Odyssey-3 vs FLUX 3 Video: Ein Simulator und ein Renderer sind nicht dasselbe Werkzeug

Odyssey-3 und FLUX 3 Video werden miteinander verglichen, weil beide Video von einer Welt erzeugen, die es nicht gibt, und ungefähr dort endet die Ähnlichkeit auch schon. FLUX 3 Video ist das Generierungsmodell von Black Forest Labs, allgemein verfügbar seit dem 4. August 2026, das einen Prompt oder ein Startbild in bis zu zwanzig Sekunden 1080p-SDR-MP4 mit nativem Audio verwandelt, wobei pro Sekunde Ausgabe abgerechnet wird. Odyssey-3 ist das Foundation-World-Modell von Odyssey, vorgestellt am 15. September 2026 und noch nicht öffentlich verfügbar, das simuliert, wie sich eine Szene unter Aktionen entwickelt, und einen erlernten Decoder anhängt, um diese Simulation in Motorbefehle für einen Roboterarm, einen Humanoiden, ein Auto oder eine Drohne umzuwandeln. Das eine ist ein Renderer: Er erzeugt Beobachtungen für einen Menschen zum Anschauen. Das andere ist ein Simulator: Er erzeugt einen Zustand, auf dessen Grundlage ein Programm handeln kann. Sie direkt gegeneinander antreten zu lassen, ist trotzdem nützlich – nicht, um einen Sieger zu küren, sondern weil die beiden Dinge, die sie ausgeben, die zwei verschiedenen Dinge sind, die viele Teams derzeit mit einem einzigen Budgetposten zu kaufen versuchen.

Der Unterschied ist, was aus dem Modell herauskommt.

Die sauberste Möglichkeit, die Unterscheidung zu fassen, ist die Taxonomie für Weltmodelle, die World Labs veröffentlicht hat; sie sortiert Systeme danach, welchen Teil der Wahrnehmungs-Handlungs-Schleife sie ausgeben. Ein Renderer gibt Beobachtungen aus – Pixel für menschliche Augen, nach visueller Wiedergabetreue beurteilt. Ein Simulator gibt Zustand aus – eine Repräsentation der Welt, die geometrisch und physikalisch getreu genug ist, damit sowohl Menschen als auch Programme darauf rechnen können. Ein Planer gibt Aktionen aus. FLUX 3 Video ist eindeutig ein Renderer – und ein hervorragender. Odyssey-3 zielt auf die Simulator-Spalte, mit einem Fuß in der Planer-Spalte, denn der Aktionsdecoder ist das, was die Simulation Hardware ansteuern lässt.

Das ist keine Marketing-Unterscheidung, und dafür gibt es einen praktischen Test. Rendere einen Raum mit einem Videomodell, beweg deinen Blickpunkt aus ihm heraus und dreh dich um: Die Möbel stehen möglicherweise nicht dort, wo du sie zurückgelassen hast, weil das Modell Bild für Bild vorhergesagt und nie eine persistente Welt aufrechterhalten hat. Frag einen Simulator dasselbe, und die Antwort soll stabil sein, weil das Entscheidende am Modell der Zustand unter den Frames ist. Die eigene Ankündigung von Odyssey stützt sich darauf — der Grund, ein Dynamikmodell statt eines Videogenerators zu bauen, ist, dass eine darin trainierte Policy evaluiert und verbessert werden kann, nicht nur angeschaut.

FLUX 3 Video, genauer gesagt

Black Forest Labs hat FLUX 3 Video am 4. August 2026 veröffentlicht, und sein Datenblatt zielt auf Produktionsergebnisse statt auf Simulation ab. Es generiert bis zu zwanzig Sekunden in einem einzigen Durchlauf bei bis zu 1080p, in SDR, als MP4, mit nativem Audio, das zusammen mit dem Bild erzeugt wird. Die Preisgestaltung erfolgt pro Sekunde generierten Videos: eine Draft-720p-Stufe für 0,06 $ pro Sekunde, eine Standard-720p-Stufe für 0,17 $ und 1080p für 0,29 $, wobei Video-zu-Video-Arbeiten darüber liegen. Dies sind Herstellerangaben.

Die einzige Benchmark-Zahl, die Black Forest Labs dafür angibt, ist ein internes Elo von 1.135 für Text-zu-Video – eine vom Anbieter durchgeführte Evaluierung, die nicht unabhängig reproduziert wurde. FLUX 3 Video erscheint derzeit nicht in den unabhängigen Video-Leaderboards. Betrachten Sie das Ranking als Behauptung. Was nicht infrage steht, ist die Bereitstellung: eine bepreiste, dokumentierte API mit sekundengenauer Abrechnung, die heute eine Datei zurückliefert.

Odyssey-3, genauer gesagt

Odyssey-3 ist eine Vorschau – mit einer Architektur, aber ohne Preis. Es ist ein autoregressiver Diffusions-Transformer, der auf visueller Beobachtung trainiert wurde, und sein herausstechendes Merkmal ist der Aktionsdecoder – „eine erlernte Ausgabekomponente, die an das Weltmodell angehängt wird", wie Odyssey es formuliert –, der auf Beobachtungs-Aktions-Paaren trainiert wird, um die interne Repräsentation des Modells in die Aktionen zu übersetzen, die eine bestimmte Hardware benötigt. Odyssey berichtet, dass er Roboterarme anhand von Dutzenden Stunden Demonstrationen steuert, humanoide Policies in Echtzeit mit Flexion erstellt, geschlossenes Fahren aus 20 Stunden simulierter Daten, Hindernis vermeidenden Drohnenflug in Innenräumen sowie ausgedehntes Spielen in Grand Theft Auto V mit Transfer zu Red Dead Redemption 2 und Sleeping Dogs ermöglicht, ohne zusätzliches Policy-Training in diesen Titeln. Das Unternehmen berichtet außerdem eine Vergleichszahl: Auf Simulation trainierte Fahr-Policies legten zwischen Eingriffen des Sicherheitsfahrers etwa 77 % der Strecke zurück, die mit echtem Filmmaterial trainierte Policies zurücklegten. Es gibt keine unabhängigen Benchmarks, keinen technischen Bericht zu Odyssey-3 und kein Veröffentlichungsdatum über „in den kommenden Wochen" hinaus. Jede Zahl stammt von Odyssey selbst.

Der Kontrast, Dimension für Dimension

• Was dabei herauskommt — FLUX 3 Video: eine MP4-Datei aus Pixeln. Odyssey-3: ein simulierter Weltzustand plus motorische Aktionen über den Action-Decoder.

• Wer es konsumiert — FLUX 3 Video: eine Person, die zuschaut, oder ein Editor, der einen Schnitt fertigstellt. Odyssey-3: ein Roboter-Controller, eine Fahrpolitik oder ein RL-Agent, der trainiert wird.

• Maximale Ausgabe — FLUX 3 Video: bis zu 20 s in einem Durchgang, bis zu 1080p SDR, nativer Ton. Odyssey-3: kontinuierlicher Rollout, solange die Simulation trägt, bei der Bildrate, die das jeweilige Deployment erfordert.

• Preis — FLUX 3 Video: $0.06/s Entwurf 720p, $0.17/s 720p, $0.29/s 1080p (Anbieter). Odyssey-3: keine veröffentlicht.

• Verfügbarkeit — FLUX 3 Video: allgemein verfügbar (GA) seit 2026-08-04. Odyssey-3: Vorschau, öffentlich „in den kommenden Wochen“.

• Benchmarks — FLUX 3 Video: Hersteller-Elo 1.135 T2V, nicht reproduziert, auf unabhängigen Vergleichsportalen nicht vertreten. Odyssey-3: keine Benchmark-Tabelle, ein einziger Sim-to-Real-Wert des Herstellers.

Die Preis asymmetrie ist die ehrliche Schlagzeile

Eines von beiden hat einen Preis, das andere nicht, und genau dieser eine Umstand sagt dir mehr über die Wahl zwischen ihnen als jede Aussage über Fähigkeiten. FLUX 3 Video hat verbrauchsabhängige Kosten pro Sekunde Ausgabe, sodass ein Team die Kosten für hundert Clips berechnen kann, bevor der erste generiert wird. Odyssey-3 hat keinen veröffentlichten Preis, keine API und kein Datum, weshalb die Kosten für seine Nutzung derzeit unbekannt sind — und ebenso die Gestalt der Rechnung. Weltmodelle der Art, die Odyssey beschreibt, werden üblicherweise ganz anders abgerechnet als Videogenerierung: nicht pro Sekunde schöner Pixel, sondern pro Stunde Simulation, weil der Abnehmer eine Trainingsschleife ist, die über Millionen von Schritten laufen kann. 0,29 US-Dollar pro Sekunde mit nichts zu vergleichen ist kein Vergleich, und jede Seite, die es als einen darstellt, füllt eine Lücke mit einer Vermutung.

Wo sie sich tatsächlich treffen würden

Die beiden sind kein Ersatz füreinander, und die interessantere Frage ist, ob sie sich kombinieren lassen. FLUX 3 Video ist das bessere Werkzeug für alles, wo das Ergebnis eine Datei ist, die ein Mensch anschaut: eine Produktaufnahme, eine Werbevariante, ein Social-Cutdown, eine Previsualisierung. Odyssey-3, wenn es liefert, ist das bessere Werkzeug für alles, wo das Ergebnis eine Policy ist, die in der physischen Welt funktionieren muss, oder eine Szene, über die ein Programm Schlussfolgerungen anstellen muss. In einer Film- oder Spiel-Pipeline ist die plausible Anordnung kein Entweder-oder – ein Weltmodell erzeugt eine interaktive Umgebung, und ein Renderer erzeugt die ausgefeilten Frames, die das Haus verlassen.

Bei dieser Komposition gibt es heute eine echte Grenze, und zwar die SDR-Grenze. FLUX 3 Video gibt SDR-MP4 aus. Odyssey-3 gibt eine simulierte Umgebung aus, keine gegradete Datei. Keines von beiden ist ein HDR-Finishing-Tool, daher benötigt eine Pipeline, die in einem Broadcast- oder Kino-Deliverable endet, nach beiden noch einen Mastering-Schritt.

Routing und was es hier abdeckt und was nicht.

Keines der beiden Modelle ist heute über OrcaRouter routbar. FLUX 3 Video wird über die eigene API von Black Forest Labs und mehrere Drittplattformen ausgeliefert; Odyssey-3 ist bei niemandem verfügbar, weil es nicht veröffentlicht ist. Wo eine Routing-Schicht in einer Pipeline wie dieser ihren Platz verdient, ist in der Ebene über dem Videomodell – das Sprachmodell, das die Shot-Liste entwirft, das Vision-Modell, das das generierte Bild mit dem Briefing abgleicht, das Transkriptionsmodell, das einen aufgezeichneten Voiceover in Untertitel verwandelt. Das sind gewöhnliche geroutete Workloads, und sie laufen über eine einzige API über mehr als 200 Modelle zum Listenpreis des Anbieters bei 0 % Aufschlag, sodass eine Preissenkung eines Anbieters noch am selben Tag auf Ihrer Rechnung ankommt und nicht erst bei der nächsten Vertragsverlängerung. Die Routing-DSL ist das entscheidende Element für eine mehrstufige Pipeline: mehrere Modelle, die in einem einzigen Aufruf zusammengefasst werden, mit automatischem Failover, wenn ein Anbieter beeinträchtigt ist, damit ein Rendering-Schritt nicht fehlschlägt, weil der Endpunkt des Prompt-Modells einen schlechten Nachmittag hat. Nichts davon hostet FLUX 3 Video oder Odyssey-3, und dieser Artikel behauptet nichts anderes.

Welches, für wen?

Wenn dein Liefergegenstand eine Datei ist – ein Clip, ein Cutdown, eine Previsualisierung –, dann ist FLUX 3 Video dasjenige, das du heute kaufen kannst, zu einem veröffentlichten Preis pro Sekunde, mit nativem Audio und einer Ausgabe von zwanzig Sekunden in einem einzigen Durchlauf, und die Elo-Angabe des Anbieters ist ein vernünftiger Bonus und nicht der Grund, es zu wählen. Wenn dein Liefergegenstand ein Controller ist, der auf Hardware funktionieren muss, dann ist Odyssey-3 das Produkt, das auf dein Problem abzielt, und der ehrliche Rat lautet, zu warten: Es gibt noch keinen Preis, kein Datum und keine unabhängige Kennzahl, und die Sim-to-Real-Zahl von 77 % ist eine Odyssey-eigene und nicht reproduzierte Angabe.

Worauf es zu achten gilt, ist nicht, welches Modell gewinnt, denn sie treten nicht gegeneinander an. Es ist, ob der Aktionsdecoder von Odyssey-3 über die sechs Embodiments hinweg generalisiert, die die Ankündigung auflistet, sobald externe Gruppen ihn ausführen können. Das ist die Behauptung mit dem größten Potenzial, falls sie zutrifft, und die derzeitige Evidenz dafür ist eine Liste von Demonstrationen statt einer Messung.