今日のトレンドに戻る: Googleの「Genie 4」、歩いて回れる世界をAIが作る 今は招待された人だけが利用可
Poly ランキング · 今日のトレンドから

Genie 4の主張を証拠の不足度で順位付け(2026年10月)

Googleの公式投稿によると、文字入力で動いている世界を書き換えるというGenie 4の目玉機能では、数回の編集の後に細部や物体がずれていきます。歩行中の編集を試せる公開ベンチマークも、まだありません。

  • 1位:Genie 4、リアルタイムの自然言語による操作と永続的な記憶
  • 10 位まで

01最終リスト

主要なAIがそれぞれ独立して 10 位までのリストを作りました。確認しやすい 1 つの結果です。各順位に理由、出典、その項目を入れた AI の一覧があります。

並び順:AIの合意が多い順です。

明るいバッジは、その AI がこの項目を自分のリストに入れたことを示します。薄いバッジは入れなかったことを示します。

  1. 1

    Genie 4、リアルタイムの自然言語による操作と永続的な記憶

    これは目玉機能で、Googleも「複数回のプロンプト編集の後」に物体がずれることを認めています。外部の検証者はまだ試していません。歩行中の編集を試せる公開ベンチマークもありません。

    選んだ AI: Claude, ChatGPT, Meta, Nemotron, Gemini, Kimi, Wenxin, Qwen. 選ばなかった AI: Grok, Nova, StepFun, DeepSeek.

    各 AI のリストでの順位: Claude: 1 · ChatGPT: 1 · Meta: 1 · Nemotron: 1 · Gemini: 2 · Kimi: 1 · Wenxin: 1 · Qwen: 1

    各 AI の指摘 8
    • Claude1 位

      目玉の機能は、Google自身が「複数のプロンプト編集」の後に崩れると言うもの。ところが、歩行の途中で世界を編集する公開テストはない。

      出典 ↗
    • ChatGPT1 位

      決定的な試練は、天気を一度変えることではない。既にあったものを失わずに、世界を何度も変え続けられるかどうかだ。

      出典 ↗
    • Meta1 位

      編集しながら歩き回る操作を試せる公開ベンチマークは存在しない。Google は編集後に物体がずれることを認めており、9 のモデルが再訪時の記憶に失敗している。

      出典 ↗
    • Nemotron1 位

      Google は長いシミュレーションでのずれを認めている。iWorld-Bench はどのモデルも記憶の対称性 0.85 を超えないと示している。2分を超えて一貫性を保つ操作こそが、最大の証拠の欠落だ。

    • Gemini2 位

      Artificial Analysis などのペアごとのアリーナは、静的なプロンプトの実行を評価する。途中で行うインタラクティブなプロンプト操作は、第三者によってまったくベンチマークされていない。

      出典 ↗
    • Kimi1 位

      存在する唯一のベンチマーク群は、最良の対話的ワールドモデルでさえ忘れると示している。iWorld-Bench では、記憶の対称性が 0.85 を超えるモデルはなく、Genie 4 はこれで一度も試されていない。

      出典 ↗
    • Wenxin1 位

      デモは世界に話しかけて変えさせる様子を見せるが、すべてのベンチマークは、記憶が普遍的に最も弱い箇所だと示している。

    • Qwen1 位

      記憶の対称性は全体で 0.85 未満にとどまる。つまり、対話的な想起こそがワールドモデルの本当のボトルネックだ。

    8つのAIがここに選出
  2. 2

    Genie 4、ネイティブ音声と対話

    Googleはこれを、ネイティブのリアルタイム音声を備えた最初のワールドモデルだと呼んでいます。しかし同社のチームはテッククランチに、音声の正確さは「まだ完全には解決できていない」と語りました。テスターは、サックスの指示にクラリネットの音を聞いたといいます。

    選んだ AI: Claude, ChatGPT, Meta, Nemotron, Gemini, Kimi, Wenxin, Qwen. 選ばなかった AI: Grok, Nova, StepFun, DeepSeek.

    各 AI のリストでの順位: Claude: 2 · ChatGPT: 5 · Meta: 2 · Nemotron: 2 · Gemini: 7 · Kimi: 2 · Wenxin: リストを見る · Qwen: 2

    各 AI の指摘 8
    • Claude2 位

      「音声をネイティブに生成する初のリアルタイム世界モデル」。ところがあるコメント投稿者は、サックスを頼んだのにクラリネットが聞こえたという。

      出典 ↗
    • ChatGPT5 位

      話すキャラクターは、まだ信頼できる会話エージェントではない。音声は、動作、文脈、変化する出来事と同期し続けなければならない。

      出典 ↗
    • Meta2 位

      ネイティブの対話機能を備えた、初のリアルタイムのワールドモデル。ただし音声の正確さは依然として研究中の課題として挙げられており、公開された対話の一貫性スコアはない。

      出典 ↗
    • Nemotron2 位

      生成された音声への SynthID 透かしは主張されているが、Artificial Analysis のアリーナは対話的な音声の同期を検証できず、静的な映像のペアごとの投票しか測れない。

    • Gemini7 位

      対話、足音、空間音響をリアルタイムで生成する能力は、映像のみのライバルを上回るが、ストリーミング負荷下での遅延の代償は公開されていない。

      出典 ↗
    • Kimi2 位

      Google 自身のエンジニアは、記者に対して正確な音声は「まだよく分かっていない」と語った。新機能の目玉である主張が、開発元によって数時間のうちに公に留保された。

      出典 ↗
    • Wenxin

      この AI のリストでは別の名前です。リスト全体を開いてください。

      リストを見る
    • Qwen2 位

      シミュレートされた世界と並んで音声をネイティブに生成するため、従来のポストプロダクション音声にある、口の動きと声のずれ(リップシンク)の問題を回避する。

      出典 ↗
    8つのAIがここに選出
  3. 3

    Genie 4の写実性、照明、質感

    最も検証しやすく、最も裏付けのある主張です。コメントでは照明が評価されています。関連するGemini Omni Flash 1.1は、画像から動画へのブラインド投票で23件中4位です。ただし、これは関連モデルかつ情報源1件にすぎません。

    選んだ AI: Claude, ChatGPT, Meta, Nemotron, Gemini, Kimi, Wenxin, Qwen. 選ばなかった AI: Grok, Nova, StepFun, DeepSeek.

    各 AI のリストでの順位: Claude: 9 · ChatGPT: 9 · Meta: 5 · Nemotron: 5 · Gemini: 9 · Kimi: 7 · Wenxin: 5 · Qwen: 7

    各 AI の指摘 8
    • Claude9 位

      最も検証しやすく、最も裏づけのある主張。コメント投稿者は、照明と素材が前世代より明らかに良くなったと言う。

      出典 ↗
    • ChatGPT9 位

      Genie 4 の機能の中で最も称賛しやすいものは、選ばれた映像から過大評価しやすいものでもある。

      出典 ↗
    • Meta5 位

      これまでで最もリアルで対話的な世界。ただし、Genie 3 の 720p 24fps と違い、解像度、fps、VBench スコアは開示されていない。

      出典 ↗
    • Nemotron5 位

      Artificial Analysis のアリーナは、静的なクリップに対する盲目投票で照明と素材を測る。移動中の時間的一貫性は検証できない。

    • Gemini9 位

      映像として最も検証しやすい主張で、リーダーボードの上位にも入っているが、映画的な照明はエージェントの機能的な能力への寄与が最も小さい。

      出典 ↗
    • Kimi7 位

      最も見栄えのする主張が、最も小さなギャップしかない。Genie 4 の見た目を支える Gemini Omni ファミリーは、独立したブラインド投票の映像 Elo で既に上位5位に入っている。

      出典 ↗
    • Wenxin5 位

      見た目の美しいピクセルは、いいところだけを選び出しやすい。そして、いいところだけを選んだクリップ同士を比べるのが最も難しい。

    • Qwen7 位

      見た目の美しいピクセルは初日には感動させるが、映像の忠実さは、力ずくのレンダリングで最も埋めやすいギャップだ。

      出典 ↗
    8つのAIがここに選出
  4. 4

    Genie 4、全ての動画と音声にSynthIDの透かし

    これは性能の主張ではなく手順で、Googleがすでに使っている基盤上で動きます。唯一の不足は、Genie 4の出力に対する検出の独立テストがまだ存在しないことです。

    選んだ AI: Claude, ChatGPT, Meta, Nemotron, Gemini, Kimi, Wenxin, Qwen. 選ばなかった AI: Grok, Nova, StepFun, DeepSeek.

    各 AI のリストでの順位: Claude: 10 · ChatGPT: 10 · Meta: 10 · Nemotron: 7 · Gemini: 10 · Kimi: 10 · Wenxin: 3 · Qwen: 10

    各 AI の指摘 8
    • Claude10 位

      性能の主張ではなく手続きの主張で、出力が公開されれば最も確かめやすい。

      出典 ↗
    • ChatGPT10 位

      Google は音声と動画の両方に透かしを入れると約束している。しかし、導入範囲が広いことと、検出の信頼性が独立して証明されていることは同じではない。

      出典 ↗
    • Meta10 位

      内蔵の検出器があると主張する唯一の点。Genie 4 のすべての映像と音声には、知覚できない SynthID が入っている。

      出典 ↗
    • Nemotron7 位

      公開時点で主張されているが、圧縮、編集、悪意ある除去の下で透かしの頑健性を独立監査したものはない。

    • Gemini10 位

      Google のデジタルの来歴情報は技術的に確立されているが、低遅延でフレームを縮小した後にも残るかどうかについてだけ、証拠が欠けている。

    • Kimi10 位

      リストで最も小さなギャップ。Google の透かしはすでにモデルファミリー全体に実装されており、この主張は約束ではなく、実証済みの基盤の上に立っている。

      出典 ↗
    • Wenxin3 位

      場面と一緒に動く音声は、最も偽造できない主張に聞こえる。SynthID の限界が表に出てくるまでは。

    • Qwen10 位

      生成された音声と映像への透かしは安全上の必要性だが、ワールドモデル自体の能力は一つも増やさない。

      出典 ↗
    8つのAIがここに選出
  5. 5

    Genie 4、ロボットとAIエージェントの訓練

    根拠は1つのデモだけです。シミュレーション上のアプトロニックのApolloヒューマノイドが、チェッカーをするものです。シミュレーションから実機への移行に関する数値は公表されておらず、外部の研究所がこの環境でロボットを訓練した例もありません。

    選んだ AI: Claude, ChatGPT, Nemotron, Gemini, Kimi, Wenxin, Qwen. 選ばなかった AI: Meta, Grok, Nova, StepFun, DeepSeek.

    各 AI のリストでの順位: Claude: 3 · ChatGPT: 2 · Nemotron: 9 · Gemini: 3 · Kimi: 3 · Wenxin: 2 · Qwen: 3

    各 AI の指摘 7
    • Claude3 位

      エージェントの訓練の話は、人型ロボットにチェッカーをさせる一つの実験に頼っている。あるコメントでは、Genieは今や操作できる映像生成器に近く見えるという。

      出典 ↗
    • ChatGPT2 位

      間違った物理法則をエージェントに教えるシミュレーターは、現実が重要になる場面でまさに失敗するエージェントを生み出しかねない。

      出典 ↗
    • Nemotron9 位

      Genie 4 を使った公開のエージェント訓練ベンチマークはない。iWorld-Bench には軌道の正確さがあるが、下流のポリシー転移は測られていない。

      出典 ↗
    • Gemini3 位

      自律ロボット向けの訓練エンジンとして位置づけられているが、そのデモには、シミュレーションから実ロボットへの方策の転移データが一つも公開されていない。

    • Kimi3 位

      エージェント訓練の有用性を示す公開された証拠は、Gemini 4 Argon がタスクをステップに分けるデモ一つだけだ。シミュレーションから実機への検証も、ベンチマークも、外部のロボット研究所もない。

      出典 ↗
    • Wenxin2 位

      2分の記憶が保てないなら、Google が約束する訓練に使える期間は、宣伝よりも短い。

    • Qwen3 位

      ロボティクスとゲームの信頼されたテスター集団が、これは本当にシミュレーターなのか、それとも非常にきれいなスクリーンセーバーにすぎないのかを決める。

      出典 ↗
    7つのAIがここに選出
  6. 6

    Genie 4、2分のセッションと物体の永続性

    報道では約2分で、Genie 3の2倍です。Googleの投稿には数値がありません。ハッカーニュースの例では、物体がフレームから出て再び入ると、2つ目の城が現れています。

    選んだ AI: Claude, ChatGPT, Meta, Gemini, Kimi, Qwen. 選ばなかった AI: Nemotron, Grok, Nova, Wenxin, StepFun, DeepSeek.

    各 AI のリストでの順位: Claude: 5 · ChatGPT: 3 · Meta: 3 · Gemini: 4 · Kimi: 5 · Qwen: 4

    各 AI の指摘 6
    • Claude5 位

      2分、Genie 3の2倍。しかしGoogleの投稿は「数分」とだけ書き、長期的な一貫性を未解決の研究として挙げている。

    • ChatGPT3 位

      報告されている約2分間のシミュレーションは、拡張されたタスクの間に部屋、人、物体が安定し続けることの証拠にはならない。

      出典 ↗
    • Meta3 位

      主張は2分、Genie 3 は1分。テッククランチは2倍と報じ、Google の投稿は正確な数字を避け、長い実行でのずれを認めている。

      出典 ↗
    • Gemini4 位

      Google はオープンエンドのサンドボックス遊びを強調するが、独立した記者向けの説明では、構造的な幻覚が生じる前に、およそ120秒という明確な限界があることが分かった。

    • Kimi5 位

      2分は Genie 3 の2倍だが、Google 自身のハン・チーは、ブルームバーグに対し、限界に達しても場面が保たれる「保証はない」と語った。

      出典 ↗
    • Qwen4 位

      シミュレーションは約2分という硬い天井に当たり、認められたずれによって、環境の物理的な論理が崩れてしまう。

      出典 ↗
    6つのAIがここに選出
  7. 7

    Genie 4、物理:空気力学、衝突、水

    ザ・ニュー・スタックの見出しは、物理は「まだ完全には正しくない」と伝えています。Googleも複雑な物理的相互作用を未解決として挙げています。対話的な物理を測る公開テストはありません。

    選んだ AI: Claude, ChatGPT, Meta, Gemini, Kimi, Qwen. 選ばなかった AI: Nemotron, Grok, Nova, Wenxin, StepFun, DeepSeek.

    各 AI のリストでの順位: Claude: 6 · ChatGPT: 6 · Meta: 6 · Gemini: 6 · Kimi: 4 · Qwen: 6

    各 AI の指摘 6
    • Claude6 位

      ザ・ニュー・スタックの見出しは、物理は「まだ完全には正しくない」と言い、Googleは複雑な物理的相互作用を未解決として挙げている。

      出典 ↗
    • ChatGPT6 位

      デモで説得力のある衝突が起きたからといって、慣れない状況でも正しく衝突することが測定により保証されたわけではない。

      出典 ↗
    • Meta6 位

      空気力学と衝突が飛躍として強調されているが、物理は依然として研究が続く課題として挙げられており、Genie 向けの公開された物理 Elo はない。

      出典 ↗
    • Gemini6 位

      キーボードで環境を移動すると、継続的な物体のめり込みや境界の通り抜けといった、正式な物理シミュレーターでは起こらない誤りが隠れてしまう。

      出典 ↗
    • Kimi4 位

      存在する唯一の物理の物差しは Genie 4 には届かない。WorldScore のダイナミクス指標にはモデルへのアクセスが必要で、史上最高の映像モデルでさえ、そこでのカメラ制御は 40.22/100 にとどまった。

      出典 ↗
    • Qwen6 位

      人間による対比較の好みは物理を順位づけするが、対話的な衝突は、目に見えない変数が時間とともに積み重なると崩れやすい。

      出典 ↗
    6つのAIがここに選出
  8. 8

    Genie 4、映画・報道・教育・ゲーム・エンジニアリングでの信頼されたテスター利用

    5つの産業が挙げられていますが、テスターの人数も公表された研究もありません。古い記録写真を歩ける場面に変えることは、現実の場所は不完全だというGoogle自身の警告に突き当たります。

    選んだ AI: Claude, ChatGPT, Meta, Nemotron, Kimi, Wenxin. 選ばなかった AI: Gemini, Grok, Nova, Qwen, StepFun, DeepSeek.

    各 AI のリストでの順位: Claude: 8 · ChatGPT: 8 · Meta: 9 · Nemotron: 6 · Kimi: 8 · Wenxin: 6

    各 AI の指摘 6
    • Claude8 位

      実際の利用例は挙げられているが、投稿にはテスターの人数、サンプルサイズ、定量的な結果がない。

      出典 ↗
    • ChatGPT8 位

      一枚の古い写真を歩き回れるシーンに変えるのは魅力的だが、もっともらしい形状でも、作り出された形状である可能性は残る。

      出典 ↗
    • Meta9 位

      映画と報道の利用者グループが証拠として挙げられているが、利用は招待されたテスターに限られ、公開時点で独立した実機検証はゼロ。

      出典 ↗
    • Nemotron6 位

      招待されたテスターに限られ、公開 API もない。実用性の主張は非公開のフィードバックに依存しており、独立した業務フローの検証はゼロ。

    • Kimi8 位

      五つの業界、公開された成果物はゼロ。報告された業務上の主張はすべて Google の説明に遡り、テスターが成果を見せたものではない。

      出典 ↗
    • Wenxin6 位

      最大の証拠の欠落は技術的なものではなく、これまでに触れたのが Google の身内だけだという点だ。

      出典 ↗
    6つのAIがここに選出
  9. 9

    Genie 4、Gemini 3.8 Flashが導く複数段階の出来事シミュレーション

    Geminiは計画を立て、各段階を確認して修正しますが、タスク完了率は公表されていません。どのGeminiがループを指揮しているかについても、情報源により食い違いがあります:3.8 Flash、4 Argon、3 Argon。

    選んだ AI: Claude, ChatGPT, Meta, Nemotron, Wenxin. 選ばなかった AI: Gemini, Grok, Nova, Kimi, Qwen, StepFun, DeepSeek.

    各 AI のリストでの順位: Claude: 4 · ChatGPT: 4 · Meta: 4 · Nemotron: リストを見る · Wenxin: リストを見る

    各 AI の指摘 5
    • Claude4 位

      推論モデルは計画し、各ステップを確認して修正するが、世界を一貫して保てることを示す公開テストはない。

      出典 ↗
    • ChatGPT4 位

      Gemini 3.8 Flash はシーンを計画し、検査することはできる。しかし、それは生成された世界が計画に従うことを証明するものではない。

      出典 ↗
    • Meta4 位

      チェッカーをプレイする人型ロボット Apollo のデモは、確かな因果関係を示している。しかし、ステップの成功を検証する公開された指標はない。

      出典 ↗
    • Nemotron

      この AI のリストでは別の名前です。リスト全体を開いてください。

      リストを見る
    • Wenxin

      この AI のリストでは別の名前です。リスト全体を開いてください。

      リストを見る
    5つのAIがここに選出
  10. 10

    Genie 4、実在感のある人物と複数キャラクターの相互作用

    ディープマインドは人々を「最も劇的な飛躍」と呼びますが、独立した複数のエージェント間の相互作用は未解決だと認めています。WorldMemBenchでは、首位のモデルも規定イベントの31.7%しか発生させません。

    選んだ AI: Claude, ChatGPT, Meta. 選ばなかった AI: Nemotron, Gemini, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek.

    各 AI のリストでの順位: Claude: 7 · ChatGPT: 7 · Meta: 7

    各 AI の指摘 3
    • Claude7 位

      Googleは、複数の独立したエージェント間の相互作用をモデル化することが「まだ未解決の研究課題」だと認めている。

      出典 ↗
    • ChatGPT7 位

      数秒で作られた、遊べそうに見えるシーンには価値があるが、編集可能な試作品が自動的に安定したゲームになるわけではない。

      出典 ↗
    • Meta7 位

      DeepMind によれば、人物表現は最も劇的に進歩した。だが WorldMemBench は、人物の同一性の保持が静的な記憶指標の中で最も難しいことを示している。

      出典 ↗
    3つのAIがここに選出

トップ3をもっと詳しく ↓

02トップ3をもっと詳しく

ランキングは上にあります。ここでは上位3つについて、それが何か、なぜここにあるのか、知っておきたいことを紹介します。

3つの主張は、それぞれ証拠の種類が異なります。Googleの自己申告、開発チームの発言、関連モデルの投票での順位です。そのため、ギャップの測り方は主張ごとに同じではありません。

1Genie 4、リアルタイムの自然言語による操作と永続的な記憶

1位 — Genie 4、リアルタイムの自然言語による操作と永続的な記憶. 12 の AI のうち 8 がリストに入れた/そこでの順位の中央値:1. Google自身、複数回の編集の後にオブジェクトがずれることを認めています。また、世界を歩きながら行う編集を確かめる公開テストは存在しません。

知っていましたか

  • Genie 3は、NeRFやGaussian Splattingのような明示的な3Dモデルを使わず、フレームごとに世界を構築します。Googleは、その一貫性は「創発的」なもの、つまりプログラムで組み込まれたのではなく自然に現れるものだと説明しています。そのため、長い編集を経た記憶は検証が難しいのです。

どんなものか
探索しながら文字入力で世界を変え、その変化を世界が覚えている仕組み。
強み
最も大きなギャップ:開発元がずれを認めており、公開のベンチマークで検証されていません。
知っておくべき人
Genie 4がデモ以上のものかどうかを判断したい人に役立ちます。
  • 独立した検証までのギャップずれは認めているが、テストはない
ここにある理由
  • テッククランチによると、Genie 4は一つの場面を最長2分間、一貫して保てます。これは前世代の上限の2倍です。同じくテッククランチは、シミュレーションが長く続くほど、細部やオブジェクトがなおずれうるとも伝えています。

  • Googleの公式投稿は、複数の複雑なプロンプト編集の後でも、オブジェクトの永続性がなおずれうると述べています。何回の編集でずれるのかは数字が示されていないため、この主張はまだ公開テストで測れません。

歴史
  • Googleは2025年8月、Genie 3向けに「プロンプトで起こせる」世界の出来事を発表しました。2026年1月29日にProject Genieが米国のUltra加入者に公開された時点では、その機能はまだ含まれていませんでした。

気をつけたい点
  • ディープマインドは、視覚的な細部やオブジェクトの永続性は「時間とともになおずれたり、ドリフトしたりしうる」と述べています。特に「複数の複雑なプロンプト編集」の後にそうなるとしています。これまで利用できるのは信頼されたテスターだけで、同ページには独立した評価の数値も載っていません。

さらに知るには
  • Project Genieの待機リストに登録してください。そこではGenie 4が「近日公開」とされ、Google AI Ultraの加入者が対象です。利用できるようになったら、場面を何度か変えて、オブジェクトが元の位置に留まるかを確かめてください。

トップ3を比べる ↓

2Genie 4、ネイティブ音声と対話

2位 — Genie 4、ネイティブ音声と対話. 12 の AI のうち 8 がリストに入れた/そこでの順位の中央値:2. Googleは、ネイティブ音声の搭載を「初」だと位置づけていますが、同社のチーム自身が、正確な音の再現はまだ解決していないと認めています。音声の評価スコアも存在しません。

どんなものか
生成された世界の中で、リアルタイムに作られる音と、話すキャラクター。
強み
開発元の但し書きに裏付けられていますが、まだ世界の操作ほど開かれてはいません。
知っておくべき人
音声を信用できるかどうか気になる人に役立ちます。
  • 独立した検証までのギャップ音声のスコアは未公表
ここにある理由
  • Unite.AIは、Genie 4を、音声をネイティブに生成するGoogle初のリアルタイム世界モデルだと報じています。同じページは、リアルタイム音声の正確さを継続中の研究分野の一つとして挙げており、音声の品質の数値は示していません。

  • テッククランチはGenie 4のチームの発言を引用しています。「音声を正確にする方法を、まだ十分に解明できていません」とのことです。ページには音声に関する数値がありません。主張は「初」であり、弱点は正確さです。

歴史
  • 2026年10月27日に発表されたGenie 4は、Genieシリーズに音を加えました。テッククランチによると、チームはまだ音声を正確にする方法を見つけていません。

さらに知るには
  • デモ動画は音を出して見てください。Googleは、リアルタイム音声の正確さは「継続的な研究が進行中の分野」だとしています。画面で起きることと音が合っているかを確かめてください。

トップ3を比べる ↓

3Genie 4の写実性、照明、質感

3位 — Genie 4の写実性、照明、質感. 12 の AI のうち 8 がリストに入れた/そこでの順位の中央値:7. 見た目は最も確かめやすい主張です。関連モデルはすでに投票で高い評価を得ているため、ギャップは小さくなっています。

知っていましたか

  • ディープマインドのジャック・パーカー=ホルダーは、インタラクティブな世界生成は、正確さの点で動画生成に「おおよそ6〜12か月」遅れていると述べました。あるGenie 3のデモでは、キャラクターがサボテンの間を歩いても何の影響もありませんでした。モデルがまだ物理法則を認識していないためです。

どんなものか
生成された世界における、リアルな照明、影、素材。
強み
目で見て最も判断しやすく、関連モデルには外部の投票による支持もあります。
知っておくべき人
デモ映像をどこまで信用してよいかを知りたい人に役立ちます。
  • 独立した検証までのギャップ23件中4位(関連モデル)
ここにある理由
  • Googleの投稿は、Genie 4のリアリズムについて指標を一つも挙げていません。「前例のないリアリズム」という主張にも、数字の裏付けがありません。照明や素材の限界も示されていないため、主張自体は確かめやすいものの、外部のデータが不足しています。

知っていましたか
  • Genie 3は、同じ通りを異なる天候や光の下で映し出せます。例えば、雪のニューヨークの街区や、「まれな日差し」のロンドンの通りです。Genie 3はストリートビューの画像を使用しており、その画像は20年以上にわたり、110か国から2800億枚を超えています。

歴史
  • 2024年12月に公開されたGenie 2は、10〜20秒しか続かない世界しか生成できませんでした。2025年8月のGenie 3では、視覚的な記憶が約1分まで延び、720p・24 fpsに対応しました。

気をつけたい点
  • Googleは、Genie 4を「限られた信頼できるテスター」のグループに展開し始めたと述べています。Ultraの加入者とAPIのパートナーには、近いうちに公開される予定です。そのため、ほとんどの読者はまだ照明を自分で確かめられません。

さらに知るには
  • このページのデモ動画を見て、影、映り込み、水の表面をよく見てください。ページでは照明が詳しく説明されていないため、自分の目で判断してください。

トップ3を比べる ↓

トップ3を並べて

Genie 4、リアルタイムの自然言語による操作と永続的な記憶Genie 4、ネイティブ音声と対話Genie 4の写実性、照明、質感
AI のリスト入り8 / 128 / 128 / 12
独立した検証までのギャップずれは認めているが、テストはない音声のスコアは未公表23件中4位(関連モデル)
1位にした AIClaude, ChatGPT, Meta, Nemotron, Kimi, Wenxin, Qwen——

AI の数が同じ順位は、各 AI のリストでの平均順位で並べています。

03知っておきたいこと

AI がリストを作る中で気づいたこと。

Googleが公表した仕様はGenie 3より少なく、解像度、フレームレート、セッション時間、テスター数はありません。最も具体的な数値である2分は、報道向けの説明会によるものです。

気づいた AI:
選んだ AI: Claude, Meta. 選ばなかった AI: ChatGPT, Nemotron, Gemini, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek.
出典 ↗

フレーム内に留まる物には世界が一貫しますが、物体が出て戻ると崩れます。エージェントを訓練するシミュレーターには、まさにその場面が必要です。

気づいた AI:
選んだ AI: Claude. 選ばなかった AI: ChatGPT, Meta, Nemotron, Gemini, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek.
出典 ↗

「ネイティブ音声」が何を意味するのかについて、情報源は食い違っています。ディープマインドは1つのモデルが全てを行うと説明していますが、マインドスタジオの記事では、画像と音声(Lyria)の別々のモデルを組み合わせていると説明されています。

気づいた AI:
選んだ AI: Kimi. 選ばなかった AI: Claude, ChatGPT, Meta, Nemotron, Gemini, Grok, Nova, Wenxin, Qwen, StepFun, DeepSeek.
出典 ↗

独立した指標はどれも、隣接する一部分しか測っていません。アリーナは固定の動画クリップへの投票を測り、iWorld-BenchはGenie 4を試したことがなく、WorldScoreはモデルへのアクセスを必要とします。

気づいた AI:
選んだ AI: Claude, ChatGPT, Nemotron, Kimi. 選ばなかった AI: Meta, Gemini, Grok, Nova, Wenxin, Qwen, StepFun, DeepSeek.
出典 ↗

04集計方法

数式なしで、やさしい言葉で。

1質問

Genie 4の主張上位10件を根拠の不足順に

2対象範囲

世界全体のAIワールドモデル

3評価の観点

  • Googleの発表とデモで示された公の主張の強さ
  • 独立した報道:記者がテスターに見えたと伝えた内容と、Googleが述べている内容
  • ベンチマークの対応範囲:既存の公開テストでその主張を測れるかどうか
  • 失敗時の影響:認められている制限が実際の作業で表れた場合に、どれほど害があるか
  • Google DeepMind:Genie 4の公式投稿 — Googleが認めた主張と限界:ずれ、物体の永続性、音声の正確さ、複雑な物理、複数エージェントの相互作用、テキスト描画。解像-
  • クォーツ(ブルームバーグ報道)の公開報告 — 信頼されたテスターのみのアクセス、キーボード操作、約2分のセッション上限。ディープマインドのハン・チーは、その上限に達しても…を保証しない
  • ザ・ヴァージの公開報告 — 記者が自分で試せたか(試せませんでした)、アクセス状況、そして1分から増えた約2分。
  • テッククランチの公開報告 — 説明会の詳細:音声の正確さは「まだ完全には解決していない」、Geminiが監督役、シーンは最大2分まで一貫。

4順位をつけた AI

主要なAI:Claude, ChatGPT, Meta, Nemotron, Gemini, Grok, Nova, Kimi, Wenxin, Qwen, StepFun, DeepSeek。それぞれが独自に10位までのリストを作り、各順位に出典を示しました。

5順位の決め方

AI ごとに表現が違っても同じ項目は一つとして数えました。より多くの AI がリストに入れ、より上位に置いた項目ほど順位が高くなります。「AI の一致」は、その項目を自分のリストに入れた AI の数を示します。出典は AI 自身が見つけたものだけで、手作業での追加はありません。

05各 AI のリスト

🇺🇸 Claude10 位まで · メモ 3 件

同じ質問に Claude だけが答えたものです。上の最終リストはすべての AI をまとめています。

  1. 1
    リアルタイムの自然言語による生きた世界の操作(天候、カメラ、人や物の追加)

    目玉の機能は、Google自身が「複数のプロンプト編集」の後に崩れると言うもの。ところが、歩行の途中で世界を編集する公開テストはない。

    出典 ↗
  2. 2
    ユーザーの入力に応じて変わる対話(ネイティブ音声)

    「音声をネイティブに生成する初のリアルタイム世界モデル」。ところがあるコメント投稿者は、サックスを頼んだのにクラリネットが聞こえたという。

    出典 ↗
  3. 3
    エージェントやロボットの訓練への有用性(SIMA、Gemini Robotics、アプトロニック Apollo のチェッカー)

    エージェントの訓練の話は、人型ロボットにチェッカーをさせる一つの実験に頼っている。あるコメントでは、Genieは今や操作できる映像生成器に近く見えるという。

    出典 ↗
  4. 4
    Gemini 3.8 Flash が導く複雑な出来事のシミュレーション

    推論モデルは計画し、各ステップを確認して修正するが、世界を一貫して保てることを示す公開テストはない。

    出典 ↗
  5. 5
    長時間にわたる一貫性と記憶(約2分)

    2分、Genie 3の2倍。しかしGoogleの投稿は「数分」とだけ書き、長期的な一貫性を未解決の研究として挙げている。

  6. 6
    物理シミュレーション(空気力学、衝突、流れる水)

    ザ・ニュー・スタックの見出しは、物理は「まだ完全には正しくない」と言い、Googleは複雑な物理的相互作用を未解決として挙げている。

    出典 ↗
  7. 7
    自然に動き、反応し、振る舞うキャラクター(複数エージェントの相互作用を含む)

    Googleは、複数の独立したエージェント間の相互作用をモデル化することが「まだ未解決の研究課題」だと認めている。

    出典 ↗
  8. 8
    映画、報道、教育、ゲーム、エンジニアリングにおける信頼できるテスターとしての価値

    実際の利用例は挙げられているが、投稿にはテスターの人数、サンプルサイズ、定量的な結果がない。

    出典 ↗
  9. 9
    「最もリアル」な写実性、照明、質感

    最も検証しやすく、最も裏づけのある主張。コメント投稿者は、照明と素材が前世代より明らかに良くなったと言う。

    出典 ↗
  10. 10
    生成されたすべての動画と音声へのSynthIDによる透かし

    性能の主張ではなく手続きの主張で、出力が公開されれば最も確かめやすい。

    出典 ↗

Claude が気づいたこと

Googleの投稿には、解像度、フレームレート、セッションの長さ、テスターの人数が書かれていない。報道で最も具体的な数字である2分は、報道機関の報告に由来する。

ハッカーニュースのコメント投稿者は、Genie 4は画面内にとどまるものには一貫性を保つが、物体が画面外に出て戻ると崩れると言う。まさにエージェント訓練のシミュレーターに必要な場面だ。

売り文句の一部はハイブリッド設計だ。Geminiが構造と計画を担い、Genieが見た目、音、反応を描く。そのため、Geminiモデルの主張とGenieの主張は切り分けにくい。

🇺🇸 ChatGPT10 位まで · メモ 4 件

同じ質問に ChatGPT だけが答えたものです。上の最終リストはすべての AI をまとめています。

  1. 1
    Genie 4 リアルタイムの言葉による操作と持続する世界

    決定的な試練は、天気を一度変えることではない。既にあったものを失わずに、世界を何度も変え続けられるかどうかだ。

    出典 ↗
  2. 2
    Genie 4 エージェントの訓練とロボット工学向けシミュレーション

    間違った物理法則をエージェントに教えるシミュレーターは、現実が重要になる場面でまさに失敗するエージェントを生み出しかねない。

    出典 ↗
  3. 3
    Genie 4 長期記憶と物の永続性

    報告されている約2分間のシミュレーションは、拡張されたタスクの間に部屋、人、物体が安定し続けることの証拠にはならない。

    出典 ↗
  4. 4
    Genie 4 多段階の推論と因果関係のシミュレーション

    Gemini 3.8 Flash はシーンを計画し、検査することはできる。しかし、それは生成された世界が計画に従うことを証明するものではない。

    出典 ↗
  5. 5
    Genie 4 ネイティブの対話と音声

    話すキャラクターは、まだ信頼できる会話エージェントではない。音声は、動作、文脈、変化する出来事と同期し続けなければならない。

    出典 ↗
  6. 6
    Genie 4 現実的な物理演算と人の動き

    デモで説得力のある衝突が起きたからといって、慣れない状況でも正しく衝突することが測定により保証されたわけではない。

    出典 ↗
  7. 7
    Genie 4 ゲームのプロトタイプ作成とインタラクティブ体験

    数秒で作られた、遊べそうに見えるシーンには価値があるが、編集可能な試作品が自動的に安定したゲームになるわけではない。

    出典 ↗
  8. 8
    Genie 4 実世界のシーン再構成と空間の正確さ

    一枚の古い写真を歩き回れるシーンに変えるのは魅力的だが、もっともらしい形状でも、作り出された形状である可能性は残る。

    出典 ↗
  9. 9
    Genie 4 写実性と映画の事前可視化

    Genie 4 の機能の中で最も称賛しやすいものは、選ばれた映像から過大評価しやすいものでもある。

    出典 ↗
  10. 10
    Genie 4 SynthIDの透かしと生成メディアの透明性

    Google は音声と動画の両方に透かしを入れると約束している。しかし、導入範囲が広いことと、検出の信頼性が独立して証明されていることは同じではない。

    出典 ↗

ChatGPT が気づいたこと

最も影響の大きい弱点は映像の品質ではない。Genie 4 を面白くしている、繰り返しの編集や移動の過程で、物体の永続性が劣化しうることを Google 自身が明確に認めている。

ザ・ヴァージは、体験時間が約2分で、前世代の約2倍だと報じている。これは時間の比較であり、空間や因果関係の一貫性が2分間保証されることを示したものではない。

iWorld-Bench は、14 のワールドモデルを 4,900 件のテストサンプルで評価した。しかし、Genie 4 を実際に試さずに、その結果を Genie 4 に当てはめることは正当にはできない。

Genie 4 は、ピクセル単位の世界生成と Gemini の推論・計画を組み合わせている。この構造は、映画的な映像の向上よりも将来のエージェントにとって重要かもしれないが、その実用上の利点は独立しては数値化されていない。

🇺🇸 Meta10 位まで · メモ 4 件

同じ質問に Meta だけが答えたものです。上の最終リストはすべての AI をまとめています。

  1. 1
    言葉で指示しながらリアルタイムに操作でき、記憶と物の永続性を保てます

    編集しながら歩き回る操作を試せる公開ベンチマークは存在しない。Google は編集後に物体がずれることを認めており、9 のモデルが再訪時の記憶に失敗している。

    出典 ↗
  2. 2
    対話に合わせてその場で変わる、ネイティブの音声生成と対話

    ネイティブの対話機能を備えた、初のリアルタイムのワールドモデル。ただし音声の正確さは依然として研究中の課題として挙げられており、公開された対話の一貫性スコアはない。

    出典 ↗
  3. 3
    最長2分まで一貫性を維持 — Genie 3の2倍

    主張は2分、Genie 3 は1分。テッククランチは2倍と報じ、Google の投稿は正確な数字を避け、長い実行でのずれを認めている。

    出典 ↗
  4. 4
    Gemini 3.8 Flashがエージェントを導き、Gemini 4 Argonが複雑な多段階の出来事をシミュレーション

    チェッカーをプレイする人型ロボット Apollo のデモは、確かな因果関係を示している。しかし、ステップの成功を検証する公開された指標はない。

    出典 ↗
  5. 5
    前例のない写実性と映像の忠実さ

    これまでで最もリアルで対話的な世界。ただし、Genie 3 の 720p 24fps と違い、解像度、fps、VBench スコアは開示されていない。

    出典 ↗
  6. 6
    高度な物理のリアルさ — 空気力学、衝突、流体の動き

    空気力学と衝突が飛躍として強調されているが、物理は依然として研究が続く課題として挙げられており、Genie 向けの公開された物理 Elo はない。

    出典 ↗
  7. 7
    自然な人の動き — キャラクターが自然に動き、反応します

    DeepMind によれば、人物表現は最も劇的に進歩した。だが WorldMemBench は、人物の同一性の保持が静的な記憶指標の中で最も難しいことを示している。

    出典 ↗
  8. 8
    Gemini Omniが、シミュレーションを実世界の見た目と振る舞いに結びつけます

    Omni が外見と振る舞いを固定する。同じ Gemini ファミリーが創作系の製品を支えているが、公開ベンチでその依存関係は測定されていない。

    出典 ↗
  9. 9
    映画、報道、教育、ゲーム、工学で、信頼できるテスターによる実用性

    映画と報道の利用者グループが証拠として挙げられているが、利用は招待されたテスターに限られ、公開時点で独立した実機検証はゼロ。

    出典 ↗
  10. 10
    生成されたすべての映像と音声にSynthIDの透かし

    内蔵の検出器があると主張する唯一の点。Genie 4 のすべての映像と音声には、知覚できない SynthID が入っている。

    出典 ↗

Meta が気づいたこと

記憶は普遍的な弱点だ。iWorld-Bench の要約は、どのモデルも記憶の対称性 0.85 を超えていないと記し、WorldMemBench は、260 件の出発と再訪の制御テストにもかかわらず、9 のモデルが繰り返しの再訪に失敗すると示している。

公開時点で独立した実機検証はない。Medium のまとめは、すべてのデモ映像が Google によって選ばれ、独立して検証したレビュアーはいないと記している。一方、テッククランチは2分の一貫性が Genie 3 の2倍だと報じている。

ネイティブ音声はリアルタイムのワールドモデルとして初めてだ。しかし Artificial Analysis Video Arena などの公開ベンチマークは、音声の同期を盲目的なブラインド投票によるElo で測り、移動中のプロンプト編集を検証できない。

写実性は前例のないものだと主張されているが、Google は Genie 3 より少ない仕様しか公表していない。解像度、fps、パラメータ数、VBench スコアがない一方、VBench は公開ランキングで16の項目を追跡している。

🇺🇸 Nemotron10 位まで · メモ 1 件

同じ質問に Nemotron だけが答えたものです。上の最終リストはすべての AI をまとめています。

  1. 1
    言葉によるリアルタイムの操作と持続する記憶

    Google は長いシミュレーションでのずれを認めている。iWorld-Bench はどのモデルも記憶の対称性 0.85 を超えないと示している。2分を超えて一貫性を保つ操作こそが、最大の証拠の欠落だ。

  2. 2
    世界の状態に同期するネイティブの音声生成

    生成された音声への SynthID 透かしは主張されているが、Artificial Analysis のアリーナは対話的な音声の同期を検証できず、静的な映像のペアごとの投票しか測れない。

  3. 3
    Gemini Omniによる見た目と振る舞いの一貫性の固定

    クォーツは、Gemini Omni が外見と振る舞いを固定すると報じている。しかし、対話的な移動の最中に、モダリティを越えて同一性が持続するかを測るベンチマークはない。

    出典 ↗
  4. 4
    シミュレーションの途中でも、カメラ、天気、キャラクターを言葉で変更可能

    デモでは、キーボード操作とプロンプト編集を示している。iWorld-Bench にはカメラ追従の指標があるが、エピソード途中のプロンプト編集を測るものはない。

    出典 ↗
  5. 5
    一貫した光と素材を備えた写実的なレンダリング

    Artificial Analysis のアリーナは、静的なクリップに対する盲目投票で照明と素材を測る。移動中の時間的一貫性は検証できない。

  6. 6
    映画、報道、教育、ゲーム、工学での信頼できるテスターによる有用性

    招待されたテスターに限られ、公開 API もない。実用性の主張は非公開のフィードバックに依存しており、独立した業務フローの検証はゼロ。

  7. 7
    生成されたすべての音声と映像にSynthIDの透かし

    公開時点で主張されているが、圧縮、編集、悪意ある除去の下で透かしの頑健性を独立監査したものはない。

  8. 8
    世界の一貫性を保つGeminiの推論モデル

    クォーツは一貫性の根拠として Gemini の推論を挙げている。しかし iWorld-Bench は記憶の対称性がすべてのモデルで0.85以下だと示しており、推論だけではこの差は埋まらない。

    出典 ↗
  9. 9
    エージェントの訓練への有用性(RL用のシミュレーターとしての世界モデル)

    Genie 4 を使った公開のエージェント訓練ベンチマークはない。iWorld-Bench には軌道の正確さがあるが、下流のポリシー転移は測られていない。

    出典 ↗
  10. 10
    AGIの言い回し / 世界を全般的に理解する能力

    最も高いレベルの主張で、最も測りにくい。タスク固有の指標とは別の「一般的な理解」に触れるベンチマークは存在しない。

Nemotron が気づいたこと

ブルームバーグ経由でクォーツが報じた2分の一貫性の上限は、iWorld-Bench の記憶の対称性の上限 0.85 とほぼ一致する。どちらも、長期的な状態追跡という同じ構造上のボトルネックを指している。

🇺🇸 Gemini10 位まで · メモ 2 件

同じ質問に Gemini だけが答えたものです。上の最終リストはすべての AI をまとめています。

  1. 1
    長期の記憶と、一周して元の場所に戻ったときの整合性

    テストされた14の最先端ワールドモデルのうち、iWorld-Bench で記憶の対称性 0.85 を超えたものはゼロ。Google の途切れない帰還の約束は、最も大きな未検証のギャップだ。

    出典 ↗
  2. 2
    リアルタイムの言葉による操作と場面の変化

    Artificial Analysis などのペアごとのアリーナは、静的なプロンプトの実行を評価する。途中で行うインタラクティブなプロンプト操作は、第三者によってまったくベンチマークされていない。

    出典 ↗
  3. 3
    拡張可能な身体性エージェントの訓練と、シミュレーションから現実への移行

    自律ロボット向けの訓練エンジンとして位置づけられているが、そのデモには、シミュレーションから実ロボットへの方策の転移データが一つも公開されていない。

  4. 4
    2分間の連続シミュレーションの安定性

    Google はオープンエンドのサンドボックス遊びを強調するが、独立した記者向けの説明では、構造的な幻覚が生じる前に、およそ120秒という明確な限界があることが分かった。

  5. 5
    Gemini Omniで、変化するNPCの会話を場面に結びつける

    Google は、マルチモーダルの推論モデルが非プレイヤーキャラクターの振る舞いを一貫させると主張しているが、急速な分岐を伴うプロンプトの後には、マルチエージェントの制御が日常的に同期を失う。

  6. 6
    一人称視点の3次元形状と衝突の物理

    キーボードで環境を移動すると、継続的な物体のめり込みや境界の通り抜けといった、正式な物理シミュレーターでは起こらない誤りが隠れてしまう。

    出典 ↗
  7. 7
    ネイティブの同期した多チャンネル空間音響

    対話、足音、空間音響をリアルタイムで生成する能力は、映像のみのライバルを上回るが、ストリーミング負荷下での遅延の代償は公開されていない。

    出典 ↗
  8. 8
    キー入力への素早い反応とカメラの追従

    テスターは WASD による移動機能が動くことを確認したが、高帯域の現地環境の外では、クラウドでのフレーム描画の遅延が大きく変動する。

  9. 9
    写実的な光、天気、ボリュームのある素材

    映像として最も検証しやすい主張で、リーダーボードの上位にも入っているが、映画的な照明はエージェントの機能的な能力への寄与が最も小さい。

    出典 ↗
  10. 10
    インタラクティブな音声と映像へのSynthIDの透かし

    Google のデジタルの来歴情報は技術的に確立されているが、低遅延でフレームを縮小した後にも残るかどうかについてだけ、証拠が欠けている。

Gemini が気づいたこと

記憶の上限は、2026 年の決定的な技術的障壁だ。iWorld-Bench の検証では、対話的なワールドモデルで記憶の対称性 0.85 を超えたものはない。これが、ディープマインドのデモ映像が、長い周回の移動を避けている理由を説明する。

Artificial Analysis Video Arena のような公開ランキングは、非対話的な映像のペアごとの投票のために作られており、リアルタイムの自然言語による操作を測る公開ベンチマークは業界全体に存在しない。

🇨🇳 Kimi10 位まで · メモ 4 件

同じ質問に Kimi だけが答えたものです。上の最終リストはすべての AI をまとめています。

  1. 1
    Genie 4、言葉によるリアルタイム操作と持続する記憶

    存在する唯一のベンチマーク群は、最良の対話的ワールドモデルでさえ忘れると示している。iWorld-Bench では、記憶の対称性が 0.85 を超えるモデルはなく、Genie 4 はこれで一度も試されていない。

    出典 ↗
  2. 2
    Genie 4、ネイティブの音声と対話

    Google 自身のエンジニアは、記者に対して正確な音声は「まだよく分かっていない」と語った。新機能の目玉である主張が、開発元によって数時間のうちに公に留保された。

    出典 ↗
  3. 3
    Genie 4、ロボットやエージェントの安全な訓練環境として

    エージェント訓練の有用性を示す公開された証拠は、Gemini 4 Argon がタスクをステップに分けるデモ一つだけだ。シミュレーションから実機への検証も、ベンチマークも、外部のロボット研究所もない。

    出典 ↗
  4. 4
    Genie 4、現実的な物理(空気力学、衝突)

    存在する唯一の物理の物差しは Genie 4 には届かない。WorldScore のダイナミクス指標にはモデルへのアクセスが必要で、史上最高の映像モデルでさえ、そこでのカメラ制御は 40.22/100 にとどまった。

    出典 ↗
  5. 5
    Genie 4、2分間の一貫したシミュレーション

    2分は Genie 3 の2倍だが、Google 自身のハン・チーは、ブルームバーグに対し、限界に達しても場面が保たれる「保証はない」と語った。

    出典 ↗
  6. 6
    Genie 4、移動しても物が存在し続ける

    業界自身の閉ループのテストでは、記憶が普遍的な弱点だと分かった。14 のモデルの半数以上が記憶の対称性 0.5 未満である。Google も、Genie 4 がまさにそこでずれることを認めている。

    出典 ↗
  7. 7
    Genie 4、写実性と光・素材の忠実さ

    最も見栄えのする主張が、最も小さなギャップしかない。Genie 4 の見た目を支える Gemini Omni ファミリーは、独立したブラインド投票の映像 Elo で既に上位5位に入っている。

    出典 ↗
  8. 8
    Genie 4、映画、報道、教育、ゲーム、工学での信頼できるテスターによる利用

    五つの業界、公開された成果物はゼロ。報告された業務上の主張はすべて Google の説明に遡り、テスターが成果を見せたものではない。

    出典 ↗
  9. 9
    Genie 4、「AGIへの重要な一歩」という打ち出し方

    ギャップは設計上完全だ。指標もテストも反証もなく、製品の投稿に「AGI」という言葉があるだけで、中身の点ではどの具体的な能力よりも下にある。

    出典 ↗
  10. 10
    Genie 4、生成されたすべての音声と映像にSynthIDの透かし

    リストで最も小さなギャップ。Google の透かしはすでにモデルファミリー全体に実装されており、この主張は約束ではなく、実証済みの基盤の上に立っている。

    出典 ↗

Kimi が気づいたこと

記憶はこの分野に共通する弱点だ。iWorld-Bench の閉ループの「出発点に戻る」タスクでは、対話的なワールドモデルで記憶の対称性 0.85 を超えるものはない。Genie 4 が認めた物体のずれは、すべての競合も失敗している軸にちょうど当たる。そのため、この主張は比較によってまだ反証できない。

独立した物差しは、どれも違う部分を測っている。Artificial Analysis のアリーナは固定クリップを盲目投票で評価する(移動中のプロンプト編集は検証できない)。iWorld-Bench は Genie 4 をまだ測っていない。WorldScore のダイナミクスは、Google の外の誰も持たないアクセスを必要とする。最も印象的な中核の主張であるライブでの操作には、現在、公開されたテストの仕組みが全くない。

前例は重い教訓を与える。Genie 3 は、ベンチマークも技術報告も公開しないまま市場を動かし、ウェイモのシナリオテストにも届いた。デモ映像だけで、ゲーム関連株は一セッションで22%以上下落した。つまり、証拠の欠落が採用を止めたことは、これまでなかったと明らかだ。

二つの相容れないアーキテクチャが出回っている。ディープマインドは、音声そのものを生成する、ネイティブにマルチモーダルな一つのモデルだと説明する。一方、実際に触れた記事は、Gemini 3 Argon が別々の画像('Nano Banana')と音声(Lyria)のモデルを統合していると主張する。後者が正しければ、「ネイティブ音声」の新しさはずっと小さくなる。

🇨🇳 Wenxin10 位まで · メモ 3 件

同じ質問に Wenxin だけが答えたものです。上の最終リストはすべての AI をまとめています。

  1. 1
    言葉によるリアルタイムの世界操作と持続する記憶

    デモは世界に話しかけて変えさせる様子を見せるが、すべてのベンチマークは、記憶が普遍的に最も弱い箇所だと示している。

  2. 2
    エージェントの訓練への有用性(AIエージェント向けのシミュレーション環境)

    2分の記憶が保てないなら、Google が約束する訓練に使える期間は、宣伝よりも短い。

  3. 3
    SynthIDの透かし付きの、ネイティブで同期した音声生成

    場面と一緒に動く音声は、最も偽造できない主張に聞こえる。SynthID の限界が表に出てくるまでは。

  4. 4
    テキストの指示によるカメラ、天気、キャラクターの編集

    夕焼けを変えたり、キャラクターを入れ替えたりするのは、クリックと入力だけでできる。デモは目を引くが、ベンチマークではそれを測れない。

  5. 5
    写実性と映画的なレンダリングの品質

    見た目の美しいピクセルは、いいところだけを選び出しやすい。そして、いいところだけを選んだクリップ同士を比べるのが最も難しい。

  6. 6
    信頼できるテスターだけが使え、評価は非公開

    最大の証拠の欠落は技術的なものではなく、これまでに触れたのが Google の身内だけだという点だ。

    出典 ↗
  7. 7
    世界の一貫性を支えるGeminiの推論モデル

    力仕事の裏で頭脳を担う Gemini。巧みな主張だが、Gemini 自身のベンチマークなしには中身を確かめられない。

  8. 8
    AGI / 汎用の世界モデルという言い回し

    「AGI」という言葉は、二分間のシミュレーション時間が支えられる以上の重荷を負っている。

  9. 9
    複数の形式をまたぐ行動の追従(軌道、カメラ、記憶)

    ベンチマークでほぼ測れるが、測ってみると、どのモデルも記憶でつまずく。

    出典 ↗
  10. 10
    計画中のUltra階層と公開APIへのアクセス

    API を約束するのは簡単だ。実際の業務負荷に耐える API を出せるかどうかが本当の試練だ。

Wenxin が気づいたこと

テストされたすべてのワールドモデルで、記憶の対称性が 0.85 未満であることは、Genie 4 の「一貫性」に関する最良の主張さえ不安定な土台の上に立っていることを意味する。iWorld-Bench の論文は、数少ない公開の物差しの一つだ。

ブルームバーグが報じた2分の上限は、報じられた中で最も具体的な制約だ。「暮らせる世界」を「120秒だけ見られる世界」に変えてしまう。

信頼されたテスターによる提供は、Veo 2 や Gemini 1.5 へのアクセスなど、Google の以前の AI の公開方法と同じだ。過去には、独立した測定が追いつくまでに数か月に及ぶ空白が生じた。

🇨🇳 Qwen10 位まで · メモ 2 件

同じ質問に Qwen だけが答えたものです。上の最終リストはすべての AI をまとめています。

  1. 1
    記憶を持つリアルタイムの操作

    記憶の対称性は全体で 0.85 未満にとどまる。つまり、対話的な想起こそがワールドモデルの本当のボトルネックだ。

  2. 2
    ネイティブの対話生成

    シミュレートされた世界と並んで音声をネイティブに生成するため、従来のポストプロダクション音声にある、口の動きと声のずれ(リップシンク)の問題を回避する。

    出典 ↗
  3. 3
    エージェント訓練への有用性

    ロボティクスとゲームの信頼されたテスター集団が、これは本当にシミュレーターなのか、それとも非常にきれいなスクリーンセーバーにすぎないのかを決める。

    出典 ↗
  4. 4
    長いシミュレーションの一貫性

    シミュレーションは約2分という硬い天井に当たり、認められたずれによって、環境の物理的な論理が崩れてしまう。

    出典 ↗
  5. 5
    複数の形式をまたぐ行動の追従

    移動中のプロンプト編集は、映像アリーナがまだ独立して検証できない死角のままだ。

    出典 ↗
  6. 6
    物理シミュレーション

    人間による対比較の好みは物理を順位づけするが、対話的な衝突は、目に見えない変数が時間とともに積み重なると崩れやすい。

    出典 ↗
  7. 7
    写実性

    見た目の美しいピクセルは初日には感動させるが、映像の忠実さは、力ずくのレンダリングで最も埋めやすいギャップだ。

    出典 ↗
  8. 8
    映画的な色と光

    照明と素材は静的なアリーナの対戦では高得点だが、ユーザーがカメラを180度回すと持ちこたえられない。

    出典 ↗
  9. 9
    カメラ操作

    キーボードによる世界内の移動は機能しているが、外部の基準点がなければ、正確なカメラ追従は急速に劣化する。

  10. 10
    AGIの言い回しとSynthID

    生成された音声と映像への透かしは安全上の必要性だが、ワールドモデル自体の能力は一つも増やさない。

    出典 ↗

Qwen が気づいたこと

Genie 4 は高度な物理と照明を主張しているが、Artificial Analysis Video Arena では、それを非対話的なブラインド投票による映像の比較でしか測れない。

Genie 4 のシミュレーションは現在、約2分で上限がある。その後、認められたずれが環境を劣化させ、長期の時間軸でのエージェント訓練を制限している。