Odyssey-3 vs. Google Veo 3.1: Frontier-Physik gegen zehn Monate Produktion

Der Vergleich zwischen Odyssey-3 und Veo 3.1 ist eigentlich ein Vergleich zwischen zwei Datumsangaben. Veo 3.1 ist seit dem 17. November 2025 allgemein verfügbar – zehn Monate Produktiveinsatz, veröffentlichte Preise pro Sekunde, natives 4K und ein Serving-Stack, der mindestens einmal ein Enterprise-Review durchlaufen hat. Odyssey-3 wurde am 15. September 2026 von Odyssey als Preview vorgestellt, hat keinen veröffentlichten Preis, keine API-Dokumentation, keinen unabhängigen Benchmark und als Release-Fenster lediglich „die kommenden Wochen“. Trotzdem lohnt es sich, sie nebeneinanderzustellen, denn der Grund, warum sie gemeinsam genannt werden, ist real: Veo 3.1 rendert wunderschönes Video, und Odyssey-3 versucht, eine Welt zu simulieren, die sich unter Steuerung korrekt verhält. Das sind die beiden unterschiedlichen Produkte, die Teams immer wieder unter dem Wort „Video“ vermischen, und genau in der Kluft zwischen ihnen liegt die Kaufentscheidung.

Was dir zehn Monate des Auslieferns bringen

Der Vorteil von Veo 3.1 ist kein Feature, sondern die verstrichene Zeit. Das Modell ist seit Oktober 2025 als Preview und seit dem 17. November als GA-Produkt in den Händen zahlender Kunden, wobei am 31. März 2026 ein Lite-Tarif und am 2. April ein kostenloser Tarif hinzukamen. Diese Historie bringt Dinge hervor, die eine Preview nicht bieten kann: eine dokumentierte API-Oberfläche, eine etablierte Reihe von Fehlermodi, die Praktiker bereits kartiert haben, und eine Kostenkurve, die ein Finanzteam modellieren kann.

Das Datenblatt spiegelt dieselbe Reife wider. Veo 3.1 generiert in 720p, 1080p und nativem 4K, mit 24 Bildern pro Sekunde, in nativen Längen von 4, 6 oder 8 Sekunden, wobei längere Ausgaben bei 1080p gemeldet werden und Szenenerweiterungs-Verkettung darüber hinaus. Es akzeptiert bis zu drei Referenzbilder für Figuren- und Szenenkonsistenz, plus Seed- und Negative-Prompt-Steuerungen. Ausgaben tragen SynthID- und C2PA-Provenienzmetadaten. Für Marken-, Broadcast- oder Großbildschirmarbeit ist der native 4K-Pfad die einzige Fähigkeit, die der größte Teil des Wettbewerbsfelds schlicht nicht hat – und sie ist der Grund, warum Veo 3.1 weiterhin Projekte gewinnt, die es nicht über den Preis gewinnt.

Die Audio-Standardeinstellung, die jeden Vergleich unbemerkt verzerrt

Veo 3.1 erzeugt natives 48-kHz-Stereo-Audio – Dialog, Umgebungsgeräusche, Foley – gemeinsam mit dem Bild, was wirklich eine seiner stärksten Eigenschaften ist. Bei der API ist der Audioparameter jedoch standardmäßig deaktiviert, und stille Generierung ist günstiger als Audio-Generierung. In Googles veröffentlichter Standard-Stufe ergibt das etwa 0,20 $ pro Sekunde stumm gegenüber etwa 0,40 $ pro Sekunde mit Audio. Daraus folgen zwei Konsequenzen. Erstens hängt der effektive Preis eines Veo-Clips vollständig von einem Flag ab, das die meisten nie ändern, sodass eine Angabe von „0,20 $ pro Sekunde“ und eine Angabe von „0,40 $ pro Sekunde“ für dasselbe Modell beide korrekt sein können. Zweitens, und subtiler, bedeutet es, dass sehr viele Direktvergleiche, die Sie gelesen haben, ein stummes Veo 3.1 gegen Wettbewerber antreten ließen, deren Audio immer aktiv ist, und sie dann auf einem Leaderboard bewertet haben, das Audio berücksichtigt. Wenn Ihre Ausgabe Ton benötigt, ist die ehrliche Zahl, mit der Sie planen sollten, die mit aktiviertem Audio.

Was Odyssey-3 tatsächlich behauptet

Odyssey-3 ist kein besserer Videogenerator und behauptet auch nicht, einer zu sein. Es ist ein autoregressiver Diffusionstransformer, der auf visueller Beobachtung der Welt trainiert wurde, und die Fähigkeit im Zentrum der Ankündigung ist ein Aktionsdecoder – „eine erlernte Ausgabekomponente, die an das Weltmodell angehängt ist“, die die interne Szenenrepräsentation des Modells in Motorsteuerungsbefehle für spezifische Hardware umwandelt. Odyssey berichtet, dass er Roboterarme anhand von Dutzenden Stunden Demonstrationen steuert, in Echtzeit humanoide Policies antreibt, die mit Flexion entwickelt wurden, geschlossene Fahrwegpunkte aus einem eingefrorenen Backbone erzeugt, das auf 20 Stunden simulierter Daten trainiert wurde, Drohnen in Innenräumen um Hindernisse fliegt und Grand Theft Auto V spielt, mit Transfer auf Red Dead Redemption 2 und Sleeping Dogs ohne zusätzliches Policy-Training dort. Die einzige veröffentlichte Vergleichszahl ist, dass simulationsgetrainte Fahr-Policies zwischen Eingriffen des Sicherheitsfahrers etwa 77 % so weit fuhren wie Policies, die auf echtem Filmmaterial trainiert wurden.

Beachte, um welche Art von Behauptungen es sich dabei handelt. Keine davon betrifft, wie die Ausgabe aussieht. Jede einzelne betrifft, was ein dem Modell nachgelagertes Programm damit tun kann.

Die Dimensionen, die sich nicht überschneiden

• Ausgabe — Google Veo 3.1: ein gerenderter Clip, bis zu nativem 4K, mit optionalem 48-kHz-Stereo-Audio. Odyssey-3: ein simulierter Weltzustand plus motorische Aktionen über den Action-Decoder.

• Verbraucher — Google Veo 3.1: ein Betrachter oder ein Editor. Odyssey-3: ein Roboter-Controller, eine Fahrrichtlinie oder eine Trainingsschleife.

• Clip-Länge — Google Veo 3.1: 4/6/8 s nativ, länger bei 1080p, Verlängerungsketten darüber hinaus. Odyssey-3: kontinuierliches Rollout, kein Clip-Konzept.

• Preis — Google Veo 3.1: ca. 0,20 $/s stumm, ca. 0,40 $/s mit Audio im Standard-Tarif; Fast- und Lite-Tarife darunter. Odyssey-3: keine veröffentlicht.

• Verfügbarkeit — Google Veo 3.1: allgemein verfügbar seit 2025-11-17. Odyssey-3: Vorschau am 2026-09-15, öffentlich „in den kommenden Wochen“.

• Belege — Google Veo 3.1: zehn Monate Produktionseinsatz und unabhängige Platzierung im Leaderboard. Odyssey-3: Herstellerdemonstrationen, keine Benchmark-Tabelle, kein technischer Bericht.

Wo sich die Physik-Behauptung tatsächlich auszahlt — und wo nicht

Es ist verlockend anzunehmen, dass ein Modell mit besserer Physik bessere Videos erzeugt – aber das ist nicht, was Odyssey verkauft. Das Problem eines Videoteams ist fast nie, dass die Welt im Clip physikalisch inkonsistent ist – sondern dass die Aufnahme in 4K sein muss, oder dass die Figur in drei verschiedenen Setups gleich aussehen muss, oder dass dem Deliverable Provenienz-Metadaten angehängt werden müssen, bevor die Rechtsabteilung ihre Freigabe erteilt. Veo 3.1 beantwortet diese Fragen bereits heute. Ein physikalisch exakter Simulator beantwortet eine andere Frage: Kann ich hier etwas trainieren, das dort draußen funktioniert? Wenn Sie nichts trainieren, ist die physikalische Genauigkeit von Odyssey-3 eine Funktion, für die es in Ihrem Workflow keinen Abnehmer gibt.

Wo die beiden tatsächlich konvergieren, ist die Previsualisierung. Ein Regisseur, der einen Raum interaktiv erkunden möchte – eine Kamera durch ein Set führen, eine Blocking-Entscheidung ändern, die Konsequenz sehen –, möchte genau das, was ein Weltmodell bietet und was ein gerenderter Clip nicht kann, weil der Clip in dem Moment festgelegt ist, in dem er erzeugt wird. Das ist ein echter Anwendungsfall, und es ist auch einer, bei dem eine unveröffentlichte Vorschau noch keine Option ist.

Dies in der Produktion betreiben, ohne auf einen einzigen Endpunkt zu setzen

Der Grund, warum Produktionsteams sich um die Architektur rund um das Modell kümmern, ist, dass eine Video-Pipeline selten nur ein einziger Aufruf ist. Ein Prompt-Modell entwirft die Shot-Liste, ein Bildmodell erzeugt das Startbild, ein Vision-Modell prüft das Ergebnis gegen das Briefing, ein Transkriptionsmodell übernimmt das Voiceover. Jedes davon ist eine Abhängigkeit, die um 2 Uhr nachts ausfallen kann, und jedes ist eine separate Integration, wenn man sie einzeln einkauft. Wenn man diese Ebene auf eine einzige API über mehr als 200 Modelle zum Listenpreis des Anbieters ohne Aufschlaglegt, reduziert das die Integrationen, und automatisches Failoverbedeutet, dass ein Ausfall des Prompt-Modells umgeleitet wird, statt die Render-Warteschlange zum Stillstand zu bringen. Die Routing-DSL ist hier wichtiger als in einem Workflow mit nur einem Modell, denn mehrere Modelle in einem einzigen Aufruf zu kombinieren ist genau das, was eine mehrstufige Pipeline Stufe für Stufe statt als Ganzes kontrolliert scheitern lässt. Um den Umfang klarzustellen: OrcaRouter bedient weder Google Veo 3.1 noch Odyssey-3, und keines der beiden Modelle ist über ihn erreichbar.

Wer sollte jetzt handeln und wer sollte warten?

Wenn Ihre Deadline in diesem Quartal liegt und Ihr Deliverable eine Datei ist, ist Google Veo 3.1 die vertretbare Wahl, und der Preis – etwa 0,40 $ pro Sekunde bei 1080p mit Audio, weniger in den Fast- und Lite-Tarifen – ist der Preis für ein Modell, das lange genug in Produktion ist, um langweilig zu sein. Kalkulieren Sie das Audio-Flag bewusst ein, statt es später zu entdecken.

Wenn Ihr Problem eine Policy ist, die auf Hardware funktionieren muss, richtet sich Odyssey-3 an Sie, und es gibt nach wie vor nichts zu kaufen. Warten Sie auf drei Dinge: einen veröffentlichten Preis, ein Veröffentlichungsdatum, das ein Datum ist und kein Zeitfenster, und eine unabhängige Zahl. Die 77 % Sim-to-Real sind Odysseys eigene Angabe, und solange niemand außerhalb des Unternehmens sie nachrechnet, ist die richtige Haltung Interesse statt Planung. In der Zwischenzeit ist der umgebende Stack der Teil, den Sie aufbauen können, und ihn so zu bauen, dass später ein neues Modell eingeschoben werden kann, ist die günstigste Position.