Apollo World vs. Odyssey 3: Zwei Wege, einem Auto in einem Traum etwas beizubringen

Odyssey-3 ist das einzige Modell in diesem Vergleich, für das ein Preis angegeben ist, also fangen wir dort an: rund 0,139 US-Dollar für ein generiertes Video mit 832 × 480 oder 0,267 US-Dollar mit 1280 × 720 im Pro-Tarif, veröffentlicht als kostenlose Forschungsvorschau am 8. Oktober 2026 und verfügbar über ein Kontaktformular statt über einen Self-Serve-Schlüssel. Apollo World hat keinen Preis, weil Baidu keinen dafür angegeben hat. Das Unternehmen stellte das Modell am 3. November 2026 als agentengesteuerten Simulator vor, der seine eigene Robotaxi-Flotte trainiert und bewertet, und veröffentlichte weder einen Endpoint noch Gewichte, eine Parameteranzahl oder kommerzielle Bedingungen. Beide sind Weltmodelle. Für beide wurde gezeigt, dass sie eine Fahrpolitik trainieren. Nur eines davon ist ein Produkt, und es ist nicht das, das von dem Unternehmen gebaut wurde, das die Autos betreibt.

Diese Umkehrung ist die eigentliche Geschichte. Odyssey ist ein risikokapitalfinanziertes Startup, das Vorstellungskraft clipweise verkauft; Baidu ist ein Betreiber, der Vorstellungskraft nutzt, um keinen Safety Driver in ein echtes Auto setzen zu müssen. Sie lösen dasselbe Problem von entgegengesetzten Enden des Marktes aus.

Was $0.139 tatsächlich kauft

Odyssey-3 ist ein autoregressiver Diffusions-Transformer mit rund 14 Milliarden Parametern, trainiert auf Internetvideos, Gameplay-Material mit zeitlich ausgerichtetem Input und simulierten Starrkörper-Interaktionen. Er wird zu einem Few-Step-Modell destilliert, sodass eine Person die Ausgabe in Echtzeit navigieren kann: Man gibt eine Umgebung per Prompt vor und bewegt sich dann in der ersten oder dritten Person durch sie, mit unabhängiger Kamerasteuerung und der Möglichkeit, Ereignisse auszulösen.

• Base tier — 832 × 480, ca. 0,139 $ pro generiertem Video, 16 Bilder pro Sekunde im Benchmark-Harness.

• Pro-Tarif – 1280 x 720, etwa 0,267 $ pro Video.

Flash — die Variante hinter der kostenlosen Browser-Demo, die jeder ohne Konto ausprobieren kann.

• Zugang — eine kostenlose öffentliche Forschungsvorschau im Browser; API-Zugang per Kontaktformular; keine Self-Service-Schlüssel, keine veröffentlichte Preistabelle pro Token, keine offenen Gewichte und keine Lizenz.

Das Fehlen von Self-Service ist eine echte Einschränkung, keine Fußnote. Sie können Odyssey-3 nicht heute Nachmittag an Ihrer eigenen Workload benchmarken, so wie Sie es mit einem Open-Weight-Modell können. Sie können die Demo ausprobieren und mit dem Vertrieb sprechen. Für ein Team, das Weltmodelle als Infrastruktur bewertet, ist das eine andere Art von Reibung als ein Preis.

Das 20-Stunden-Straßenexperiment in Indien

Die Demonstration, die für diesen Vergleich relevant ist, ist eine Fahrpolitik, die mit etwa 20 Stunden realer indischer Straßendaten mit einem eingefrorenen Backbone trainiert wurde, innerhalb der von Odyssey generierten Welten. Das Unternehmen zeigte auch Roboterarm-Manipulation, die aus Dutzenden Stunden von Demonstrationen gelernt wurde, einschließlich Wiederherstellungsverhaltensweisen, die nicht in den Trainingsdaten enthalten waren, humanoide Politiken, die mit Flexion erstellt wurden, Drohnen-Navigation und eine auf GTA V trainierte Politik, die auf Red Dead Redemption 2 übertragen wurde.

Diese Demos sind das stärkste Argument für ein allgemeines Video-Weltmodell als Trainingssubstrat: Wenn eine Policy aus Aufnahmen eines Spiels lernen und auf ein anderes Spiel übertragen werden kann, hat das Modell etwas über Dynamik statt über Pixel erfasst. Aber es sind Demonstrationen, keine Messungen. Es gibt keine veröffentlichte Erfolgsquote für die Aufgabe mit indischen Straßen, keine Baseline gegenüber Training in der realen Welt und keine Ablation, die zeigt, welcher Teil der generierten Welt die Arbeit geleistet hat. Die Behauptung ist, dass es möglich ist. Die Behauptung ist nicht, dass es besser ist.

Baidus Ansatz ist die industrielle Version derselben Idee, mit nach innen gerichteter Bewertung. Apollo World modelliert jeden Verkehrsteilnehmer als einen Akteur, der Entscheidungen trifft, statt als Requisite, die einem Skript folgt, sodass ein bremsendes oder Vorfahrt gewährendes Robotaxi eine Reaktion der umliegenden Autos und Fußgänger hervorruft. Es erzeugt Kamera- und Lidardaten in Echtzeit, sodass der getestete Stack die virtuelle Stadt über dieselbe Schnittstelle wahrnimmt, die er auf der Straße verwendet. Und es schließt Fahrten durchgängig ab – Bestellung, Abholung, Absetzen – über beliebige Start- und Zielorte hinweg.

Die Angabe zum Umfang beläuft sich auf rund 100.000 Kilometer simuliertes Fahren pro Tag, was Baidu als etwa drei Jahre kontinuierlichen Testbetriebs mit einem mit Sicherheitsfahrer ausgestatteten Fahrzeug darstellt. Der Betriebskontext ist Apollo Go: 28 Städte, mehr als 23 Millionen Fahrten, 350 Millionen autonome Kilometer und mehr als 240 Millionen vollständig fahrerlos gefahrene Kilometer. Jede dieser Zahlen stammt von Baidu selbst, und keine wurde unabhängig geprüft.

Die Benchmark-Arithmetik, aus der sich lernen lässt

Odyssey veröffentlichte einen plakativen Wert für Odyssey-3 Pro auf Physics-IQ Verified, einem Video-zu-Video-Benchmark für physikalisches Schlussfolgern: 66,1, beschrieben als State of the Art. Der Haken liegt in der Methode. Dieser Wert stammte aus einem einzelnen Lauf mit Best-of-Eight-Auswahl, während die Regeln des Benchmarks vier Läufe mit einer berichteten Standardabweichung verlangen. Ohne Auswahl lag der Durchschnitt über vier Läufe bei 63,37.

Beide Zahlen gehören zu Odyssey. Die Differenz zwischen ihnen – 2,73 Punkte – ist der Preis dafür, aus acht Stichproben die beste auszuwählen und sie als Score zu bezeichnen. Gemessen an der eigenen Kennzahl des Benchmarks für die Nettoverbesserung gegenüber dem Track-Durchschnitt, belegt Odyssey-3 Pro mit +11,15 Prozentpunkten den zweiten Platz, hinter FLUX 3 [large] mit +12,27. Bei WorldMark, Odysseys eigener Evaluierung, ist das Modell in drei von vier Kategorien Erster – 77,2 bei stilisierter Ich-Perspektive, 79,0 bei realer Dritte-Person, 76,3 bei stilisierter Dritte-Person – und Dritter bei realer Ich-Perspektive mit 80,6, hinter Lyra 2.0 mit 84,4 und AlayaWorld mit 83,0.

Nichts davon ist ein Skandal. Eine Best-of-Eight-Zahl und den Durchschnitt aus vier Läufen zu veröffentlichen, wie es Odyssey in seiner Berichterstattung getan hat, ist mehr Transparenz, als die meisten Labore bieten. Aber genau deshalb ist ein Vergleich zwischen Odyssey-3 und Apollo World anhand von Benchmark-Werten nicht möglich: Die eine Seite hat Zahlen mit einer dokumentierten Methode und einen Streit über die Auswahl, die andere hat überhaupt keine Zahlen. Die ehrliche Tabelle hätte eine Spalte mit Werten und eine Spalte mit Strichen, und eine Tabelle mit einer Spalte voller Striche ist kein Vergleich.

Zwei Definitionen von Echtzeit

Beide Modelle beanspruchen Echtzeitbetrieb, doch die beiden Aussagen beziehen sich nicht auf dieselbe Größe. Odyssey-3 läuft in seiner Benchmark-Umgebung bei 832 × 480 mit 16 Bildern pro Sekunde – schnell genug, dass eine Person eine Kamera ohne Wartezeit durch die Welt steuern kann, was das Produkt benötigt. Apollo World basiert auf einem Entscheidungszyklus von einer Dreißigstelsekunde, also etwa 33 Millisekunden, weil ein Straßenfahrzeug, das mit Geschwindigkeit unterwegs ist, nicht länger als das warten kann, um zu handeln.

Sechzehn Bilder pro Sekunde sind 62,5 Millisekunden pro Bild. Das ist keine Kritik an Odyssey, das nicht den Anspruch erhebt, ein Fahrzeugsimulator zu sein; es veranschaulicht, wie unterschiedlich die beiden Systeme spezifiziert sind. Ein Modell, das ein Mensch erkundet, kann es sich leisten, etwas zu spät zu sein. Ein Modell, das mit einem zwei Tonnen schweren Auto einen Regelkreis schließt, nicht.

Dieselbe Spaltung zeigt sich bei der Persistenz. Odysseys eigene Bewertung setzt sie in First-Person-Szenen der realen Welt auf den dritten Platz, und Langzeit-Drift ist der klassische Fehler autoregressiver Videos: Die Welt hört langsam auf, mit sich selbst übereinzustimmen. Baidu führt Persistenz als eine von drei abgestuften Eigenschaften auf und definiert sie als die Abwesenheit von Drift bei Objekten und Details über lange Läufe – eine Spezifikation, die jemand geschrieben hat, der gesehen hat, wie eine Simulation über zehn Stunden hinweg zunehmend verfällt.

Wer was nutzen kann und was es kostet

Odyssey-3 ist heute für jeden mit einem Browser nutzbar und für jeden, der ein Verkaufsgespräch führt. Bei 0,139 bis 0,267 US-Dollar pro Video sind die Stückkosten für Content-Arbeit und für Forschung, die ein paar tausend Clips benötigt, nachvollziehbar. Es ist ein kommerzielles Produkt mit einem kostenlosen Tarif, und das Fehlen offener Gewichte ist eine bewusste Entscheidung und kein Versehen.

Apollo World ist heute für niemanden außerhalb von Baidu nutzbar. Es gibt in den Unterlagen vom 3. November keinen Hinweis darauf, dass sich dies ändert, und die Offenlegung war vollständig auf Apollo Gos eigene Tests und Validierung ausgerichtet.

Preisvergleiche zwischen den beiden sind daher in keiner Hinsicht direkt vergleichbar. Odyssey rechnet pro generiertem Video ab; Baidu stellt niemandem etwas in Rechnung. Und für die Modelle, die wir führen, gilt bei OrcaRouter die schlichte Regel — 0 % Aufschlag, der Listenpreis des Anbieters wird durchgereicht, sodass eine Preisänderung eines Anbieters noch am selben Tag wirksam ist. Odyssey-3 ist nicht in diesem Katalog, daher gibt es keinen Durchreichpreis zu nennen, und dieser Artikel wird keinen erfinden.

Das Urteil, so wie es ist

Wenn Sie in diesem Quartal eine Policy in der Vorstellung trainieren möchten und nicht bei Baidu arbeiten, ist Odyssey-3 das zugänglichere Instrument – mit der Einschränkung, dass „zugänglich“ eine Demo und ein Kontaktformular bedeutet. Seine Demonstration einer Fahr-Policy ist der direkteste relevante öffentliche Beleg dafür, dass ein allgemeines Video-Weltmodell als Trainingsgrundlage für verkörperte Steuerung dienen kann, und dass das Unternehmen sowohl die Schlagzeile als auch den Durchschnitt aus vier Durchläufen veröffentlicht, ist ein Pluspunkt zu seinen Gunsten.

Wenn Sie einen Simulator spezifizieren, statt einen zu kaufen, ist die 2+3-Bewertungsmatrix von Apollo World das wertvollere Artefakt: Kausalität, Interaktivität, physikalische Genauigkeit, Persistenz und Latenz unter Komplexität. Fragen Sie Odyssey oder einen beliebigen Anbieter, wie ihr Modell bei der Persistenz über einen zehnstündigen Lauf abschneidet und ob die Physik-Benchmark-Zahl ausgewählt oder gemittelt wurde. Die Antworten sagen Ihnen mehr als jede Leaderboard-Position.

Was den Vergleich entscheiden würde, wäre ein Dritter, der beide auf derselben Fahraufgabe mit derselben Policy und derselben Metrik laufen lässt. Das hat niemand getan, und keines der beiden Unternehmen hat es vorgeschlagen. Bis dahin lautet die zutreffende Zusammenfassung: ein Startup, das Traumaufnahmen clipweise verkauft, und ein Betreiber, der Träume nutzt, um seine Autos von der Straße zu halten – ähnliche Ideen, entgegengesetzte Geschäftsmodelle und keine gemeinsame Anzeigetafel.