Odyssey-3 vs. Runway Gen-4.5: Zwei Wetten auf dieselben zwei Wörter

Das Interessante daran, Odyssey-3 gegen Runway Gen-4.5 aufzustellen, ist, dass sich beide Unternehmen über das Ziel einig sind und über den Weg dorthin uneinig. Beide sagen, das Ziel sei ein allgemeines Weltmodell – ein erlerntes System, das die Realität gut genug simuliert, um nützlich zu sein. Runways Position, die ihr CTO klar formuliert hat, lautet: Dorthin gelangt man, indem man zuerst ein sehr gutes Videomodell baut, denn einem Netzwerk beizubringen, Pixel direkt vorherzusagen, ist der vielversprechendste Weg zu einer allgemeinen Simulation. Odysseys Position, die in jeder architektonischen Entscheidung sichtbar ist, die das Unternehmen zu Odyssey-3 veröffentlicht hat, lautet: Die Pixel sind das Nebenprodukt, und die Dynamik ist der Punkt. Gen-4.5 ist die derzeit stärkste Ausprägung der ersten Wette. Odyssey-3, am 15. September 2026 angekündigt und für die öffentliche Veröffentlichung „in den kommenden Wochen" versprochen, ist die zweite Wette, formuliert als vollständiges Modell. Nebeneinander gelesen sind sie nicht wirklich Konkurrenten – sie sind zwei Antworten auf dieselbe Frage, und die Frage ist, ob der Weg zu einem Weltmodell über das Rendering führt.

Runways Wette: das Weltmodell durch Rendering verdienen

Runway ist nicht spät oder zufällig zur Weltmodell-Rahmung gekommen. Es liefert ein Modell aus, das es als allgemeines Weltmodell bezeichnet – GWM-1, beschrieben als für die Echtzeitsimulation der Realität gebaut, interaktiv und steuerbar – und es behandelt dieses als die Ebene über seinen Videomodellen statt als deren Ersatz. Das Argument ist eine Leiter: Dasselbe Trainingssignal, das ein Modell gut darin macht, eine Szene über zehn Sekunden hinweg zusammenzuhalten, ist das Signal, das ihm beibringt, wie Objekte fortbestehen, wie sich Licht verhält, wie Bewegung weiterläuft. Wird man gut genug bei den Pixeln, fällt die allgemeine Simulation dabei ab.

Gen-4.5 ist die aktuelle Stufe. Am 1. Dezember 2025 angekündigt und ab dem 12. Dezember für zahlende Abonnenten ausgerollt, ist es ein Text-zu-Video- und Bild-zu-Video-Modell mit den Eigenschaften, auf denen Runway seinen Ruf aufgebaut hat: Bewegungsqualität, Prompt-Treue, Konsistenz von Charakteren und Motiven sowie Kamerasteuerung. Seine Grenzen werden ebenso klar benannt wie seine Stärken. Clips dauern zwei bis zehn Sekunden – zehn ist die Obergrenze, nicht der Standard. Die Ausgabe erfolgt in 720p bei 24 oder 25 Bildern pro Sekunde über sechs Seitenverhältnisse hinweg. Es gibt keine Audiospur und kein Multi-Shot-Storyboarding; eine Sequenz ist etwas, das man aus separaten Generierungen zusammensetzt. Es ist ein Renderer, und zwar ein sehr guter, was genau die Behauptung ist, die das Mutterunternehmen braucht.

Was Gen-4.5 kostet und wie die Preisgestaltung aufgebaut ist

Runway verlangt für Gen-4.5 12 Credits pro Sekunde generierten Videos. Credits werden für einen Cent pro Stück verkauft, sodass die Rechengröße $0.12 pro Sekunde beträgt: Ein Fünf-Sekunden-Clip kostet $0.60, ein Zehn-Sekunden-Clip $1.20. Ausgabeoptionen sind bei der API mit Zuschlägen verbunden — ProRes- oder PNG-Sequenzen schlagen fünf Credits pro Sekunde auf, und HDR schlägt zwanzig pro Sekunde auf, steigend auf vierzig oberhalb von rund vier Megapixeln. Das sind Listenpreise des Anbieters, und die Preisspanne ist wichtiger als der Schlagzeilenpreis: Ein HDR-Zehn-Sekunden-Clip kostet mehr als dreimal so viel wie ein gewöhnlicher, sodass ein Kostenmodell, das auf $0.12/Sekunde aufbaut, falsch ist, sobald HDR in die Spezifikation der Lieferung einfließt.

Zwei strukturelle Details sollten Sie kennen, bevor Sie Ihr Budget planen. API-Credits und App-Abo-Credits sind getrennte Guthaben — ein Standard-, Pro- oder Max-Plan bezahlt keine API-Generierungen — und die API ist asynchron, sodass eine Aufgabe übermittelt und abgefragt wird, statt inline zurückgegeben zu werden. Keines von beiden ist ein Kritikpunkt; beides sind Dinge, die Teams erst entdecken, nachdem sie sich für eine Integration entschieden haben. Die API stellt außerdem Video-Modelle von Drittanbietern neben Runways eigenen bereit, was bedeutet, dass ein Runway-Schlüssel mehr als Runways Katalog erreichen kann, wenn Sie es möchten.

Odysseys Wette: Das Wichtigste ist nicht das Bild

Odyssey-3 wird von seinem Entwickler als Grundlagen-Weltmodell beschrieben, das Roboter antreiben, Autos steuern, KIs trainieren, Drohnen fliegen und Videospiele spielen kann. Architektonisch ist es ein autoregressiver Diffusions-Transformer, trainiert auf einer großen Sammlung visueller Beobachtungen, und Odyssey zufolge trägt das Ergebnis ein erlerntes Verständnis von Physik, Dynamik, Ursache und Wirkung sowie menschlichem Verhalten in sich. Das Detail, das die Wette verrät, ist, wie Aufgaben angepasst werden: Statt das Modell feinabzustimmen, hängt Odyssey einen Aktionsdecoder an, der auf Beobachtungs-Aktions-Paaren trainiert wurde, und hält das vortrainierte Weltmodell durchgängig eingefroren. Eine kleine Policy liest die interne Repräsentation des eingefrorenen Modells und wandelt sie in Motorbefehle um.

Dieses Design ergibt nur Sinn, wenn man glaubt, dass die Repräsentation – nicht das gerenderte Bild – das Asset ist. Die Demonstrationen stützen das über sechs Verkörperungen hinweg, die alle vom Anbieter berichtet wurden. Roboterarme aus Dutzenden Stunden an Demonstrationen, einschließlich Wiederherstellungsverhalten, das niemand in die Daten gegeben hat, wie etwa das Neuausrichten eines Greifers nach einem fehlgeschlagenen Greifversuch. Humanoide Policies, mit Flexion aus Dutzenden Stunden Teleoperationsdaten erstellt, die laut Odyssey besser generalisieren als die getesteten VLA-Baselines, ohne Zahlen zu veröffentlichen. Closed-Loop-Fahren in Indien aus zwanzig Stunden simulierter Daten. Indoor-Drohnenflug aus simulierten Daten. Grand-Theft-Auto-V-Policies, die auf Red Dead Redemption 2 und Sleeping Dogs übertragen wurden, ohne zusätzliches Training in diesen Titeln – etwa zwei Stunden GTA-Material reichten für die Fortbewegung zu Pferd in RDR2 aus. Und Umgebungsgenerierung für das Training anderer KIs, verbunden mit Odysseys PROWL-Arbeit zum bestärkenden Lernen.

Eine Zahl ist veröffentlicht. Odyssey berichtet, dass im Simulationsverfahren trainierte Fahrstrategien zwischen Eingriffen des Sicherheitsfahrers etwa 77 % der Strecke zurücklegten, die mit echtem Filmmaterial trainierte Strategien zurücklegten. Jede Aussage im obigen Absatz ist nicht reproduziert, es gibt keinen technischen Bericht, und keine dritte Partei hat das Modell ausgeführt. Die Breite über sechs Ausführungsformen ist die interessante Behauptung; das Fehlen einer Benchmark-Tabelle ist der Grund, sie nur mit Vorbehalt zu betrachten.

Wo die beiden Wetten überprüfbar werden

Eine Meinungsverschiedenheit über Strategie ist nur dann nützlich, wenn sie eine Vorhersage hervorbringt, und diese hier tut es. Wenn Runway recht hat – wenn Rendering-Treue der Weg ist –, dann sollte sich die Physikqualität eines Videomodells als Funktion davon verbessern, wie gut es bei Video ist, und die beiden Ranglisten sollten sich im Gleichschritt bewegen. Wenn Odyssey recht hat, sollte es Fälle geben, in denen ein Modell, das wunderschön rendert, nutzlos ist und ein Modell, das grob rendert, nützlich ist, weil die nützliche Eigenschaft darin besteht, ob der nächste Zustand vorhersehbar genug ist, damit ein Controller darauf reagieren kann.

Es gibt bereits einen Hinweis darauf, in welche Richtung das ausschlägt, und es schmeichelt keiner der beiden Seiten. Runways eigene Auflistung der Schwächen von Gen-4.5 – darunter die Physik – erinnert daran, dass ein Renderer darauf optimiert ist, für einen Betrachter überzeugend zu wirken, und ein Betrachter ist auf eine Weise nachsichtig, wie es eine Regelschleife nicht ist. Die einzige veröffentlichte Zahl von Odyssey, 77 % der Fahrleistung mit echtem Filmmaterial, ist indes ein Verlust gegenüber echten Daten, kein Gewinn. Keines der beiden Unternehmen behauptet, die Straße sei fertig. Der Unterschied besteht darin, was jedes von ihnen misst.

Der Punkt, an dem sich die Wetten wirklich unterscheiden, ist die Verkörperung. Nichts am Design oder an der Preisgestaltung von Gen-4.5 sieht einen Aktionsraum vor; es ist eine Funktion von Text oder einem Bild zu einem Clip. Nichts im Material von Odyssey-3 sieht eine lieferbare Datei vor; es ist eine Funktion von einem Weltzustand und einer Aktion zum nächsten Weltzustand. Das sind unterschiedliche Produkte mit unterschiedlichen Käufern, und kein noch so großer Fortschritt auf einer der beiden Seiten verwandelt das eine in das andere, weil die Schnittstelle das ist, was sich unterscheidet.

Seite an Seite

• Was es ist — Runway Gen-4.5: ein Text-zu-Video- und Bild-zu-Video-Renderer. Odyssey-3: ein Weltmodell, das nächste Zustände vorhersagt und Motoraktionen ausgibt.

• Wie man es ansteuert — Runway Gen-4.5: ein Prompt oder ein Standbild, über eine asynchrone API. Odyssey-3: ein Action-Decoder plus eine kleine Policy, die ein eingefrorenes Backbone liest.

• Ausgabe — Runway Gen-4.5: 2–10-Sekunden-Clips, 720p, 24/25 fps, sechs Seitenverhältnisse, kein Audio. Odyssey-3: kein gerendertes Ergebnis; simulierte Zustände über sechs Verkörperungen hinweg.

• Preis — Runway Gen-4.5: 12 Credits pro Sekunde, 0,12 $/Sekunde, plus 5 Credits/Sekunde für ProRes oder PNG und 20 für HDR (Anbieterliste). Odyssey-3: unveröffentlicht, ohne angekündigte kommerzielle Bedingungen.

• Reife — Runway Gen-4.5: seit Dezember 2025 auf dem Markt, mit einer etablierten API und Berichterstattung durch Dritte. Odyssey-3: am 15. September 2026 angekündigt, öffentliche Veröffentlichung „in den kommenden Wochen“.

• Belege — Runway Gen-4.5: acht Monate öffentlicher Output. Odyssey-3: eine Herstellerangabe, keine unabhängigen Durchläufe.

Weder das eine noch das andere steht auf unserem Schlüssel, und das ist die ehrliche Version.

OrcaRouter leitet keines der beiden Modelle weiter, und dieser Artikel wird nichts anderes behaupten: Runway Gen-4.5 wird über Runways eigene API bereitgestellt, und Odyssey-3 hat überhaupt keinen Endpunkt. Wofür der Routing-Aspekt in einem solchen Vergleich tatsächlich gut ist, ist die Pipeline drumherum. Ein realistischer Gen-4.5-Workflow ist nicht ein Modell – er besteht aus einem Prompt-Modell, das ein Briefing erweitert, einem Bildmodell, das das erste Einzelbild erzeugt, dem Videomodell selbst und etwas Nachgelagertem, das die Ausgabe bewertet oder mit einer Beschreibung versieht. Diese über die Routing-DSL zu einem einzigen Aufruf zusammenzufassen, mit einem einzigen Schlüssel, zum Listenpreis des Anbieters mit 0 % Aufschlag, ist der Teil des Stacks, den OrcaRouter Ihnen heute tatsächlich abnehmen kann. Automatisches Failover ist hier aus einem banalen Grund wichtig: Asynchrone Video-APIs pollen, Warteschlangen stauen sich, und eine Pipeline, die an einem beeinträchtigten Endpunkt hängen bleibt, bleibt bis zum fertigen Ergebnis hängen.

Wenn Odyssey-3 dann tatsächlich erscheint, wird die Routing-Frage anders und schwieriger sein. Ein Modell, dessen Verkaufsargument darin besteht, dass es auf Hardware läuft, die Ihnen gehört, ist keineswegs offensichtlich ein Routing-Kandidat, und die interessante Frage für einen Router wird sein, was es umgibt – die Sim-to-Real-Tooling, das Policy-Training, die Evaluierung – und nicht der Modellaufruf selbst.

Wer recht hat, ist eine Frage für 2027.

Wenn Sie dieses Quartal Video brauchen, ist Gen-4.5 die Antwort, und es gibt nichts abzuwägen: Es ist bepreist, dokumentiert und seit acht Monaten in öffentlicher Nutzung, und bei 0,12 $ pro Sekunde sind die Kosten, herauszufinden, ob es für Ihre Arbeit geeignet ist, gering. Planen Sie die Zuschläge und das separate API-Guthaben ein, und behandeln Sie die Obergrenze von zehn Sekunden als harte Designvorgabe und nicht als eine Zahl, die Sie umgehen werden.

Wenn Sie einen Controller bauen – irgendetwas, bei dem ein gelerntes Modell der Hardware sagen muss, was als Nächstes zu tun ist –, dann kommt Gen-4.5 zu keinem Preis infrage, und Odyssey-3 ist dasjenige, das auf Ihr Problem abzielt, ohne dass es eine Möglichkeit gibt, es zu bekommen. Der konkrete Grund, sich dafür zu interessieren, ist das Ergebnis mit eingefrorenem Backbone: Wenn ein einziges vorab trainiertes Modell über einen kleinen Decoder Arme, Humanoide, ein Auto, eine Drohne und drei Spiele steuern kann, dann ist das eine Aussage darüber, wie viel physikalisches Verständnis übertragen wird, und es ist die Behauptung, die Weltmodelle zu einer Grundschicht machen würde statt zu einer Policy pro Aufgabe. Der konkrete Grund zu warten ist, dass es außerhalb von Odyssey noch niemand ausgeführt hat.

Worauf man achten sollte, und zwar in dieser Reihenfolge: ein technischer Bericht, dann eine Lizenz, dann ein Dritter, der die 77-%-Zahl auf eigener Hardware reproduziert. Runways Weg und Odysseys Weg enden beide bei einem allgemeinen Weltmodell. Nur einer von ihnen hat derzeit eine Mautstelle, an die man herantreten kann.

Leite das Prompt-Modell, das Bildmodell und das Videomodell über einen einzigen Endpunkt mit automatischem Failover statt drei Integrationen.