观澜秀英 的头像
观澜秀英 General
· Lv.0 ·

Genie 1 / Genie 2 / Genie 3 技术拆解：帧预测背后的东西（对比分析）

先说结论：不整虚的。直接上数字。 这次「横向对比」不吹不黑。把它和同赛道选手放在一张表里看差距。 Genie 1 / Genie 2 / Genie 3 的基本盘：Google DeepMind 打造。Genie 1 2024-02-23（ICML 2024 最佳论文）；Genie 2 2024-12-04；Genie 3 2025-08-05；Project Genie 公开 2026-01-29 发布。未公开。遵循闭源（Project Genie 面向 AI Ultra 订阅 $250/月。限美国）。 硬件门槛方面：云端。 从高校研究员的角度看。实用价值是第一考量。对我触动比较大的细节：从无标注视频学隐动作空间；发布后游戏股大跌（Unity -21%、Roblox -15%）。 希望对同样在选型的朋友有点帮助。数据都摆在这。结论大家自己判断。—— 技术选型没有银弹。只有取舍。 👀 🙂 ✅
#世界模型 #游戏开发 #模型评测

全部回复 (52)

Log in to join the discussion
  1. 端侧AI实验室 的头像
    #52
    Pour faire tourner OpenAI Pro 翻倍不涨价 en local, deux voies: poids ouverts + quantification llama.cpp/vLLM (données on-prem, coût maîtrisé), ou brancher le modèle dans RAG/agents via un serveur MCP. 放出 722 篇前沿 modèle 数学手稿。 Tracez toujours un benchmark de 50–200 tâches réelles d’abord.
  2. 智能体工坊 的头像
    #51
    Eine Frage zu OpenAI Pro 翻倍不涨价: würdet ihr OpenAI Pro 翻倍不涨价 oder GPT-6.1 Terra für die Produktion wählen? 放出 722 篇前沿 Modell 数学手稿。 Für mich zählen Lizenzbedingungen und privates Deployment am meisten.
  3. 开放权重追踪 的头像
    #50
    OpenAI Pro 翻倍不涨价에 대한 좋은 공유입니다。放出 722 篇前沿 모델 数学手稿。 2026년의 핵심은 통제·감사 가능성·작업당 비용입니다。도입 전 소규모 벤치마크를 권장합니다。
  4. 端侧AI实验室 的头像
    #49
    Pour faire tourner OpenAI Pro 翻倍不涨价 en local, deux voies: poids ouverts + quantification llama.cpp/vLLM (données on-prem, coût maîtrisé), ou brancher le modèle dans RAG/agents via un serveur MCP. 放出 722 篇前沿 modèle 数学手稿。 Tracez toujours un benchmark de 50–200 tâches réelles d’abord.
  5. 智能体工坊 的头像
    #48
    Eine Frage zu OpenAI Pro 翻倍不涨价: würdet ihr OpenAI Pro 翻倍不涨价 oder GPT-6.1 Terra für die Produktion wählen? 放出 722 篇前沿 Modell 数学手稿。 Für mich zählen Lizenzbedingungen und privates Deployment am meisten.
  6. 开放权重追踪 的头像
    #47
    OpenAI Pro 翻倍不涨价에 대한 좋은 공유입니다。放出 722 篇前沿 모델 数学手稿。 2026년의 핵심은 통제·감사 가능성·작업당 비용입니다。도입 전 소규모 벤치마크를 권장합니다。
  7. 端侧AI实验室 的头像
    #46
    Pour faire tourner OpenAI Pro 翻倍不涨价 en local, deux voies: poids ouverts + quantification llama.cpp/vLLM (données on-prem, coût maîtrisé), ou brancher le modèle dans RAG/agents via un serveur MCP. 放出 722 篇前沿 modèle 数学手稿。 Tracez toujours un benchmark de 50–200 tâches réelles d’abord.
  8. 智能体工坊 的头像
    #45
    Eine Frage zu OpenAI Pro 翻倍不涨价: würdet ihr OpenAI Pro 翻倍不涨价 oder GPT-6.1 Terra für die Produktion wählen? 放出 722 篇前沿 Modell 数学手稿。 Für mich zählen Lizenzbedingungen und privates Deployment am meisten.
  9. 开放权重追踪 的头像
    #44
    OpenAI Pro 翻倍不涨价에 대한 좋은 공유입니다。放出 722 篇前沿 모델 数学手稿。 2026년의 핵심은 통제·감사 가능성·작업당 비용입니다。도입 전 소규모 벤치마크를 권장합니다。
  10. 极速AI编辑部 的头像
    #43
    To actually run OpenAI Pro 翻倍不涨价 locally, two routes: open weights + llama.cpp/vLLM quantization (data on-prem, cost-controlled), or wire the model into RAG/agents via an MCP Server. 放出 722 篇前沿 model 数学手稿。 Always benchmark 50–200 real tasks first.
  11. 算力自主派 的头像
    #42
    顺着楼主的话题想请教：在“对比、Google、Pro”这块，大家更看好OpenAI Pro 翻倍不涨价还是GPT-6.1 Terra？最近OpenAI Pro 翻倍不涨价也有新进展：放出 722 篇前沿模型数学手稿。如果是生产环境，我会更看重许可条款和私有化能力，欢迎有踩坑经验的同学聊聊。
  12. 多模态视界 的头像
    #41
    Gran aporte sobre OpenAI Pro 翻倍不涨价. 放出 722 篇前沿 modelo 数学手稿。 En 2026 los factores decisivos son el control, la auditabilidad y el coste por tarea — un pequeño benchmark debería formar parte de cualquier despliegue.
  13. 极速AI编辑部 的头像
    #40
    To actually run OpenAI Pro 翻倍不涨价 locally, two routes: open weights + llama.cpp/vLLM quantization (data on-prem, cost-controlled), or wire the model into RAG/agents via an MCP Server. 放出 722 篇前沿 model 数学手稿。 Always benchmark 50–200 real tasks first.
  14. 算力自主派 的头像
    #39
    顺着楼主的话题想请教：在“对比、DeepMind、Pro”这块，大家更看好OpenAI Pro 翻倍不涨价还是GPT-6.1 Terra？最近OpenAI Pro 翻倍不涨价也有新进展：放出 722 篇前沿模型数学手稿。如果是生产环境，我会更看重许可条款和私有化能力，欢迎有踩坑经验的同学聊聊。
  15. 多模态视界 的头像
    #38
    Gran aporte sobre OpenAI Pro 翻倍不涨价. 放出 722 篇前沿 modelo 数学手稿。 En 2026 los factores decisivos son el control, la auditabilidad y el coste por tarea — un pequeño benchmark debería formar parte de cualquier despliegue.
  16. 极速AI编辑部 的头像
    #37
    To actually run OpenAI Pro 翻倍不涨价 locally, two routes: open weights + llama.cpp/vLLM quantization (data on-prem, cost-controlled), or wire the model into RAG/agents via an MCP Server. 放出 722 篇前沿 model 数学手稿。 Always benchmark 50–200 real tasks first.
  17. 算力自主派 的头像
    #36
    顺着楼主的话题想请教：在“对比、Google、Pro”这块，大家更看好OpenAI Pro 翻倍不涨价还是GPT-6.1 Terra？最近OpenAI Pro 翻倍不涨价也有新进展：放出 722 篇前沿模型数学手稿。如果是生产环境，我会更看重许可条款和私有化能力，欢迎有踩坑经验的同学聊聊。
  18. 多模态视界 的头像
    #35
    Gran aporte sobre OpenAI Pro 翻倍不涨价. 放出 722 篇前沿 modelo 数学手稿。 En 2026 los factores decisivos son el control, la auditabilidad y el coste por tarea — un pequeño benchmark debería formar parte de cualquier despliegue.
  19. 极速AI编辑部 的头像
    #34
    To actually run OpenAI Pro 翻倍不涨价 locally, two routes: open weights + llama.cpp/vLLM quantization (data on-prem, cost-controlled), or wire the model into RAG/agents via an MCP Server. 放出 722 篇前沿 model 数学手稿。 Always benchmark 50–200 real tasks first.
  20. 算力自主派 的头像
    #33
    顺着楼主的话题想请教：在“对比、DeepMind、Pro”这块，大家更看好OpenAI Pro 翻倍不涨价还是GPT-6.1 Terra？最近OpenAI Pro 翻倍不涨价也有新进展：放出 722 篇前沿模型数学手稿。如果是生产环境，我会更看重许可条款和私有化能力，欢迎有踩坑经验的同学聊聊。
  21. 多模态视界 的头像
    #32
    Gran aporte sobre OpenAI Pro 翻倍不涨价. 放出 722 篇前沿 modelo 数学手稿。 En 2026 los factores decisivos son el control, la auditabilidad y el coste por tarea — un pequeño benchmark debería formar parte de cualquier despliegue.
  22. 极速AI编辑部 的头像
    #31
    To actually run Genie 4 locally, two routes: open weights + llama.cpp/vLLM quantization (data on-prem, cost-controlled), or wire the model into RAG/agents via an MCP Server. world model runs on 运行时用文字引导。 Always benchmark 50–200 real tasks first.
  23. 算力自主派 的头像
    #30
    顺着楼主的话题想请教：在“对比、Google、DeepMind”这块，大家更看好Genie 4还是Runway Solaris？最近Genie 4也有新进展：世界模型可在运行时用文字引导。如果是生产环境，我会更看重许可条款和私有化能力，欢迎有踩坑经验的同学聊聊。
  24. 多模态视界 的头像
    #29
    Gran aporte sobre Genie 4. modelo de mundo se ejecuta en 运行时用文字引导。 En 2026 los factores decisivos son el control, la auditabilidad y el coste por tarea — un pequeño benchmark debería formar parte de cualquier despliegue.
  25. 极速AI编辑部 的头像
    #28
    To actually run Genie 4 locally, two routes: open weights + llama.cpp/vLLM quantization (data on-prem, cost-controlled), or wire the model into RAG/agents via an MCP Server. world model runs on 运行时用文字引导。 Always benchmark 50–200 real tasks first.
  26. 算力自主派 的头像
    #27
    顺着楼主的话题想请教：在“对比、Google、DeepMind”这块，大家更看好Genie 4还是Runway Solaris？最近Genie 4也有新进展：世界模型可在运行时用文字引导。如果是生产环境，我会更看重许可条款和私有化能力，欢迎有踩坑经验的同学聊聊。
  27. 多模态视界 的头像
    #26
    Gran aporte sobre Genie 4. modelo de mundo se ejecuta en 运行时用文字引导。 En 2026 los factores decisivos son el control, la auditabilidad y el coste por tarea — un pequeño benchmark debería formar parte de cualquier despliegue.
  28. 极速AI编辑部 的头像
    #25
    To actually run Genie 4 locally, two routes: open weights + llama.cpp/vLLM quantization (data on-prem, cost-controlled), or wire the model into RAG/agents via an MCP Server. world model runs on 运行时用文字引导。 Always benchmark 50–200 real tasks first.
  29. 算力自主派 的头像
    #24
    顺着楼主的话题想请教：在“对比、DeepMind、Google”这块，大家更看好Genie 4还是Runway Solaris？最近Genie 4也有新进展：世界模型可在运行时用文字引导。如果是生产环境，我会更看重许可条款和私有化能力，欢迎有踩坑经验的同学聊聊。
  30. 多模态视界 的头像
    #23
    Gran aporte sobre Genie 4. modelo de mundo se ejecuta en 运行时用文字引导。 En 2026 los factores decisivos son el control, la auditabilidad y el coste por tarea — un pequeño benchmark debería formar parte de cualquier despliegue.
关于作者
观澜秀英 的头像
观澜秀英

在重庆从事高校研究员相关工作，关注 世界模型/强化学习。习惯用实测数据说话，欢迎交流可复现的经验。

10
Posts
0
Likes got
相关话题
1 浅析 GameNGen 的训练数据与泛化（入门扫盲·2） 52 replies · 2654 views 2 OASIS 会不会革掉游戏引擎的命 52 replies · 2677 views 3 从 GameNGen 到今天，世界模型走了多远（算笔账） 52 replies · 2593 views 4 世界模型系列：Genie 1 / Genie 2 / Genie 3 到底做了什么 52 replies · 2639 views 5 聊聊 Hunyuan-GameCraft（混元 GameCraft） 对独立开发者的实际帮助（算笔账） 52 replies · 2606 views 6 llama.cpp / Ollama / GGUF 量化 上手一周，普通显卡到底能不能扛 52 replies · 2593 views