पोस्ट कहती है कि Genie 4 की सबसे बड़ी खासियत, यानी टाइप करके चलती दुनिया को बदल देना, कई बदलावों के बाद ब्यौरे और वस्तुएँ खिसकने लगती हैं, और कोई सार्वजनिक बेंचमार्क अभी सैर के बीच किए गए बदलावों की जाँच नहीं कर सकता।

  • नंबर 1: Genie 4 — रियल-टाइम प्राकृतिक-भाषा से दिशा-निर्देश और स्थायी मेमोरी
  • 10 स्थान

01अंतिम सूची

अग्रणी AI ने स्वतंत्र रूप से अपनी-अपनी दस स्थानों की सूची बनाई। यहाँ एक आसानी से जाँचा जा सकने वाला नतीजा है: हर स्थान का कारण, स्रोत और उसे शामिल करने वाले AI की सूची है।

क्रम: सबसे अधिक AI सहमति से सबसे कम तक।

चमकीला बैज: इस AI ने प्रविष्टि अपनी सूची में रखी। फीका बैज: नहीं रखी।

  1. 1

    Genie 4 — रियल-टाइम प्राकृतिक-भाषा से दिशा-निर्देश और स्थायी मेमोरी

    यही मुख्य फ़ीचर है, और गूगल मानता है कि 'कई प्रॉम्प्ट बदलावों के बाद' वस्तुएँ खिसकती हैं। किसी बाहरी व्यक्ति ने इसे नहीं आज़माया। कोई खुला बेंचमार्क सैर के बीच किए गए बदलावों की जाँच नहीं कर सकता।

    शामिल किया: Claude, ChatGPT, Meta, Nemotron, Gemini, Kimi, Wenxin, Qwen. शामिल नहीं किया: Grok, Nova, StepFun, DeepSeek.

    उनकी सूचियों में: Claude: 1 · ChatGPT: 1 · Meta: 1 · Nemotron: 1 · Gemini: 2 · Kimi: 1 · Wenxin: 1 · Qwen: 1

    हर AI ने क्या नोट किया 8
    • Claudeस्थान 1

      मुख्य फ़ीचर वही है जिसके बारे में Google ख़ुद कहता है कि “कई प्रॉम्प्ट एडिट” के बाद टूट जाता है, और कोई सार्वजनिक परीक्षण सैर के बीच दुनिया को एडिट नहीं करता।

      स्रोत ↗
    • ChatGPTस्थान 1

      निर्णायक परीक्षा यह नहीं कि मौसम एक बार बदला जा सके। असल परीक्षा यह है कि दुनिया को बार-बार बदला जाए और जो पहले से मौजूद था, वह खोए बिना बना रहे।

      स्रोत ↗
    • Metaस्थान 1

      चलते-चलते संपादन जाँचने वाला कोई खुला बेंचमार्क नहीं। गूगल मानता है कि संपादन के बाद चीज़ें खिसक जाती हैं, जबकि 9 मॉडल वापसी की याददाश्त में फेल होते हैं

      स्रोत ↗
    • Nemotronस्थान 1

      गूगल लंबे सिमुलेशन में बहाव मानता है; iWorld-Bench दिखाता है कि कोई मॉडल 0.85 मेमोरी सिमेट्री से ऊपर नहीं। 2 मिनट के आगे संगति बनाए रखने वाली स्टीयरिंग सबसे बड़ा सबूत-अंतर है

    • Geminiस्थान 2

      Artificial Analysis जैसे जोड़ीवार अखाड़े स्थिर प्रॉम्प्ट के निष्पादन को आँकते हैं, इसलिए उड़ान के दौरान इंटरैक्टिव प्रॉम्प्ट-स्टीयरिंग तीसरे पक्षों द्वारा पूरी तरह बेंचमार्क से बाहर है।

      स्रोत ↗
    • Kimiस्थान 1

      एकमात्र मौजूदा बेंचमार्क परिवार कहता है कि सबसे अच्छा इंटरैक्टिव वर्ल्ड मॉडल भी भूल जाता है: iWorld-Bench में कोई मॉडल 0.85 मेमोरी सिमेट्री तक नहीं पहुँचता, और Genie 4 उस पर कभी चलाया ही नहीं गया।

      स्रोत ↗
    • Wenxinस्थान 1

      डेमो दुनिया को बदलने के लिए बातचीत दिखाते हैं, पर हर बेंचमार्क कहता है कि याददाश्त सबसे कमज़ोर कड़ी है।

    • Qwenस्थान 1

      याददाश्त सिमेट्री हर जगह 0.85 से नीचे सीमित है, यानी इंटरैक्टिव स्मृति ही वर्ल्ड मॉडलों की असली बाधा है।

    8 AI ने इसे यहाँ रखा
  2. 2

    Genie 4 — मूल ऑडियो और इंटरैक्टिव संवाद

    गूगल इसे मूल रियल-टाइम ऑडियो वाला पहला वर्ल्ड मॉडल कहता है। उसकी अपनी टीम ने टेकक्रंच को बताया कि ऑडियो की सटीकता 'अभी पूरी तरह सुलझी नहीं है', और एक परीक्षक ने 'सैक्सोफ़ोन' के प्रॉम्प्ट पर क्लैरिनेट सुना।

    शामिल किया: Claude, ChatGPT, Meta, Nemotron, Gemini, Kimi, Wenxin, Qwen. शामिल नहीं किया: Grok, Nova, StepFun, DeepSeek.

    उनकी सूचियों में: Claude: 2 · ChatGPT: 5 · Meta: 2 · Nemotron: 2 · Gemini: 7 · Kimi: 2 · Wenxin: सूची देखें · Qwen: 2

    हर AI ने क्या नोट किया 8
    • Claudeस्थान 2

      “ऑडियो को नेटिव रूप से जनरेट करने वाला पहला रीयल-टाइम वर्ल्ड मॉडल”, फिर भी एक टिप्पणीकार ने सैक्सोफ़ोन माँगे जाने पर क्लैरिनेट सुना।

      स्रोत ↗
    • ChatGPTस्थान 5

      बोलने वाला किरदार अभी भरोसेमंद बातचीत करने वाला एजेंट नहीं है। बोली को क्रिया, संदर्भ और बदलती घटनाओं के साथ तालमेल में रहना होगा।

      स्रोत ↗
    • Metaस्थान 2

      रियल-टाइम वर्ल्ड मॉडल जिसमें मूल संवाद की सुविधा है, पर ऑडियो की सटीकता अब भी सक्रिय शोध के रूप में दर्ज है, और खुला संवाद-संगति स्कोर नहीं है

      स्रोत ↗
    • Nemotronस्थान 2

      बनाए गए ऑडियो पर SynthID वॉटरमार्क का दावा है; Artificial Analysis arena इंटरैक्टिव ऑडियो तालमेल नहीं जाँच सकता, केवल स्थिर वीडियो की जोड़ीवार वोटिंग

    • Geminiस्थान 7

      संवाद, कदमों की आवाज़ और स्थानिक ध्वनिकी का रियल-टाइम इंटरैक्टिव उत्पादन केवल-वीडियो प्रतिस्पर्धियों से आगे है, पर स्ट्रीमिंग भार के तहत विलंब का जुर्माना अब भी घोषित नहीं है।

      स्रोत ↗
    • Kimiस्थान 2

      गूगल के अपने इंजीनियरों ने रिपोर्टरों से कहा कि वे सटीक ऑडियो को 'अभी तक ठीक से नहीं समझ पाए'। नई मुख्य घोषणा वही है जिस पर उसके निर्माता ने कुछ घंटों में ही सार्वजनिक सावधानी जोड़ दी।

      स्रोत ↗
    • Wenxin

      इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।

      सूची देखें
    • Qwenस्थान 2

      सिमुलेटेड दुनिया के साथ-साथ स्वाभाविक रूप से ध्वनि बनाता है, पारंपरिक पोस्ट-प्रोडक्शन ऑडियो की लिप-सिंक वाली दिक्कत को पीछे छोड़ते हुए।

      स्रोत ↗
    8 AI ने इसे यहाँ रखा
  3. 3

    Genie 4 फोटोरियलिज़्म, रोशनी और मटेरियल

    यह सबसे आसानी से जाँचा जाने वाला दावा है और इसके पक्ष में सबसे ज़्यादा समर्थन है: टिप्पणीकार रोशनी की तारीफ़ करते हैं। इससे जुड़ा Gemini Omni Flash 1.1 ब्लाइंड इमेज-से-वीडियो वोटों में 23 में से 4थे नंबर पर है; यह एक संबंधित मॉडल है और एक ही स्रोत।

    शामिल किया: Claude, ChatGPT, Meta, Nemotron, Gemini, Kimi, Wenxin, Qwen. शामिल नहीं किया: Grok, Nova, StepFun, DeepSeek.

    उनकी सूचियों में: Claude: 9 · ChatGPT: 9 · Meta: 5 · Nemotron: 5 · Gemini: 9 · Kimi: 7 · Wenxin: 5 · Qwen: 7

    हर AI ने क्या नोट किया 8
    • Claudeस्थान 9

      सबसे परखने योग्य दावा और सबसे ज़्यादा समर्थन वाला: टिप्पणीकार कहते हैं कि रोशनी और मटीरियल पिछली पीढ़ी से साफ़ बेहतर हैं।

      स्रोत ↗
    • ChatGPTस्थान 9

      Genie 4 की वह क्षमता जिसे देखकर सबसे ज़्यादा तारीफ़ होती है, चुनी हुई फुटेज से सबसे आसानी से बढ़ा-चढ़ाकर आंकी भी जा सकती है।

      स्रोत ↗
    • Metaस्थान 5

      अब तक की सबसे यथार्थ और इंटरैक्टिव दुनिया, पर Genie 3 के 720p 24fps के विपरीत कोई रेज़ॉल्यूशन, fps या VBench स्कोर घोषित नहीं किया गया

      स्रोत ↗
    • Nemotronस्थान 5

      Artificial Analysis arena स्थिर क्लिपों पर अंधे वोटों से रोशनी और मटीरियल नापता है, नेविगेशन के दौरान समय-संगति की जाँच नहीं हो सकती

    • Geminiस्थान 9

      दृश्य रूप से जाँचने में सबसे आसान दावा, जिसे ऊँचे लीडरबोर्ड स्थानों का समर्थन है, फिर भी सिनेमाई रोशनी एजेंट की कार्यात्मक क्षमता में सबसे कम योगदान देती है।

      स्रोत ↗
    • Kimiस्थान 7

      सबसे आकर्षक दावे का अंतर सबसे छोटा है: Genie 4 के रूप को थामने वाला Gemini Omni परिवार स्वतंत्र अंधे-वोट वीडियो Elo में पहले से शीर्ष-5 में है।

      स्रोत ↗
    • Wenxinस्थान 5

      बेहतर पिक्सेल सबसे आसानी से चुने जा सकने वाली चीज़ हैं, और चुनी हुई क्लिपों की तुलना करना सबसे कठिन।

    • Qwenस्थान 7

      बेहतर पिक्सेल पहले दिन प्रभावित करते हैं, पर दृश्य-गुणवत्ता का अंतर सबसे आसानी से ज़ोर-ज़बरदस्ती की रेंडरिंग से भरा जा सकता है।

      स्रोत ↗
    8 AI ने इसे यहाँ रखा
  4. 4

    Genie 4 — सभी वीडियो और ऑडियो पर SynthID वॉटरमार्क

    यह एक प्रक्रिया है, प्रदर्शन का दावा नहीं, और यह वह बुनियादी ढाँचा चलाती है जिसे गूगल पहले से इस्तेमाल करता है। एकमात्र कमी यह है कि Genie 4 के आउटपुट पर पहचान का कोई स्वतंत्र परीक्षण अभी मौजूद नहीं है।

    शामिल किया: Claude, ChatGPT, Meta, Nemotron, Gemini, Kimi, Wenxin, Qwen. शामिल नहीं किया: Grok, Nova, StepFun, DeepSeek.

    उनकी सूचियों में: Claude: 10 · ChatGPT: 10 · Meta: 10 · Nemotron: 7 · Gemini: 10 · Kimi: 10 · Wenxin: 3 · Qwen: 10

    हर AI ने क्या नोट किया 8
    • Claudeस्थान 10

      यह प्रक्रियात्मक दावा है, प्रदर्शन का नहीं, और आउटपुट सार्वजनिक होने पर इसे जाँचना सबसे आसान है।

      स्रोत ↗
    • ChatGPTस्थान 10

      गूगल ने ऑडियो और वीडियो दोनों पर वॉटरमार्क का वादा किया है, पर वॉटरमार्क की पहुँच और उसकी पहचान की स्वतंत्र रूप से साबित विश्वसनीयता एक बात नहीं है।

      स्रोत ↗
    • Metaस्थान 10

      एकमात्र दावा जिसमें अंतर्निहित डिटेक्टर है: Genie 4 के सभी वीडियो और ऑडियो में सभी माध्यमों पर अदृश्य SynthID लगा है

      स्रोत ↗
    • Nemotronस्थान 7

      लॉन्च पर दावा; संपीड़न, संपादन या विरोधी हटाव में वॉटरमार्क की मज़बूती का कोई स्वतंत्र ऑडिट नहीं

    • Geminiस्थान 10

      गूगल का डिजिटल उत्पत्ति-चिह्न तकनीकी रूप से स्थापित है; सबूत का अंतर केवल इस बात पर है कि कम-विलंब फ़्रेम-स्केलिंग के बाद वह बचता है या नहीं।

    • Kimiस्थान 10

      सूची में सबसे छोटा अंतर: गूगल का वॉटरमार्क उसके मॉडल परिवार में पहले से चल रहा है, इसलिए यह दावा वादों पर नहीं, सिद्ध ढाँचे पर टिका है।

      स्रोत ↗
    • Wenxinस्थान 3

      दृश्य के साथ चलने वाला ऑडियो सबसे कठिन न-नकली किए जा सकने वाला दावा लगता है, जब तक SynthID की सीमाएँ सामने नहीं आतीं।

    • Qwenस्थान 10

      जेनरेट किए गए ऑडियो और वीडियो पर वॉटरमार्क सुरक्षा के लिए ज़रूरी है, पर इससे वर्ल्ड मॉडल की अपनी क्षमता में एक भी इज़ाफ़ा नहीं होता।

      स्रोत ↗
    8 AI ने इसे यहाँ रखा
  5. 5

    Genie 4 — रोबोट और AI एजेंट्स को प्रशिक्षित करने के लिए

    सबूत एक ही डेमो है: एक सिमुलेटेड एप्टट्रॉनिक Apollo ह्यूमनॉइड चेकर्स खेल रहा है। सिम-टू-रियल के कोई आँकड़े प्रकाशित नहीं हैं, और किसी बाहरी लैब ने इसमें रोबोट को प्रशिक्षित नहीं किया है।

    शामिल किया: Claude, ChatGPT, Nemotron, Gemini, Kimi, Wenxin, Qwen. शामिल नहीं किया: Meta, Grok, Nova, StepFun, DeepSeek.

    उनकी सूचियों में: Claude: 3 · ChatGPT: 2 · Nemotron: 9 · Gemini: 3 · Kimi: 3 · Wenxin: 2 · Qwen: 3

    हर AI ने क्या नोट किया 7
    • Claudeस्थान 3

      एजेंट-ट्रेनिंग की कहानी एक ही ह्यूमनॉइड-चेकर्स प्रयोग पर टिकी है, और एक टिप्पणीकार कहता है कि Genie अब नियंत्रित वीडियो जनरेटर जैसा लगता है।

      स्रोत ↗
    • ChatGPTस्थान 2

      ऐसा सिमुलेटर जो एजेंट को गलत भौतिकी सिखाए, ऐसा एजेंट बना सकता है जो ठीक तब विफल हो जाए जब असल दुनिया में बात सबसे ज़्यादा मायने रखती है।

      स्रोत ↗
    • Nemotronस्थान 9

      Genie 4 से प्रशिक्षित एजेंट के कोई प्रकाशित बेंचमार्क नहीं; iWorld-Bench में ट्रैजेक्टरी सटीकता है, पर डाउनस्ट्रीम पॉलिसी ट्रांसफ़र नहीं

      स्रोत ↗
    • Geminiस्थान 3

      स्वायत्त रोबोटिक्स के प्रशिक्षण इंजन के रूप में प्रस्तुत, फिर भी इस शोकेस के साथ सिमुलेशन से असल रोबोट नीति के ट्रांसफ़र का एक भी प्रकाशित डेटा नहीं था।

    • Kimiस्थान 3

      एजेंट-प्रशिक्षण की उपयोगिता का पूरा सार्वजनिक सबूत एक ही डेमो है, जहाँ Gemini 4 Argon कार्य को चरणों में बाँटता है। न सिमुलेशन से असल तक का सत्यापन, न कोई बेंचमार्क, न कोई बाहरी रोबोटिक्स लैब।

      स्रोत ↗
    • Wenxinस्थान 2

      अगर यह दो मिनट की याददाश्त नहीं रख सकता, तो गूगल जो प्रशिक्षण-मैदान का वादा करता है, वह विज्ञापन से छोटा है।

    • Qwenस्थान 3

      रोबोटिक्स और गेमिंग के भरोसेमंद परीक्षक समूह तय करेंगे कि यह सचमुच सिमुलेटर है या बस बहुत सुंदर स्क्रीनसेवर।

      स्रोत ↗
    7 AI ने इसे यहाँ रखा
  6. 6

    Genie 4 — दो-मिनट के सत्र और वस्तु का स्थायित्व (object permanence)

    प्रेस रिपोर्टें लगभग दो मिनट बताती हैं, जो Genie 3 का दोगुना है। गूगल की पोस्ट में कोई संख्या नहीं है। हैकर न्यूज़ के उदाहरणों में, जब वस्तुएँ फ्रेम से बाहर जाकर वापस आती हैं, तो दूसरा किला दिखाई देने लगता है।

    शामिल किया: Claude, ChatGPT, Meta, Gemini, Kimi, Qwen. शामिल नहीं किया: Nemotron, Grok, Nova, Wenxin, StepFun, DeepSeek.

    उनकी सूचियों में: Claude: 5 · ChatGPT: 3 · Meta: 3 · Gemini: 4 · Kimi: 5 · Qwen: 4

    हर AI ने क्या नोट किया 6
    • Claudeस्थान 5

      दो मिनट, Genie 3 से दोगुने, पर Google की अपनी पोस्ट केवल “कुछ मिनट” कहती है और लंबी अवधि की सुसंगति को खुला शोध मानती है।

    • ChatGPTस्थान 3

      दो मिनट के रिपोर्ट किए गए सिमुलेशन से यह साबित नहीं होता कि कोई कमरा, व्यक्ति या वस्तु लंबे काम के दौरान स्थिर रहेगी।

      स्रोत ↗
    • Metaस्थान 3

      पिछले Genie 3 के 1 मिनट के मुकाबले 2 मिनट का दावा। टेकक्रंच इसे दोगुना बताता है, जबकि गूगल की अपनी पोस्ट सटीक संख्या से बचती है और लंबे चलने पर बहाव मानती है

      स्रोत ↗
    • Geminiस्थान 4

      गूगल खुले सैंडबॉक्स खेल को उजागर करता है, पर स्वतंत्र रिपोर्टरों की ब्रीफ़िंग से पता चला कि संरचनात्मक भ्रम शुरू होने से पहले लगभग 120 सेकंड की कठोर सीमा है।

    • Kimiस्थान 5

      दो मिनट Genie 3 से दोगुने हैं, और गूगल की अपनी Hang Qi ने ब्लूमबर्ग से कहा कि सीमा तक पहुँचना इस बात की 'कोई गारंटी नहीं' है कि दृश्य एक साथ टिका रहेगा।

      स्रोत ↗
    • Qwenस्थान 4

      सिमुलेशन लगभग दो मिनट की कठोर सीमा पर पहुँचते हैं, उसके बाद माना गया बहाव वातावरण के भौतिक तर्क को तोड़ देता है।

      स्रोत ↗
    6 AI ने इसे यहाँ रखा
  7. 7

    Genie 4 भौतिकी: वायुगतिकी, टक्कर, पानी

    द न्यू स्टैक की सुर्खी कहती है कि भौतिकी 'अभी भी पूरी तरह सही नहीं है', और गूगल जटिल भौतिक क्रियाओं को अनसुलझा बताता है। कोई खुला परीक्षण इंटरैक्टिव भौतिकी नहीं मापता।

    शामिल किया: Claude, ChatGPT, Meta, Gemini, Kimi, Qwen. शामिल नहीं किया: Nemotron, Grok, Nova, Wenxin, StepFun, DeepSeek.

    उनकी सूचियों में: Claude: 6 · ChatGPT: 6 · Meta: 6 · Gemini: 6 · Kimi: 4 · Qwen: 6

    हर AI ने क्या नोट किया 6
    • Claudeस्थान 6

      द न्यू स्टैक की सुर्खी कहती है कि फ़िज़िक्स “अब भी पूरी तरह सही नहीं”, और Google जटिल भौतिक क्रियाओं को अनसुलझा सूचीबद्ध करता है।

      स्रोत ↗
    • ChatGPTस्थान 6

      डेमो में दिखने वाली विश्वसनीय टक्कर अनजानी परिस्थितियों में सही टक्करों की मापी हुई गारंटी नहीं है।

      स्रोत ↗
    • Metaस्थान 6

      एयरोडायनमिक्स और टक्करों को बड़ी छलांग बताया गया, पर भौतिकी अब भी सक्रिय शोध में दर्ज है, और Genie के लिए कोई खुला भौतिकी Elo नहीं है

      स्रोत ↗
    • Geminiस्थान 6

      कीबोर्ड से वातावरण में घूमना उस निरंतर वस्तु-क्लिपिंग और सीमा-पार होने की गलतियों को छिपा देता है, जिन्हें औपचारिक भौतिक सिमुलेटर अनुमति नहीं देते।

      स्रोत ↗
    • Kimiस्थान 4

      एकमात्र भौतिकी पैमाना जो मौजूद है, Genie 4 को छू भी नहीं सकता: WorldScore की डायनेमिक्स मेट्रिक्स को मॉडल तक पहुँच चाहिए, और अब तक का सबसे अच्छा वीडियो मॉडल वहाँ कैमरा नियंत्रण में केवल 40.22/100 ही पा सका।

      स्रोत ↗
    • Qwenस्थान 6

      जोड़ीवार मानवीय पसंद भौतिकी को रैंक करती है, पर इंटरैक्टिव टक्करें अक्सर तब टूटती हैं जब अनदेखे चर समय के साथ जुड़ते जाते हैं।

      स्रोत ↗
    6 AI ने इसे यहाँ रखा
  8. 8

    Genie 4 — फ़िल्म, पत्रकारिता, शिक्षा, गेमिंग, इंजीनियरिंग में भरोसेमंद परीक्षकों का उपयोग

    पाँच उद्योगों के नाम लिए गए हैं, पर न परीक्षकों की गिनती है, न कोई प्रकाशित काम। पुरानी संग्रहित तस्वीरों को चलने योग्य दृश्यों में बदलना गूगल की अपनी चेतावनी से टकराता है कि असली जगहें अपूर्ण होती हैं।

    शामिल किया: Claude, ChatGPT, Meta, Nemotron, Kimi, Wenxin. शामिल नहीं किया: Gemini, Grok, Nova, Qwen, StepFun, DeepSeek.

    उनकी सूचियों में: Claude: 8 · ChatGPT: 8 · Meta: 9 · Nemotron: 6 · Kimi: 8 · Wenxin: 6

    हर AI ने क्या नोट किया 6
    • Claudeस्थान 8

      वास्तविक उपयोग-मामले नाम से दिए गए हैं, पर पोस्ट में परीक्षकों की संख्या, नमूना-आकार या मापे गए नतीजे नहीं हैं।

      स्रोत ↗
    • ChatGPTस्थान 8

      एक पुरानी संग्रहीत तस्वीर को चलने योग्य दृश्य में बदलना आकर्षक है, पर विश्वसनीय दिखने वाली ज्यामिति फिर भी गढ़ी हुई ज्यामिति हो सकती है।

      स्रोत ↗
    • Metaस्थान 9

      फ़िल्म और पत्रकारिता के समूहों को सबूत के रूप में पेश किया गया, पर पहुँच केवल आमंत्रित परीक्षकों तक सीमित है, लॉन्च पर कोई स्वतंत्र हाथों-हाथ परीक्षण नहीं

      स्रोत ↗
    • Nemotronस्थान 6

      केवल आमंत्रित परीक्षक; कोई सार्वजनिक API नहीं; उपयोगिता के दावे निजी फ़ीडबैक पर टिके हैं। स्वतंत्र वर्कफ़्लो सत्यापन शून्य

    • Kimiस्थान 8

      पाँच उद्योग, प्रकाशित कलाकृतियाँ शून्य। हर बताया गया वर्कफ़्लो दावा गूगल की ब्रीफ़िंग तक जाता है, किसी परीक्षक के दिखाए काम तक नहीं।

      स्रोत ↗
    • Wenxinस्थान 6

      सबसे बड़ा सबूत-अंतर तकनीकी नहीं है। अब तक इसे केवल गूगल के करीबी लोगों ने छुआ है।

      स्रोत ↗
    6 AI ने इसे यहाँ रखा
  9. 9

    Genie 4 — Gemini 3.8 Flash के मार्गदर्शन में बहु-चरणीय घटना सिमुलेशन

    Gemini योजना बनाता है, हर कदम की जाँच करता है और सुधारता है, पर कार्य पूरा होने की कोई दर प्रकाशित नहीं है। खातों में भी मतभेद है कि लूप किस Gemini के हाथ में है: 3.8 Flash, 4 Argon या 3 Argon।

    शामिल किया: Claude, ChatGPT, Meta, Nemotron, Wenxin. शामिल नहीं किया: Gemini, Grok, Nova, Kimi, Qwen, StepFun, DeepSeek.

    उनकी सूचियों में: Claude: 4 · ChatGPT: 4 · Meta: 4 · Nemotron: सूची देखें · Wenxin: सूची देखें

    हर AI ने क्या नोट किया 5
    • Claudeस्थान 4

      एक रीज़निंग मॉडल योजना बनाता है, हर कदम जाँचता है और सुधारता है, पर कोई प्रकाशित परीक्षण नहीं दिखाता कि वह दुनिया को सुसंगत रखता है।

      स्रोत ↗
    • ChatGPTस्थान 4

      Gemini 3.8 Flash योजना बना सकता है और दृश्य की जाँच कर सकता है, पर इससे यह साबित नहीं होता कि बनाई गई दुनिया उस योजना का पालन करती है।

      स्रोत ↗
    • Metaस्थान 4

      Apollo ह्यूमनॉइड के चेकर्स खेलने का डेमो भरोसेमंद कार्य-कारण दिखाता है, पर चरण-सफलता जाँचने का कोई सार्वजनिक मेट्रिक नहीं है

      स्रोत ↗
    • Nemotron

      इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।

      सूची देखें
    • Wenxin

      इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।

      सूची देखें
    5 AI ने इसे यहाँ रखा
  10. 10

    Genie 4 — यथार्थवादी लोग और कई किरदारों की बातचीत

    डीपमाइंड लोगों को अपनी 'सबसे नाटकीय छलांग' कहता है, फिर भी मानता है कि कई स्वतंत्र एजेंटों के बीच की क्रियाएँ अभी अनसुलझी हैं। WorldMemBench पर सबसे आगे वाला मॉडल निर्धारित घटनाओं में से केवल 31.7% को शुरू करता है।

    शामिल किया: Claude, ChatGPT, Meta. शामिल नहीं किया: Nemotron, Gemini, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek.

    उनकी सूचियों में: Claude: 7 · ChatGPT: 7 · Meta: 7

    हर AI ने क्या नोट किया 3
    • Claudeस्थान 7

      Google मानता है कि कई स्वतंत्र एजेंटों के बीच आपसी क्रियाओं का मॉडलिंग “अब भी एक खुली शोध समस्या” है।

      स्रोत ↗
    • ChatGPTस्थान 7

      कुछ सेकंड में बनी, खेलने लायक दिखने वाली दृश्य-रचना कीमती है, पर संपादन योग्य प्रोटोटाइप अपने-आप स्थिर गेम नहीं बन जाता।

      स्रोत ↗
    • Metaस्थान 7

      DeepMind के अनुसार लोगों के चित्रण में सबसे नाटकीय छलांग, पर WorldMemBench पाता है कि स्थिर याददाश्त के मेट्रिक में मानव पहचान को बनाए रखना सबसे कठिन है

      स्रोत ↗
    3 AI ने इसे यहाँ रखा

शीर्ष तीन के बारे में और ↓

02शीर्ष तीन के बारे में और

रैंकिंग ऊपर है। यहाँ शीर्ष तीन स्थानों के बारे में और जानकारी है: वे क्या हैं, यहाँ क्यों हैं, और क्या जानना उपयोगी है।

तीनों दावों के सबूत अलग तरह के हैं: गूगल की अपनी स्वीकारोक्ति, एक टीम का बयान और एक संबंधित मॉडल का वोट-रैंक। इसलिए इन अंतरों को एक ही तरीके से नहीं मापा जा सकता।

1Genie 4 — रियल-टाइम प्राकृतिक-भाषा से दिशा-निर्देश और स्थायी मेमोरी

नं. 1 — Genie 4 — रियल-टाइम प्राकृतिक-भाषा से दिशा-निर्देश और स्थायी मेमोरी. 12 में से 8 AI की सूचियों में; वहाँ मध्य स्थान: 1. गूगल खुद मानता है कि कई संपादनों के बाद चीज़ें खिसक जाती हैं, और दुनिया में घूमते हुए किए गए संपादनों को जाँचने की कोई सार्वजनिक परीक्षा नहीं है।

क्या आप जानते हैं

  • Genie 3 अपने संसार फ़्रेम-दर-फ़्रेम बनाता है, NeRFs या Gaussian Splatting की तरह कोई साफ़ 3D मॉडल नहीं। गूगल कहता है कि इसकी स्थिरता “अपने-आप उभरती” है, यानी इसे अलग से प्रोग्राम नहीं किया गया। इसीलिए लंबे संपादनों में याददाश्त को जाँचना कठिन है।

यह क्या है
दुनिया को खोजते हुए टाइप करके उसे बदलना, और दुनिया का उसे याद रखना।
इसकी बढ़त
सबसे बड़ा अंतर: निर्माता खिसकाव स्वीकारता है और कोई खुला बेंचमार्क उसे नहीं जाँचता।
किसे जानना चाहिए
जो कोई यह तय करना चाहता है कि Genie 4 सिर्फ़ डेमो है या कुछ और, उसके लिए उपयोगी।
  • स्वतंत्र प्रमाण से अंतरखिसकाव स्वीकारा गया; कोई परीक्षा मौजूद नहीं
यह यहाँ क्यों है
  • टेकक्रंच के अनुसार Genie 4 किसी दृश्य को दो मिनट तक एक जैसा रख सकता है, जो उसके पिछले संस्करण की सीमा से दोगुना है। टेकक्रंच यह भी कहता है कि सिमुलेशन जितना लंबा चलता है, उतना ही विवरण और चीज़ें अब भी खिसक सकती हैं।

  • गूगल की अपनी पोस्ट कहती है कि कई जटिल प्रॉम्प्ट संपादनों के बाद भी चीज़ों का अपनी जगह टिके रहना बदल सकता है। पेज नहीं बताता कि इसके लिए कितने संपादन लगते हैं, इसलिए इस दावे को अभी कोई खुली परीक्षा नहीं माप सकती।

इतिहास
  • गूगल ने अगस्त 2025 में Genie 3 के लिए “प्रॉम्प्ट से नियंत्रित” दुनिया की घटनाओं की घोषणा की थी। जब 29 जनवरी 2026 को Project Genie अमेरिका के Ultra सब्सक्राइबरों के लिए खुला, तब भी ये घटनाएँ उपलब्ध नहीं थीं।

ध्यान रखें
  • डीपमाइंड कहता है कि दृश्य के विवरण और चीज़ों का अपनी जगह टिके रहना “समय के साथ अब भी बदल या खिसक सकता है”, खासकर “कई जटिल प्रॉम्प्ट संपादनों” के बाद। अभी केवल भरोसेमंद परीक्षक ही इसे देख सकते हैं, और पेज पर कोई स्वतंत्र स्कोर नहीं है।

आगे कहाँ देखें
  • Project Genie की प्रतीक्षा-सूची में शामिल हों। वहाँ Genie 4 गूगल AI Ultra सब्सक्राइबरों के लिए “जल्द आ रहा है”। पहुँच मिलने पर दृश्य को कई बार बदलें और देखें कि चीज़ें वहीं रहती हैं या नहीं।

शीर्ष तीन की तुलना करें ↓

2Genie 4 — मूल ऑडियो और इंटरैक्टिव संवाद

नं. 2 — Genie 4 — मूल ऑडियो और इंटरैक्टिव संवाद. 12 में से 8 AI की सूचियों में; वहाँ मध्य स्थान: 2. गूगल सीधे बने ऑडियो को “पहली बार” कहता है, पर उसकी अपनी टीम मानती है कि सटीक आवाज़ अभी हल नहीं हुई, और ऑडियो के कोई स्कोर मौजूद नहीं हैं।

यह क्या है
बनी हुई दुनिया के भीतर लाइव बनाई गई आवाज़ें और बोलते किरदार।
इसकी बढ़त
निर्माता की सतर्क बात से समर्थित, पर फिर भी दिशा-नियंत्रण से कम खुला।
किसे जानना चाहिए
जो कोई यह जानना चाहता है कि आवाज़ पर भरोसा किया जा सकता है या नहीं, उसके लिए उपयोगी।
  • स्वतंत्र प्रमाण से अंतरकोई ऑडियो स्कोर प्रकाशित नहीं
यह यहाँ क्यों है
  • Unite.AI के अनुसार Genie 4 गूगल का पहला रियल-टाइम वर्ल्ड मॉडल है जो ऑडियो सीधे बनाता है। उसी पेज पर रियल-टाइम ऑडियो की सटीकता को चल रहे शोध के क्षेत्रों में गिना गया है, और उसमें ऑडियो गुणवत्ता के कोई आँकड़े नहीं हैं।

  • टेकक्रंच Genie 4 की टीम को उद्धृत करता है: उन्होंने अभी पूरी तरह यह नहीं जाना कि ऑडियो को सटीक कैसे रखा जाए। पेज पर ऑडियो के कोई आँकड़े नहीं हैं। दावा “पहली बार” का है, और कमज़ोर जगह सटीकता है।

इतिहास
  • Genie 4, जिसकी घोषणा 27 अक्टूबर 2026 को हुई, Genie श्रृंखला में आवाज़ जोड़ता है। टेकक्रंच बताता है कि टीम ने अभी यह नहीं सुलझाया कि ऑडियो को सटीक कैसे बनाया जाए।

आगे कहाँ देखें
  • डेमो क्लिप्स आवाज़ चालू करके देखें। गूगल कहता है कि रियल-टाइम ऑडियो की सटीकता अब भी “चल रहे शोध के सक्रिय क्षेत्र” है, इसलिए जाँचें कि आवाज़ें स्क्रीन पर होने वाली घटनाओं से मेल खाती हैं या नहीं।

शीर्ष तीन की तुलना करें ↓

3Genie 4 फोटोरियलिज़्म, रोशनी और मटेरियल

नं. 3 — Genie 4 फोटोरियलिज़्म, रोशनी और मटेरियल. 12 में से 8 AI की सूचियों में; वहाँ मध्य स्थान: 7. दिखावट का दावा सबसे आसानी से जाँचा जा सकता है, और एक संबंधित मॉडल बिना नाम देखे किए गए वोटों में पहले से अच्छे अंक ले चुका है, इसलिए अंतर छोटा है।

क्या आप जानते हैं

  • डीपमाइंड के जैक पार्कर-होल्डर ने कहा कि इंटरैक्टिव दुनिया बनाना वीडियो बनाने से “सटीकता के मामले में लगभग छह से 12 महीने” पीछे है। एक Genie 3 डेमो में एक किरदार कैक्टस के बीच से गुज़रा और उस पर कोई असर नहीं हुआ, क्योंकि मॉडल को अभी भौतिकी की समझ नहीं है।

यह क्या है
बनी हुई दुनिया में यथार्थ रोशनी, परछाइयाँ और सामग्री।
इसकी बढ़त
आँख से परखना सबसे आसान है, और संबंधित मॉडल को बाहरी वोट भी मिले हैं।
किसे जानना चाहिए
जो जानना चाहता है कि सुंदर डेमो पर कितना भरोसा किया जाए, उसके लिए उपयोगी।
  • स्वतंत्र प्रमाण से अंतर23 में से चौथा स्थान (संबंधित मॉडल)
यह यहाँ क्यों है
  • गूगल की पोस्ट Genie 4 की यथार्थता के लिए कोई मापदंड नहीं बताती, और “अभूतपूर्व यथार्थता” के दावे के पीछे कोई आँकड़े नहीं हैं। उसमें रोशनी या सामग्री की कोई सीमाएँ नहीं लिखी गईं, इसलिए दावा जाँचना आसान है पर बाहरी आँकड़े नहीं हैं।

क्या आप जानते हैं
  • Genie 3 एक ही सड़क को अलग-अलग मौसम और रोशनी में दिखा सकता है, जैसे बर्फ़ से ढका न्यूयॉर्क का ब्लॉक या “दुर्लभ धूप” में लंदन की गली। यह Street View की तस्वीरों का इस्तेमाल करता है, जो 20 वर्षों और 110 देशों की 280 अरब से अधिक तस्वीरों तक फैली हैं।

इतिहास
  • Genie 2, जो दिसंबर 2024 में जारी हुआ, केवल 10 से 20 सेकंड तक चलने वाली दुनिया बना सकता था। अगस्त 2025 में Genie 3 ने दृश्य-याददाश्त को लगभग एक मिनट तक बढ़ाया, 720p और 24 fps पर।

ध्यान रखें
  • गूगल कहता है कि उसने Genie 4 को “भरोसेमंद परीक्षकों के सीमित समूह” को देना शुरू कर दिया है। Ultra सब्सक्राइबर और API पार्टनर “जल्द” आएँगे, इसलिए ज़्यादातर पाठक रोशनी को अभी खुद नहीं जाँच सकते।

आगे कहाँ देखें
  • इस पेज के डेमो क्लिप्स देखें और परछाइयों, प्रतिबिंबों और पानी पर ध्यान से नज़र डालें। पेज रोशनी का विस्तार से वर्णन नहीं करता, इसलिए इसे अपनी आँखों से परखें।

शीर्ष तीन की तुलना करें ↓

शीर्ष तीन आमने-सामने

Genie 4 — रियल-टाइम प्राकृतिक-भाषा से दिशा-निर्देश और स्थायी मेमोरीGenie 4 — मूल ऑडियो और इंटरैक्टिव संवादGenie 4 फोटोरियलिज़्म, रोशनी और मटेरियल
AI सूचियों में8 / 128 / 128 / 12
स्वतंत्र प्रमाण से अंतरखिसकाव स्वीकारा गया; कोई परीक्षा मौजूद नहींकोई ऑडियो स्कोर प्रकाशित नहीं23 में से चौथा स्थान (संबंधित मॉडल)
पहला स्थान दियाClaude, ChatGPT, Meta, Nemotron, Kimi, Wenxin, Qwen——

जिन स्थानों को बराबर AI ने चुना, वे AI सूचियों में उनके औसत स्थान के क्रम में हैं।

03जानने योग्य

सूची बनाते समय AI ने क्या देखा।

गूगल ने Genie 3 की तुलना में कम स्पेक्स प्रकाशित किए: कोई रिज़ॉल्यूशन, फ्रेम रेट, सत्र की लंबाई या परीक्षकों की संख्या नहीं। सबसे ठोस संख्या, दो मिनट, प्रेस ब्रीफिंग से आती है।

किसने देखा:
शामिल किया: Claude, Meta. शामिल नहीं किया: ChatGPT, Nemotron, Gemini, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek.
स्रोत ↗

दुनिया उन चीज़ों के लिए टिकती है जो फ्रेम में रहती हैं, और तब टूट जाती है जब वस्तुएँ बाहर जाकर वापस आती हैं। एजेंट को प्रशिक्षित करने वाले सिमुलेटर को काम करने के लिए ठीक यही स्थिति चाहिए।

किसने देखा:
शामिल किया: Claude. शामिल नहीं किया: ChatGPT, Meta, Nemotron, Gemini, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek.
स्रोत ↗

खाते इस पर असहमत हैं कि 'मूल ऑडियो' का मतलब क्या है। डीपमाइंड एक ही मॉडल की बात करता है जो सब कुछ करता है, जबकि माइंडस्टूडियो के लेख में अलग-अलग इमेज और Lyria ऑडियो मॉडल एक साथ संचालित बताए गए हैं।

किसने देखा:
शामिल किया: Kimi. शामिल नहीं किया: Claude, ChatGPT, Meta, Nemotron, Gemini, Grok, Nova, Wenxin, Qwen, StepFun, DeepSeek.
स्रोत ↗

हर स्वतंत्र पैमाना एक पड़ोसी हिस्से को मापता है: अरीना के वोट तय क्लिपों पर लिए जाते हैं, iWorld-Bench ने Genie 4 कभी नहीं चलाया, और WorldScore को मॉडल की पहुँच चाहिए।

किसने देखा:
शामिल किया: Claude, ChatGPT, Nemotron, Kimi. शामिल नहीं किया: Meta, Gemini, Grok, Nova, Wenxin, Qwen, StepFun, DeepSeek.
स्रोत ↗

04हमने कैसे गिना

सीधी भाषा में, बिना सूत्रों के।

1सवाल

सबूतों की कमी के हिसाब से रैंक किए गए Genie 4 के 10 दावे

2यह कहाँ लागू होता है

दुनिया भर के AI वर्ल्ड मॉडल

3हमने किन बातों पर ध्यान दिया

  • गूगल की घोषणा और डेमो में सार्वजनिक दावे की ताकत
  • स्वतंत्र कवरेज: रिपोर्टरों ने जो देखा, उसकी तुलना में गूगल क्या बताता है
  • बेंचमार्क कवरेज: क्या मौजूदा खुले परीक्षण इस दावे को माप भी सकते हैं
  • विफलता का नतीजा: असली काम में सामने आने पर स्वीकार की गई सीमा कितना नुकसान करती है
  • गूगल डीपमाइंड: Genie 4 की आधिकारिक पोस्ट — वे दावे और वे सीमाएँ जो गूगल खुद मानता है: बहाव, वस्तु का स्थायित्व, ऑडियो की सटीकता, जटिल भौतिकी, कई एजेंटों की बातचीत, टेक्स्ट रेंडरिंग। रिज़ॉल्यू
  • Quartz (ब्लूमबर्ग की रिपोर्ट) लॉन्च रिपोर्ट — केवल भरोसेमंद परीक्षकों के लिए पहुँच, कीबोर्ड नेविगेशन, और लगभग दो मिनट की सत्र-सीमा। डीपमाइंड के हैंग ची कहते हैं कि उस सीमा तक पहुँचना इस बात की गारंटी नहीं देता कि सत्र क
  • द वर्ज की लॉन्च रिपोर्ट — क्या रिपोर्टर खुद इसे आज़मा सके (नहीं सके), पहुँच की स्थिति, और लगभग दो मिनट, जो एक मिनट से बढ़ाए गए हैं।
  • टेकक्रंच की लॉन्च रिपोर्ट — ब्रीफिंग के ब्यौरे: ऑडियो की सटीकता 'अभी पूरी तरह सुलझी नहीं', Gemini निर्देशक की भूमिका में, और दृश्य अधिकतम दो मिनट तक एकसमान रहते हैं।

4रैंक किसने दी

अग्रणी AI: Claude, ChatGPT, Meta, Nemotron, Gemini, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek। हर एक ने स्वतंत्र रूप से दस स्थानों की अपनी सूची बनाई और हर स्थान के लिए स्रोत बताया।

5स्थान कैसे तय हुए

अलग-अलग AI द्वारा अलग ढंग से लिखी गई एक ही चीज़ को एक गिना गया। जितने ज़्यादा AI ने किसी चीज़ को अपनी सूची में रखा और जितना ऊपर रखा, उसका स्थान उतना ऊँचा। "AI की सहमति" बताती है कि कितने AI की अपनी सूची में वह चीज़ थी। स्रोत केवल वही हैं जो AI ने खुद खोजे; हाथ से कुछ नहीं जोड़ा गया।

05हर AI की अपनी सूची

🇺🇸 Claude10 स्थान · 3 नोट

वही सवाल, जिसका जवाब अकेले Claude ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।

  1. 1
    सजीव दुनिया को सामान्य भाषा में वास्तविक समय में नियंत्रित करना (मौसम, कैमरा, लोग या चीज़ें जोड़ना)

    मुख्य फ़ीचर वही है जिसके बारे में Google ख़ुद कहता है कि “कई प्रॉम्प्ट एडिट” के बाद टूट जाता है, और कोई सार्वजनिक परीक्षण सैर के बीच दुनिया को एडिट नहीं करता।

    स्रोत ↗
  2. 2
    उपयोगकर्ता के इनपुट के हिसाब से बदलने वाला इंटरैक्टिव संवाद (मूल ऑडियो के साथ)

    “ऑडियो को नेटिव रूप से जनरेट करने वाला पहला रीयल-टाइम वर्ल्ड मॉडल”, फिर भी एक टिप्पणीकार ने सैक्सोफ़ोन माँगे जाने पर क्लैरिनेट सुना।

    स्रोत ↗
  3. 3
    एजेंट और रोबोट को प्रशिक्षण देने में उपयोगिता (SIMA, Gemini Robotics, एप्टट्रॉनिक Apollo checkers)

    एजेंट-ट्रेनिंग की कहानी एक ही ह्यूमनॉइड-चेकर्स प्रयोग पर टिकी है, और एक टिप्पणीकार कहता है कि Genie अब नियंत्रित वीडियो जनरेटर जैसा लगता है।

    स्रोत ↗
  4. 4
    Gemini 3.8 Flash के मार्गदर्शन में जटिल घटनाओं का सिमुलेशन

    एक रीज़निंग मॉडल योजना बनाता है, हर कदम जाँचता है और सुधारता है, पर कोई प्रकाशित परीक्षण नहीं दिखाता कि वह दुनिया को सुसंगत रखता है।

    स्रोत ↗
  5. 5
    लंबी अवधि तक एकरूपता और याददाश्त (लगभग दो मिनट)

    दो मिनट, Genie 3 से दोगुने, पर Google की अपनी पोस्ट केवल “कुछ मिनट” कहती है और लंबी अवधि की सुसंगति को खुला शोध मानती है।

  6. 6
    भौतिकी का सिमुलेशन (वायुगतिकी, टक्कर, बहता पानी)

    द न्यू स्टैक की सुर्खी कहती है कि फ़िज़िक्स “अब भी पूरी तरह सही नहीं”, और Google जटिल भौतिक क्रियाओं को अनसुलझा सूचीबद्ध करता है।

    स्रोत ↗
  7. 7
    ऐसे किरदार जो स्वाभाविक रूप से चलें, प्रतिक्रिया दें और व्यवहार करें (कई एजेंटों की आपसी बातचीत समेत)

    Google मानता है कि कई स्वतंत्र एजेंटों के बीच आपसी क्रियाओं का मॉडलिंग “अब भी एक खुली शोध समस्या” है।

    स्रोत ↗
  8. 8
    फ़िल्म, पत्रकारिता, शिक्षा, गेमिंग और इंजीनियरिंग में भरोसेमंद परीक्षकों के लिए फ़ायदेमंद

    वास्तविक उपयोग-मामले नाम से दिए गए हैं, पर पोस्ट में परीक्षकों की संख्या, नमूना-आकार या मापे गए नतीजे नहीं हैं।

    स्रोत ↗
  9. 9
    'सबसे यथार्थवादी' फ़ोटोरियलिज़्म, रोशनी और सामग्री

    सबसे परखने योग्य दावा और सबसे ज़्यादा समर्थन वाला: टिप्पणीकार कहते हैं कि रोशनी और मटीरियल पिछली पीढ़ी से साफ़ बेहतर हैं।

    स्रोत ↗
  10. 10
    बनाए गए सभी वीडियो और ऑडियो पर SynthID वॉटरमार्किंग

    यह प्रक्रियात्मक दावा है, प्रदर्शन का नहीं, और आउटपुट सार्वजनिक होने पर इसे जाँचना सबसे आसान है।

    स्रोत ↗

Claude ने क्या देखा

Google की अपनी पोस्ट में कोई रेज़ोल्यूशन, फ़्रेम-दर, सत्र की लंबाई या परीक्षकों की संख्या नहीं दी गई। कवरेज में सबसे ठोस आँकड़ा, दो मिनट, प्रेस रिपोर्टों से आता है।

Hacker News के टिप्पणीकारों के अनुसार Genie 4 फ़्रेम में रहने वाली चीज़ों के लिए सुसंगति अच्छी रखता है, और जब वस्तुएँ बाहर जाकर वापस आती हैं तो टूट जाता है। एजेंट-ट्रेनिंग सिमुलेटर को ठीक यही मामला चाहिए।

पिच का एक हिस्सा हाइब्रिड डिज़ाइन है: Gemini ढाँचा और योजना सँभालता है, जबकि Genie रूप, ध्वनि और प्रतिक्रिया रेंडर करता है। इसलिए Gemini मॉडलों और Genie के बारे में दावों को अलग करना मुश्किल है।

🇺🇸 ChatGPT10 स्थान · 4 नोट

वही सवाल, जिसका जवाब अकेले ChatGPT ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।

  1. 1
    Genie 4 रियल-टाइम में प्राकृतिक भाषा से नियंत्रण और स्थायी दुनिया

    निर्णायक परीक्षा यह नहीं कि मौसम एक बार बदला जा सके। असल परीक्षा यह है कि दुनिया को बार-बार बदला जाए और जो पहले से मौजूद था, वह खोए बिना बना रहे।

    स्रोत ↗
  2. 2
    Genie 4 एजेंट प्रशिक्षण और रोबोटिक्स सिमुलेशन

    ऐसा सिमुलेटर जो एजेंट को गलत भौतिकी सिखाए, ऐसा एजेंट बना सकता है जो ठीक तब विफल हो जाए जब असल दुनिया में बात सबसे ज़्यादा मायने रखती है।

    स्रोत ↗
  3. 3
    Genie 4 लंबी अवधि की याददाश्त और ओझल वस्तुओं की समझ

    दो मिनट के रिपोर्ट किए गए सिमुलेशन से यह साबित नहीं होता कि कोई कमरा, व्यक्ति या वस्तु लंबे काम के दौरान स्थिर रहेगी।

    स्रोत ↗
  4. 4
    Genie 4 कई चरणों वाला तर्क और कारण-आधारित सिमुलेशन

    Gemini 3.8 Flash योजना बना सकता है और दृश्य की जाँच कर सकता है, पर इससे यह साबित नहीं होता कि बनाई गई दुनिया उस योजना का पालन करती है।

    स्रोत ↗
  5. 5
    Genie 4 बिल्ट-इन इंटरैक्टिव बातचीत और ऑडियो

    बोलने वाला किरदार अभी भरोसेमंद बातचीत करने वाला एजेंट नहीं है। बोली को क्रिया, संदर्भ और बदलती घटनाओं के साथ तालमेल में रहना होगा।

    स्रोत ↗
  6. 6
    Genie 4 यथार्थ भौतिकी और इंसानी हरकतें

    डेमो में दिखने वाली विश्वसनीय टक्कर अनजानी परिस्थितियों में सही टक्करों की मापी हुई गारंटी नहीं है।

    स्रोत ↗
  7. 7
    Genie 4 गेम का प्रोटोटाइप और इंटरैक्टिव अनुभव

    कुछ सेकंड में बनी, खेलने लायक दिखने वाली दृश्य-रचना कीमती है, पर संपादन योग्य प्रोटोटाइप अपने-आप स्थिर गेम नहीं बन जाता।

    स्रोत ↗
  8. 8
    Genie 4 असली दुनिया के दृश्यों का पुनर्निर्माण और स्थानिक सटीकता

    एक पुरानी संग्रहीत तस्वीर को चलने योग्य दृश्य में बदलना आकर्षक है, पर विश्वसनीय दिखने वाली ज्यामिति फिर भी गढ़ी हुई ज्यामिति हो सकती है।

    स्रोत ↗
  9. 9
    Genie 4 फ़ोटो-जैसी यथार्थता और सिनेमाई पूर्वावलोकन

    Genie 4 की वह क्षमता जिसे देखकर सबसे ज़्यादा तारीफ़ होती है, चुनी हुई फुटेज से सबसे आसानी से बढ़ा-चढ़ाकर आंकी भी जा सकती है।

    स्रोत ↗
  10. 10
    Genie 4 SynthID वॉटरमार्क और बनाए गए मीडिया की पारदर्शिता

    गूगल ने ऑडियो और वीडियो दोनों पर वॉटरमार्क का वादा किया है, पर वॉटरमार्क की पहुँच और उसकी पहचान की स्वतंत्र रूप से साबित विश्वसनीयता एक बात नहीं है।

    स्रोत ↗

ChatGPT ने क्या देखा

सबसे गंभीर कमज़ोरी दृश्य गुणवत्ता नहीं है। गूगल खुद मानता है कि बार-बार संपादन और नेविगेशन के दौरान, जो Genie 4 को दिलचस्प बनाते हैं, चीज़ों का बने रहना बिगड़ सकता है।

द वर्ज बताता है कि अनुभव लगभग दो मिनट के हैं, जो पिछली पीढ़ी से लगभग दोगुने हैं। यह अवधि की तुलना है, स्थानिक या कारणात्मक संगति की प्रदर्शित दो मिनट की गारंटी नहीं।

iWorld-Bench ने 4,900 टेस्ट सैंपल के साथ 14 वर्ल्ड मॉडल का मूल्यांकन किया, फिर भी ये नतीजे Genie 4 के सही परीक्षण के बिना उसके नाम नहीं लिखे जा सकते।

Genie 4 पिक्सेल-स्तर की दुनिया-रचना को Gemini के तर्क और योजना के साथ जोड़ता है। यह बनावट भविष्य के एजेंटों के लिए सिनेमाई सुधारों से ज़्यादा अहम हो सकती है, पर इसका व्यावहारिक फ़ायदा स्वतंत्र रूप से अब तक मापा नहीं गया है।

🇺🇸 Meta10 स्थान · 4 नोट

वही सवाल, जिसका जवाब अकेले Meta ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।

  1. 1
    स्थायी याददाश्त और ओझल वस्तुओं की समझ के साथ रियल-टाइम में प्राकृतिक भाषा से नियंत्रण

    चलते-चलते संपादन जाँचने वाला कोई खुला बेंचमार्क नहीं। गूगल मानता है कि संपादन के बाद चीज़ें खिसक जाती हैं, जबकि 9 मॉडल वापसी की याददाश्त में फेल होते हैं

    स्रोत ↗
  2. 2
    मौके पर ढल जाने वाली इंटरैक्टिव बातचीत के साथ बिल्ट-इन ऑडियो जनरेशन

    रियल-टाइम वर्ल्ड मॉडल जिसमें मूल संवाद की सुविधा है, पर ऑडियो की सटीकता अब भी सक्रिय शोध के रूप में दर्ज है, और खुला संवाद-संगति स्कोर नहीं है

    स्रोत ↗
  3. 3
    2 मिनट तक लगातार सुसंगत दृश्य — Genie 3 से दोगुना

    पिछले Genie 3 के 1 मिनट के मुकाबले 2 मिनट का दावा। टेकक्रंच इसे दोगुना बताता है, जबकि गूगल की अपनी पोस्ट सटीक संख्या से बचती है और लंबे चलने पर बहाव मानती है

    स्रोत ↗
  4. 4
    Gemini 3.8 Flash के निर्देशन वाला एजेंट और Gemini 4 Argon के ज़रिए कई चरणों वाली जटिल घटनाओं का सिमुलेशन

    Apollo ह्यूमनॉइड के चेकर्स खेलने का डेमो भरोसेमंद कार्य-कारण दिखाता है, पर चरण-सफलता जाँचने का कोई सार्वजनिक मेट्रिक नहीं है

    स्रोत ↗
  5. 5
    अभूतपूर्व फ़ोटो-जैसी यथार्थता और दृश्य की सटीकता

    अब तक की सबसे यथार्थ और इंटरैक्टिव दुनिया, पर Genie 3 के 720p 24fps के विपरीत कोई रेज़ॉल्यूशन, fps या VBench स्कोर घोषित नहीं किया गया

    स्रोत ↗
  6. 6
    उन्नत भौतिकी की यथार्थता — वायुगतिकी, टक्कर और तरल की गति

    एयरोडायनमिक्स और टक्करों को बड़ी छलांग बताया गया, पर भौतिकी अब भी सक्रिय शोध में दर्ज है, और Genie के लिए कोई खुला भौतिकी Elo नहीं है

    स्रोत ↗
  7. 7
    इंसानी हरकतें स्वाभाविक — पात्र सहज ढंग से चलते और प्रतिक्रिया देते हैं

    DeepMind के अनुसार लोगों के चित्रण में सबसे नाटकीय छलांग, पर WorldMemBench पाता है कि स्थिर याददाश्त के मेट्रिक में मानव पहचान को बनाए रखना सबसे कठिन है

    स्रोत ↗
  8. 8
    Gemini Omni सिमुलेशन को असली दुनिया के रूप और व्यवहार से जोड़े रखता है

    Omni रूप और व्यवहार को थामता है। वही Gemini परिवार क्रिएटिव उत्पादों को शक्ति देता है, पर खुले बेंचमार्क में इस निर्भरता को नापा नहीं गया है

    स्रोत ↗
  9. 9
    फ़िल्म, पत्रकारिता, शिक्षा, गेमिंग और इंजीनियरिंग में भरोसेमंद परीक्षकों के काम में उपयोगिता

    फ़िल्म और पत्रकारिता के समूहों को सबूत के रूप में पेश किया गया, पर पहुँच केवल आमंत्रित परीक्षकों तक सीमित है, लॉन्च पर कोई स्वतंत्र हाथों-हाथ परीक्षण नहीं

    स्रोत ↗
  10. 10
    बनाए गए सभी वीडियो और ऑडियो पर SynthID वॉटरमार्क

    एकमात्र दावा जिसमें अंतर्निहित डिटेक्टर है: Genie 4 के सभी वीडियो और ऑडियो में सभी माध्यमों पर अदृश्य SynthID लगा है

    स्रोत ↗

Meta ने क्या देखा

याददाश्त सार्वभौमिक कमज़ोरी है। iWorld-Bench के सार में कहा गया है कि कोई भी मॉडल 0.85 मेमोरी सिमेट्री से ऊपर नहीं है, और WorldMemBench 260 नियंत्रित प्रस्थान-और-वापसी मामलों के बावजूद 9 मॉडल बार-बार लौटने पर फेल दिखाता है

लॉन्च पर कोई स्वतंत्र हाथों-हाथ परीक्षण नहीं। Medium के सार में कहा गया है कि सारी डेमो फुटेज गूगल ने चुनी थी और किसी समीक्षक ने उसे स्वतंत्र रूप से नहीं परखा, जबकि टेकक्रंच के अनुसार 2 मिनट की संगति Genie 3 से दोगुनी है

रियल-टाइम वर्ल्ड मॉडल में नेटिव ऑडियो पहली बार है, पर Artificial Analysis Video Arena जैसे खुले बेंचमार्क ऑडियो तालमेल को अंधे Elo वोटों से मापते हैं और नेविगेशन के दौरान प्रॉम्प्ट में बदलाव की जाँच नहीं कर सकते

फ़ोटोरियलिज़्म को अभूतपूर्व बताया गया है, पर गूगल ने Genie 3 से कम स्पेक्स दिए: कोई रेज़ॉल्यूशन, fps, पैरामीटर संख्या या VBench स्कोर नहीं, जबकि VBench सार्वजनिक लीडरबोर्ड पर 16 आयाम ट्रैक करता है

🇺🇸 Nemotron10 स्थान · 1 नोट

वही सवाल, जिसका जवाब अकेले Nemotron ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।

  1. 1
    स्थायी याददाश्त के साथ रियल-टाइम में प्राकृतिक भाषा से नियंत्रण

    गूगल लंबे सिमुलेशन में बहाव मानता है; iWorld-Bench दिखाता है कि कोई मॉडल 0.85 मेमोरी सिमेट्री से ऊपर नहीं। 2 मिनट के आगे संगति बनाए रखने वाली स्टीयरिंग सबसे बड़ा सबूत-अंतर है

  2. 2
    दुनिया की स्थिति के साथ तालमेल वाला बिल्ट-इन ऑडियो

    बनाए गए ऑडियो पर SynthID वॉटरमार्क का दावा है; Artificial Analysis arena इंटरैक्टिव ऑडियो तालमेल नहीं जाँच सकता, केवल स्थिर वीडियो की जोड़ीवार वोटिंग

  3. 3
    Gemini Omni से रूप और व्यवहार में एकरूपता बनी रहती है

    क्वार्ट्ज़ बताता है कि Gemini Omni रूप और व्यवहार को थामता है; कोई बेंचमार्क इंटरैक्टिव नेविगेशन के दौरान क्रॉस-मोडल पहचान की निरंतरता नहीं नापता

    स्रोत ↗
  4. 4
    सिमुलेशन के बीच में ही प्राकृतिक भाषा से कैमरा, मौसम और पात्र बदलना

    डेमो में कीबोर्ड से चलना और प्रॉम्प्ट में बदलाव दिखाए गए हैं; iWorld-Bench में कैमरा-फ़ॉलोइंग मेट्रिक है, पर एपिसोड के बीच प्रॉम्प्ट बदलने का नहीं

    स्रोत ↗
  5. 5
    एक-जैसी रोशनी और सामग्री के साथ फ़ोटो-जैसी रेंडरिंग

    Artificial Analysis arena स्थिर क्लिपों पर अंधे वोटों से रोशनी और मटीरियल नापता है, नेविगेशन के दौरान समय-संगति की जाँच नहीं हो सकती

  6. 6
    फ़िल्म, पत्रकारिता, शिक्षा, गेमिंग और इंजीनियरिंग में भरोसेमंद परीक्षकों के लिए उपयोगिता

    केवल आमंत्रित परीक्षक; कोई सार्वजनिक API नहीं; उपयोगिता के दावे निजी फ़ीडबैक पर टिके हैं। स्वतंत्र वर्कफ़्लो सत्यापन शून्य

  7. 7
    बनाए गए सभी ऑडियो और वीडियो पर SynthID वॉटरमार्क

    लॉन्च पर दावा; संपीड़न, संपादन या विरोधी हटाव में वॉटरमार्क की मज़बूती का कोई स्वतंत्र ऑडिट नहीं

  8. 8
    Gemini के तर्क-मॉडल दुनिया की सुसंगति बनाए रखते हैं

    क्वार्ट्ज़ संगति के लिए Gemini के तर्क को श्रेय देता है; iWorld-Bench सार्वभौमिक रूप से मेमोरी सिमेट्री ≤0.85 दिखाता है। अकेला तर्क यह अंतर नहीं पाटता

    स्रोत ↗
  9. 9
    एजेंट के प्रशिक्षण में उपयोगिता (RL के लिए सिमुलेटर के रूप में दुनिया के मॉडल)

    Genie 4 से प्रशिक्षित एजेंट के कोई प्रकाशित बेंचमार्क नहीं; iWorld-Bench में ट्रैजेक्टरी सटीकता है, पर डाउनस्ट्रीम पॉलिसी ट्रांसफ़र नहीं

    स्रोत ↗
  10. 10
    AGI की बयानबाज़ी / दुनिया की सामान्य समझ

    सबसे ऊँचा दावा, और सबसे कम मापने योग्य। कोई बेंचमार्क 'सामान्य समझ' को कार्य-विशिष्ट मेट्रिक से अलग करके नहीं छूता

Nemotron ने क्या देखा

ब्लूमबर्ग के हवाले से क्वार्ट्ज़ की 2 मिनट की संगति-सीमा iWorld-Bench की 0.85 मेमोरी सिमेट्री सीमा से लगभग ठीक मेल खाती है। दोनों एक ही आर्किटेक्चर की बाधा की ओर इशारा करती हैं: लंबी अवधि में स्थिति का ट्रैक रखना

🇺🇸 Gemini10 स्थान · 2 नोट

वही सवाल, जिसका जवाब अकेले Gemini ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।

  1. 1
    लंबी अवधि की याददाश्त और लूप बंद होने पर समरूपता

    iWorld-Bench पर परखे गए 14 अग्रणी वर्ल्ड मॉडलों में से एक भी 0.85 मेमोरी सिमेट्री तक नहीं पहुँचा, इसलिए गूगल का निर्बाध वापसी-यात्रा का वादा सबसे चौड़ा अपरीक्षित अंतर है।

    स्रोत ↗
  2. 2
    लाइव प्राकृतिक भाषा से नियंत्रण और दृश्य में बदलाव

    Artificial Analysis जैसे जोड़ीवार अखाड़े स्थिर प्रॉम्प्ट के निष्पादन को आँकते हैं, इसलिए उड़ान के दौरान इंटरैक्टिव प्रॉम्प्ट-स्टीयरिंग तीसरे पक्षों द्वारा पूरी तरह बेंचमार्क से बाहर है।

    स्रोत ↗
  3. 3
    बड़े पैमाने पर भौतिक एजेंट प्रशिक्षण और सिमुलेशन से असली दुनिया में हस्तांतरण

    स्वायत्त रोबोटिक्स के प्रशिक्षण इंजन के रूप में प्रस्तुत, फिर भी इस शोकेस के साथ सिमुलेशन से असल रोबोट नीति के ट्रांसफ़र का एक भी प्रकाशित डेटा नहीं था।

  4. 4
    दो मिनट तक लगातार सिमुलेशन की स्थिरता

    गूगल खुले सैंडबॉक्स खेल को उजागर करता है, पर स्वतंत्र रिपोर्टरों की ब्रीफ़िंग से पता चला कि संरचनात्मक भ्रम शुरू होने से पहले लगभग 120 सेकंड की कठोर सीमा है।

  5. 5
    Gemini Omni के ज़रिए गतिशील NPC संवाद को ठोस आधार

    गूगल दावा करता है कि मल्टीमोडल तर्क मॉडल गैर-खिलाड़ी किरदारों का व्यवहार संगत रखते हैं, पर तेज़ शाखा-प्रॉम्प्ट के बाद मल्टी-एजेंट समन्वय अक्सर बिगड़ जाता है।

  6. 6
    फ़र्स्ट-पर्सन 3D ज्यामिति और टक्कर की भौतिकी

    कीबोर्ड से वातावरण में घूमना उस निरंतर वस्तु-क्लिपिंग और सीमा-पार होने की गलतियों को छिपा देता है, जिन्हें औपचारिक भौतिक सिमुलेटर अनुमति नहीं देते।

    स्रोत ↗
  7. 7
    बिल्ट-इन, तालमेल वाला मल्टी-चैनल स्पेशियल ऑडियो

    संवाद, कदमों की आवाज़ और स्थानिक ध्वनिकी का रियल-टाइम इंटरैक्टिव उत्पादन केवल-वीडियो प्रतिस्पर्धियों से आगे है, पर स्ट्रीमिंग भार के तहत विलंब का जुर्माना अब भी घोषित नहीं है।

    स्रोत ↗
  8. 8
    कीबोर्ड पर तेज़ प्रतिक्रिया और कैमरा ट्रैकिंग

    परीक्षकों ने WASD नेविगेशन को कार्यात्मक पाया, पर स्थानीय उच्च-बैंडविड्थ सेटअप से बाहर क्लाउड पर फ़्रेम-रेंडरिंग का अंत-से-अंत विलंब काफ़ी उतार-चढ़ाव करता है।

  9. 9
    फ़ोटो-जैसी रोशनी, मौसम और आयतनी सामग्री

    दृश्य रूप से जाँचने में सबसे आसान दावा, जिसे ऊँचे लीडरबोर्ड स्थानों का समर्थन है, फिर भी सिनेमाई रोशनी एजेंट की कार्यात्मक क्षमता में सबसे कम योगदान देती है।

    स्रोत ↗
  10. 10
    इंटरैक्टिव ऑडियो और वीडियो में SynthID वॉटरमार्क

    गूगल का डिजिटल उत्पत्ति-चिह्न तकनीकी रूप से स्थापित है; सबूत का अंतर केवल इस बात पर है कि कम-विलंब फ़्रेम-स्केलिंग के बाद वह बचता है या नहीं।

Gemini ने क्या देखा

2026 की असली तकनीकी बाधा याददाश्त की सीमा है: iWorld-Bench परीक्षणों में कोई इंटरैक्टिव वर्ल्ड मॉडल 0.85 मेमोरी सिमेट्री पार नहीं करता, और यही बताता है कि डीपमाइंड के डेमो क्लिप लंबे लूप-क्लोज़िंग नेविगेशन से क्यों बचते हैं।

Artificial Analysis Video Arena जैसे सार्वजनिक लीडरबोर्ड गैर-इंटरैक्टिव वीडियो की जोड़ीवार वोटिंग के लिए बने हैं, इसलिए पूरा उद्योग रियल-टाइम प्राकृतिक-भाषा स्टीयरिंग के लिए सार्वजनिक बेंचमार्क के बिना है।

🇨🇳 Kimi10 स्थान · 4 नोट

वही सवाल, जिसका जवाब अकेले Kimi ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।

  1. 1
    Genie 4 स्थायी याददाश्त के साथ रियल-टाइम में प्राकृतिक भाषा से नियंत्रण

    एकमात्र मौजूदा बेंचमार्क परिवार कहता है कि सबसे अच्छा इंटरैक्टिव वर्ल्ड मॉडल भी भूल जाता है: iWorld-Bench में कोई मॉडल 0.85 मेमोरी सिमेट्री तक नहीं पहुँचता, और Genie 4 उस पर कभी चलाया ही नहीं गया।

    स्रोत ↗
  2. 2
    Genie 4 बिल्ट-इन ऑडियो और इंटरैक्टिव बातचीत

    गूगल के अपने इंजीनियरों ने रिपोर्टरों से कहा कि वे सटीक ऑडियो को 'अभी तक ठीक से नहीं समझ पाए'। नई मुख्य घोषणा वही है जिस पर उसके निर्माता ने कुछ घंटों में ही सार्वजनिक सावधानी जोड़ दी।

    स्रोत ↗
  3. 3
    Genie 4 रोबोट और एजेंट के लिए सुरक्षित प्रशिक्षण माहौल के रूप में

    एजेंट-प्रशिक्षण की उपयोगिता का पूरा सार्वजनिक सबूत एक ही डेमो है, जहाँ Gemini 4 Argon कार्य को चरणों में बाँटता है। न सिमुलेशन से असल तक का सत्यापन, न कोई बेंचमार्क, न कोई बाहरी रोबोटिक्स लैब।

    स्रोत ↗
  4. 4
    Genie 4 यथार्थ भौतिकी (वायुगतिकी, टक्कर)

    एकमात्र भौतिकी पैमाना जो मौजूद है, Genie 4 को छू भी नहीं सकता: WorldScore की डायनेमिक्स मेट्रिक्स को मॉडल तक पहुँच चाहिए, और अब तक का सबसे अच्छा वीडियो मॉडल वहाँ कैमरा नियंत्रण में केवल 40.22/100 ही पा सका।

    स्रोत ↗
  5. 5
    Genie 4 दो मिनट तक सुसंगत सिमुलेशन सत्र

    दो मिनट Genie 3 से दोगुने हैं, और गूगल की अपनी Hang Qi ने ब्लूमबर्ग से कहा कि सीमा तक पहुँचना इस बात की 'कोई गारंटी नहीं' है कि दृश्य एक साथ टिका रहेगा।

    स्रोत ↗
  6. 6
    Genie 4 आगे बढ़ते समय भी ओझल वस्तुओं की समझ

    क्षेत्र की अपनी बंद-लूप जाँच ने पाया कि याददाश्त सार्वभौमिक कमज़ोरी है: 14 में से आधे से ज़्यादा मॉडल 0.5 मेमोरी सिमेट्री से नीचे आते हैं। और गूगल मानता है कि Genie 4 ठीक वहीं बहकता है।

    स्रोत ↗
  7. 7
    Genie 4 फ़ोटो-जैसी यथार्थता और रोशनी/सामग्री की सटीकता

    सबसे आकर्षक दावे का अंतर सबसे छोटा है: Genie 4 के रूप को थामने वाला Gemini Omni परिवार स्वतंत्र अंधे-वोट वीडियो Elo में पहले से शीर्ष-5 में है।

    स्रोत ↗
  8. 8
    Genie 4 फ़िल्म, पत्रकारिता, शिक्षा, गेमिंग और इंजीनियरिंग में भरोसेमंद परीक्षकों का काम

    पाँच उद्योग, प्रकाशित कलाकृतियाँ शून्य। हर बताया गया वर्कफ़्लो दावा गूगल की ब्रीफ़िंग तक जाता है, किसी परीक्षक के दिखाए काम तक नहीं।

    स्रोत ↗
  9. 9
    Genie 4 को 'AGI की ओर अहम कदम' बताना

    अंतर डिज़ाइन से ही पूरा है: कोई मेट्रिक नहीं, कोई टेस्ट नहीं, कोई खंडन की कसौटी नहीं। बस एक उत्पाद-पोस्ट में 'AGI' शब्द, जो ठोस क्षमताओं में हर किसी से नीचे है।

    स्रोत ↗
  10. 10
    Genie 4 की बनाई सभी ऑडियो और वीडियो पर SynthID वॉटरमार्क

    सूची में सबसे छोटा अंतर: गूगल का वॉटरमार्क उसके मॉडल परिवार में पहले से चल रहा है, इसलिए यह दावा वादों पर नहीं, सिद्ध ढाँचे पर टिका है।

    स्रोत ↗

Kimi ने क्या देखा

याददाश्त क्षेत्र की सार्वभौमिक कमज़ोरी है: iWorld-Bench के बंद-लूप 'शुरुआत पर लौटने' वाले कार्यों में कोई इंटरैक्टिव वर्ल्ड मॉडल 0.85 मेमोरी सिमेट्री से ऊपर नहीं। Genie 4 की स्वीकार की गई वस्तु-बहाव ठीक उसी धुरी पर है जहाँ हर प्रतिद्वंदी भी फेल होता है, इसलिए तुलना से दावे को अभी ग़लत साबित नहीं किया जा सकता।

हर स्वतंत्र पैमाना गलत हिस्सा नापता है: Artificial Analysis arena स्थिर क्लिपों पर अंधा वोट लेता है (नेविगेशन के दौरान प्रॉम्प्ट बदलाव नहीं जाँच सकता), iWorld-Bench ने Genie 4 नहीं चलाया, और WorldScore डायनेमिक्स को ऐसी पहुँच चाहिए जो गूगल के बाहर किसी के पास नहीं। यानी प्रभावशाली मूल दावे, लाइव स्टीयरिंग, का अभी कोई सार्वजनिक परीक्षण ढाँचा ही नहीं है।

पूर्वोदाहरण चिंताजनक है: Genie 3 ने बाज़ारों को हिला दिया और वेमो की परिदृश्य-जाँच तक पहुँचा, बिना कभी कोई बेंचमार्क या तकनीकी रिपोर्ट प्रकाशित किए। केवल डेमो फुटेज पर गेमिंग शेयर एक ही सत्र में 22% से ज़्यादा गिर गए, तो सबूत के अंतर अपनाने को पहले भी नहीं रोक पाए।

दो असंगत आर्किटेक्चर घूम रहे हैं: डीपमाइंड एक स्वाभाविक रूप से मल्टीमोडल मॉडल बताता है जो ऑडियो खुद बनाता है, जबकि एक हाथों-हाथ लेख दावा करता है कि Gemini 3 Argon अलग-अलग इमेज ('Nano Banana') और ऑडियो (Lyria) मॉडलों को समन्वित करता है। यदि दूसरा सच है, तो 'नेटिव ऑडियो' का मतलब कहीं कम नया है।

🇨🇳 Wenxin10 स्थान · 3 नोट

वही सवाल, जिसका जवाब अकेले Wenxin ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।

  1. 1
    स्थायी याददाश्त के साथ रियल-टाइम में प्राकृतिक भाषा से दुनिया पर नियंत्रण

    डेमो दुनिया को बदलने के लिए बातचीत दिखाते हैं, पर हर बेंचमार्क कहता है कि याददाश्त सबसे कमज़ोर कड़ी है।

  2. 2
    AI एजेंट के प्रशिक्षण में उपयोगिता (AI एजेंटों के लिए सिमुलेटेड माहौल)

    अगर यह दो मिनट की याददाश्त नहीं रख सकता, तो गूगल जो प्रशिक्षण-मैदान का वादा करता है, वह विज्ञापन से छोटा है।

  3. 3
    SynthID वॉटरमार्क के साथ बिल्ट-इन, तालमेल वाला ऑडियो जनरेशन

    दृश्य के साथ चलने वाला ऑडियो सबसे कठिन न-नकली किए जा सकने वाला दावा लगता है, जब तक SynthID की सीमाएँ सामने नहीं आतीं।

  4. 4
    टेक्स्ट प्रॉम्प्ट से कैमरा, मौसम और पात्रों में बदलाव

    सूर्यास्त बदलने या किरदार बदलने के लिए क्लिक करें और टाइप करें। डेमो चकाचौंध करता है, बेंचमार्क इसे माप नहीं सकते।

  5. 5
    फ़ोटो-जैसी यथार्थता और सिनेमाई रेंडरिंग की गुणवत्ता

    बेहतर पिक्सेल सबसे आसानी से चुने जा सकने वाली चीज़ हैं, और चुनी हुई क्लिपों की तुलना करना सबसे कठिन।

  6. 6
    केवल भरोसेमंद परीक्षकों की पहुँच और बंद मूल्यांकन

    सबसे बड़ा सबूत-अंतर तकनीकी नहीं है। अब तक इसे केवल गूगल के करीबी लोगों ने छुआ है।

    स्रोत ↗
  7. 7
    दुनिया की सुसंगति के लिए Gemini तर्क-मॉडल का सहारा

    Gemini ताक़त के पीछे दिमाग़ के रूप में। एक चतुर दावा जिसे Gemini के अपने बेंचमार्क के बिना खोला नहीं जा सकता।

  8. 8
    AGI / सामान्य दुनिया-मॉडल की बयानबाज़ी

    'AGI' शब्द दो मिनट की सिमुलेशन-अवधि जितना सहारा दे सकती है, उससे ज़्यादा भार उठा रहा है।

  9. 9
    कई माध्यमों में कार्रवाई का अनुसरण (रास्ता + कैमरा + याददाश्त)

    बेंचमार्क इसे लगभग माप सकते हैं, और जब वे मापते हैं, तो हर मॉडल याददाश्त पर लड़खड़ाता है।

    स्रोत ↗
  10. 10
    Ultra स्तर और सार्वजनिक API पहुँच की योजना

    API का वादा सस्ता है; ऐसा API बनाना जो असली कार्यभार झेल सके, यही असली परीक्षा है।

Wenxin ने क्या देखा

परखे गए हर वर्ल्ड मॉडल में 0.85 से नीचे मेमोरी सिमेट्री का मतलब है कि Genie 4 की 'संगति' के बारे में सबसे अच्छा दावा भी डगमगाती ज़मीन पर खड़ा है। iWorld-Bench का पेपर कुछ गिने-चुने सार्वजनिक पैमानों में से एक है।

ब्लूमबर्ग की दो मिनट की सीमा सबसे ठोस रिपोर्ट की गई बाधा है: यह 'ऐसी दुनिया जिसमें आप रह सकें' को 'ऐसी दुनिया जिसे आप 120 सेकंड तक ही देख सकें' में बदल देती है।

भरोसेमंद परीक्षकों वाला मॉडल पहले के गूगल AI लॉन्च (जैसे Veo 2, Gemini 1.5 की पहुँच) जैसा है, और इतिहास बताता है कि इससे स्वतंत्र माप के पकड़ने से पहले महीनों का अंतर रहता है।

🇨🇳 Qwen10 स्थान · 2 नोट

वही सवाल, जिसका जवाब अकेले Qwen ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।

  1. 1
    याददाश्त के साथ रियल-टाइम नियंत्रण

    याददाश्त सिमेट्री हर जगह 0.85 से नीचे सीमित है, यानी इंटरैक्टिव स्मृति ही वर्ल्ड मॉडलों की असली बाधा है।

  2. 2
    बिल्ट-इन संवाद जनरेशन

    सिमुलेटेड दुनिया के साथ-साथ स्वाभाविक रूप से ध्वनि बनाता है, पारंपरिक पोस्ट-प्रोडक्शन ऑडियो की लिप-सिंक वाली दिक्कत को पीछे छोड़ते हुए।

    स्रोत ↗
  3. 3
    एजेंट-प्रशिक्षण में उपयोगिता

    रोबोटिक्स और गेमिंग के भरोसेमंद परीक्षक समूह तय करेंगे कि यह सचमुच सिमुलेटर है या बस बहुत सुंदर स्क्रीनसेवर।

    स्रोत ↗
  4. 4
    लंबे सिमुलेशन की सुसंगति

    सिमुलेशन लगभग दो मिनट की कठोर सीमा पर पहुँचते हैं, उसके बाद माना गया बहाव वातावरण के भौतिक तर्क को तोड़ देता है।

    स्रोत ↗
  5. 5
    कई माध्यमों में कार्रवाई का अनुसरण

    नेविगेशन के दौरान प्रॉम्प्ट बदलाव वह अंधा स्थान है जिसे वीडियो अखाड़े अब तक स्वतंत्र रूप से नहीं जाँच सकते।

    स्रोत ↗
  6. 6
    भौतिकी सिमुलेशन

    जोड़ीवार मानवीय पसंद भौतिकी को रैंक करती है, पर इंटरैक्टिव टक्करें अक्सर तब टूटती हैं जब अनदेखे चर समय के साथ जुड़ते जाते हैं।

    स्रोत ↗
  7. 7
    फ़ोटो-जैसी यथार्थता

    बेहतर पिक्सेल पहले दिन प्रभावित करते हैं, पर दृश्य-गुणवत्ता का अंतर सबसे आसानी से ज़ोर-ज़बरदस्ती की रेंडरिंग से भरा जा सकता है।

    स्रोत ↗
  8. 8
    सिनेमाई रंग और रोशनी

    रोशनी और मटीरियल स्थिर अखाड़े के मुकाबलों में ऊँचे अंक लेते हैं, पर जब उपयोगकर्ता कैमरा 180 डिग्री घुमाता है तो टिक नहीं पाते।

    स्रोत ↗
  9. 9
    कैमरा नियंत्रण

    दुनियाओं में कीबोर्ड से घूमना कार्यात्मक है, पर सटीक कैमरा-फ़ॉलोइंग बाहरी सहारे के बिना तेज़ी से कमज़ोर पड़ती है।

  10. 10
    AGI की बयानबाज़ी और SynthID

    जेनरेट किए गए ऑडियो और वीडियो पर वॉटरमार्क सुरक्षा के लिए ज़रूरी है, पर इससे वर्ल्ड मॉडल की अपनी क्षमता में एक भी इज़ाफ़ा नहीं होता।

    स्रोत ↗

Qwen ने क्या देखा

जहाँ Genie 4 उन्नत भौतिकी और रोशनी का दावा करता है, वहीं Artificial Analysis Video Arena इन्हें केवल गैर-इंटरैक्टिव, अंधी जोड़ीवार वीडियो तुलना में ही माप सकता है।

Genie 4 के सिमुलेशन अभी लगभग दो मिनट पर सीमित हैं, जिसके बाद स्वीकार किया गया बहाव वातावरण को बिगाड़ देता है और लंबी अवधि के एजेंट प्रशिक्षण को सीमित करता है।