Odyssey-3: Qué es realmente el modelo fundacional del mundo de Odyssey

Lo primero que hay que entender bien sobre Odyssey-3 es el sustantivo. No es un generador de vídeo al que se haya etiquetado como modelo del mundo por razones de marketing — Odyssey Systems lo describe, en su propia página de anuncio, como «un sistema dinámico aprendido, implementado como un transformer de difusión autorregresivo, que predice cómo se mueven e interactúan los objetos por el espacio y cómo evolucionan las situaciones con el tiempo». El lanzamiento en dos niveles, Odyssey-3 en 832×480 y Odyssey-3 Pro en 1280×720, es un modelo dentro del cual se actúa, en lugar de un modelo al que se le da un prompt una vez y del que uno se aleja. Odyssey anunció el trabajo el 15 de septiembre de 2026 bajo el título «A General-Purpose Physical Intelligence» y abrió una vista previa pública de investigación el 8 de octubre de 2026; esta página es la entrada de referencia del modelo en sí, no un informe sobre ninguna de esas dos fechas.

Qué significa esto en la práctica: en la propia página de Odyssey escribes un mensaje, el modelo construye un entorno y te mueves por él —en primera persona, en tercera persona o como una cámara flotante libre— mientras el modelo sigue prediciendo qué ocurre después. Odyssey describe la variante destilada de pocos pasos en el centro de esa experiencia como «capaz de interacción en tiempo real». Nada de ello tiene precio, licencia ni se puede descargar. No hay tarjeta de modelo, ni publicación de pesos, ni clave de autoservicio. Esa combinación es toda la pregunta del lector, y conviene abordarla en el orden en que la decisión realmente lo necesita.

¿Qué clase de modelo es Odyssey-3?

Los lectores que buscan "Odyssey 3 world model" aciertan con la clasificación, y es el propio término de Odyssey: el titular de la página llama a Odyssey-3 su "modelo fundacional del mundo más potente hasta la fecha". La clase precisa es más concreta que la de "modelo del mundo" en el uso general. Odyssey-3 es un modelo de entorno interactivo y condicionado por acciones — genera un entorno corporeizado a partir de un prompt y luego predice cómo cambia ese entorno a medida que una persona o un agente realiza acciones o introduce eventos, condicionado por las observaciones previas más la última entrada. En palabras de Odyssey, la vista previa actual "ofrece navegación en primera y en tercera persona junto con movimiento de cámara independiente".

Por qué eso es un artefacto distinto del de un modelo de vídeo, según el propio relato de Odyssey sobre cómo se construyó:

• Se construye como un transformador de difusión de video de múltiples pasos con prompts y controles resueltos temporalmente, y luego se extiende de forma autorregresiva mediante teacher forcing y enmascaramiento causal para que pueda continuar a partir de observaciones previas y predecir estados futuros condicionados por entradas de acción.

• Un pipeline de postentrenamiento que combina la coincidencia de distribuciones y la destilación adversaria produce una variante destilada de pocos pasos — la pieza que hace posible siquiera la interacción en tiempo real, ya que un modelo de difusión que necesita decenas de pasos de eliminación de ruido por fotograma no puede seguir el ritmo de una pulsación de tecla.

• Se entrena con video de internet que contiene anotaciones de eventos localizadas en el tiempo y verificadas por esquema, con grabaciones de gameplay con entradas de teclado y ratón alineadas temporalmente, y con interacciones simuladas de cuerpos rígidos con subtítulos y metadatos. Las fuentes de gameplay y simulación son las que vinculan las acciones con las observaciones; el video de internet aporta la amplitud.

• La salida es vídeo, y la superficie de entrada incluye prompts de texto, imágenes cargadas y movimiento continuo o control de cámara. No es un modelo de lenguaje y no tiene una ventana de contexto en el sentido de los LLM; nada en el material de Odyssey describe una.

Así que la respuesta correcta en una línea es: un modelo del mundo, específicamente un modelo de entorno interactivo que genera video — no un generador de video, y no un LLM multimodal cercano a un chatbot. Las doce páginas de comparación de este sitio que lo comparan con Seedance, Veo, Kling, Runway y similares comparan un entorno con generadores de clips; los benchmarks que aparecen a continuación son donde esa distinción realmente se manifiesta en números.

Lo que puedes hacer con él hoy

La vista previa de investigación ya está activa en experience.odyssey.systems, y la página de Odyssey afirma claramente que "nuestra vista previa de investigación ya está disponible". Al leer la propia aplicación de vista previa, los controles son:

• Un cuadro de solicitud («Describe lo que te gustaría que la IA simulara»), una carga de imagen y una galería de escenas sugeridas que exploras con las teclas de flecha y seleccionas con Intro.

• Tres intenciones de cámara iniciales — "Vista del mundo", descrita en la interfaz como "una cámara de flotación libre sin jugador asociado"; "Vista en primera persona", "ver a través de los ojos del sujeto jugable"; y "Vista en tercera persona".

• Un control de inicio que da comienzo a la simulación, tras lo cual puedes desplazarte por el entorno e introducir eventos a mitad de la generación y observar cómo responde el modelo.

Dos cosas sobre el acceso que no deberías tener que descubrir de la manera difícil. Primero, el botón en la vista previa dice "Prueba Odyssey-3 Flash" — un nombre de nivel que no aparece en ningún otro lugar del sitio. Odyssey nombra exactamente dos niveles, Odyssey-3 y Odyssey-3 Pro, y no publica especificaciones, tamaño ni resolución para nada llamado Flash. Trata la etiqueta como no explicada hasta que Odyssey la documente. Segundo, la ruta de la API no es de autoservicio. El enlace "Obtener acceso a la API" apunta a developer.odyssey.ml, y esa página actualmente dice: "Odyssey-2 Max ahora se está desplegando para los usuarios existentes de la API. Si ya tienes una cuenta con nosotros, continúa. De lo contrario, dirígete aquí para solicitar acceso prioritario." La superficie de desarrollador que se promociona hoy es Odyssey-2 Max, no Odyssey-3. La ruta a Odyssey-3 para un desarrollador es el formulario de contacto en el sitio propio de Odyssey, y la descripción honesta de eso es una cola.

Los límites que Odyssey documenta — y los que no

Aquí es donde una página de referencia demuestra su utilidad, porque los vacíos son tan relevantes para las decisiones como las cifras.

• Resolución — Odyssey-3 832×480; Odyssey-3 Pro 1280×720. Publicado por el proveedor, indicado directamente en la página del anuncio.

• Velocidad de fotogramas — no publicada por Odyssey. La única cifra de velocidad de fotogramas que aparece en todo el material principal es la columna "Output FPS" de la tabla de clasificación de Physics-IQ Verified, que indica 16 para cada entrada de Odyssey frente a 24 para FLUX 3 [large]. Ese es un campo de terceros en una tabla de terceros, no una especificación del proveedor, y es el número que la tabla utiliza para normalizar el coste.

• Duración del clip: no publicada. Odyssey no documenta ninguna longitud máxima de generación, ni duración de clip, ni duración de sesión. WorldMark, el benchmark que Odyssey cita para la calidad de los modelos del mundo, ejecuta sus propios casos de prueba a 20, 40 y 60 segundos; esas son las longitudes de sondeo del benchmark, no un límite documentado de Odyssey-3, y confundirlas sería un error.

• Límites de interactividad — no publicados como límites. Odyssey documenta los modos disponibles (primera persona, tercera persona, cámara libre, eventos de mitad de generación), pero no publica ninguna cifra de latencia, ningún máximo de acciones simultáneas ni ninguna declaración sobre cuánto puede durar una sesión antes de que el mundo se degrade.

• Modelo de costos — la única cifra financiera que publica Odyssey es una suposición, no un precio: "asume 1 $ por hora de GPU MI355X, excluyendo las tarifas de reescritura de prompts" cuando calculó el eje de costos de su gráfico Physics-IQ. No hay lista de precios, ni tarifa por segundo, ni plan de créditos en ninguna página de Odyssey a día de hoy.

Pesos, código y licencia: ninguno de los tres

Respuesta directa, en los tres puntos. No se han publicado los pesos: una búsqueda en Hugging Face de los modelos de Odyssey Systems no devuelve nada de la empresa, y ninguna página de Odyssey menciona un checkpoint, un repositorio ni una descarga. No se ha publicado código de entrenamiento ni de inferencia. Y no se ha publicado ninguna licencia para Odyssey-3; el único documento con forma de licencia y condiciones en el sitio es la página de Términos de la API, actualizada por última vez el 2026-01-22, que sigue rigiendo «el prototipo de la interfaz de programación de aplicaciones de Odyssey-2» —un documento que es anterior a Odyssey-3 en dos generaciones de modelos y no lo nombra.

Si alguna página en cualquier lugar te dice que Odyssey-3 es de pesos abiertos, o cita una licencia para él, esa página está adivinando. Nada en el material propio de Odyssey respalda ninguna de las dos afirmaciones hoy.

Lo que Odyssey afirma, y lo que realmente se ha medido

Odyssey hace una afirmación destacada sobre un benchmark: «Odyssey-3 Pro establece un nuevo estado del arte en el benchmark de vídeo a vídeo de Physics-IQ Verified, alcanzando 66,1, la puntuación más alta reportada», además de una segunda afirmación de que Odyssey-3 «ocupa el 1.er puesto en 3 de las 4 categorías de WorldMark en nuestras evaluaciones». Esas dos afirmaciones tienen fundamentos distintos y deben leerse por separado.

Physics-IQ Verified es una tabla genuina de terceros. Está gestionada por Anates Labs junto con DeepMind, actualmente incluye 41 modelos de 16 laboratorios, y puntúa a los modelos mostrándoles vídeos de experimentos físicos reales —dinámica de fluidos, óptica, mecánica de sólidos, magnetismo, termodinámica— y midiendo su continuación frente a lo que ocurrió realmente. Lectura de la tabla verificada de vídeo a vídeo el 2026-10-13:

• Odyssey-3 Pro, muestreo BoN ×8 — 66.10, puesto 01. Odyssey-3, BoN ×8 — 64.43, puesto 02. FLUX 3 [large], BoN ×8 — 64.35 ± 0.22, puesto 03. La cifra de 66.1 del proveedor coincide con la fila superior del tablero, por lo que la afirmación de "puntuación más alta reportada" se sostiene en la clasificación actual del propio tablero.

• Las filas de una sola generación son más bajas y están más cerca entre sí: Odyssey-3 Pro 63.37 ± 0.63, Odyssey-3 61.56 ± 1.20, FLUX 3 [large] 61.11 ± 0.55. El orden no es estable entre muestreos. Con best-of-8, el 64.43 del modelo base aventaja por 0.08 puntos al 64.35 de FLUX 3, y el 66.10 de Pro aventaja por 1.75. Con una sola generación, FLUX 3 queda entre las dos filas de Odyssey: 0.45 por debajo del 61.56 de Odyssey-3 y 2.26 por debajo del 63.37 de Pro.

• La fila más importante para un lector escéptico está más abajo. Odyssey-3 también aparece con la fuente del prompt marcada como "BPP" —prompts proporcionados por el benchmark, sin reescritura por LLM— en 51,76 ± 0,69, puesto 08. Su fila de prompt personalizado es 61,56. Con los prompts propios del benchmark, la puntuación verificada del modelo es aproximadamente diez puntos más baja que con sus propios prompts. La tabla deja claro que los costes separados de LLM/prompt se añaden después de la normalización del coste de generación, y que la reescritura de prompts de Odyssey API se estima en $0,01 por vídeo enviado, y que cada ejecución de mejor de 8 comparte un prompt reescrito.

• En la tabla verificada de imagen a video, la clasificación es diferente y el planteamiento del proveedor debería ajustarse en consecuencia: FLUX 3 [large] lidera con 54.70 (BoN ×8), con Odyssey-3 Pro segundo con 54.69 y Odyssey-3 tercero con 52.83. Una décima de punto no es una ventaja en ninguna dirección. La afirmación de Odyssey de ser el estado del arte es una afirmación de video a video, y en imagen a video no es el líder.

• Coste normalizado, que la tabla calcula a 24 fps y con una salida de 1280 de ancho cuando se reportan las entradas: en las filas de vídeo a vídeo de mejor de 8, Odyssey-3 Pro es de $3.484 y Odyssey-3 es de $1.430 frente a FLUX 3 [large] con $16.430; en las filas de generación única, Odyssey-3 Pro es de $0.444 y Odyssey-3 es de $0.187. Ten en cuenta que la cobertura anterior de este lanzamiento citaba $0.139 y $0.267 para los dos niveles de Odyssey; esas son las filas de generación única de imagen a vídeo de la misma tabla, no las filas de vídeo a vídeo, y no deben intercambiarse. La cifra no se movió; pertenece a una fila de muestreo distinta.

• Submétricas, verificado de video a video: Odyssey-3 Pro lidera en espacial con 73.19 y en espacial ponderado con 65.07; Odyssey-3 lidera en espaciotemporal con 70.44. FLUX 3 [large] lidera en error cuadrático medio con 57.39, con Odyssey-3 Pro en segundo lugar con 55.81. Odyssey está por delante en el aspecto espacial y no en el error.

La afirmación sobre WorldMark tiene un respaldo más débil, y esta es la parte que hay que leer con atención. WorldMark es una suite de referencia real y pública de Alaya Lab, la Universidad de Tokio y el Instituto de Innovación de Shanghái: hace funcionar diez modelos a partir de un vocabulario de acciones compartido al estilo WASD en más de 500 casos estandarizados y puntúa nueve métricas deterministas en dinámica de acciones, memoria del mundo y calidad visual. El planteamiento de Odyssey es que "en nuestra evaluación, usando los propios pies de foto del benchmark y la media de sus 13 puntuaciones de métricas reportadas, Odyssey-3 ocupa el primer lugar en entornos estilizados en primera persona, reales en tercera persona y estilizados en tercera persona". Del material primario se desprenden tres cosas:

• Es una evaluación autoejecutada. Odyssey ejecutó el benchmark y reportó el resultado; los autores de WorldMark no lo publicaron.

• Odyssey-3 no aparece en los resultados publicados del propio benchmark. Al consultar la página de resultados de WorldMark el 2026-10-13, las cuatro divisiones enumeran diez modelos —AlayaWorld, DreamX-World, HY-GameCraft 1.0, HY-World 1.5, LingBot-World, Lyra 2.0, Matrix-Game 2.0, Matrix-Game 3.0, SANA-WM y Yume 1.5— y Odyssey-3 no está entre ellos. Así que la clasificación no se puede comprobar con las propias cifras del benchmark, porque en el tablero público no hay ninguna.

• La cantidad de métricas que describe Odyssey difiere de la descripción del propio benchmark. La página de WorldMark describe «nueve métricas deterministas» en tres categorías; Odyssey describe «la media de sus 13 puntuaciones de métricas reportadas». Ambas pueden ser ciertas desde distintas vistas de la suite, pero un lector no puede conciliarlas desde fuera, y el número que cambia es el principal.

La única división que Odyssey-3 no gana en su propia evaluación es la más cercana al argumento de venta del producto: entornos reales en primera persona, donde la cifra de Odyssey de 80,6 queda por detrás de Lyra 2.0 con 84,4 y AlayaWorld con 83,0. La ventaja declarada del modelo se concentra en mundos estilizados y en tercera persona.

Más allá de los dos benchmarks, toda afirmación sobre capacidades proviene del proveedor y no ha sido reproducida de forma independiente, y la página de referencia debería decirlo sin suavizarlo. Odyssey informa de un decodificador de acciones para brazo robótico entrenado con «solo decenas de horas de demostraciones de robots» que produjo comportamientos de recuperación ausentes en las demostraciones, incluido reorientar una pinza tras un agarre fallido. Informa de políticas de control humanoide creadas por Flexion sobre Odyssey-3 que superaron a los baselines VLA probados bajo cambios ambientales, y que siguieron funcionando bajo cambios de iluminación que hicieron fallar esos baselines. Informa de una política de conducción entrenada con 20 horas de datos de conducción con el backbone Odyssey-3 mantenido congelado, conduciendo en bucle cerrado en carreteras reales de la India — y la única cifra comparativa de ese trabajo es que las políticas solo de simulación recorrieron alrededor del 77 % de la distancia que recorrieron las políticas entrenadas con imágenes reales entre intervenciones del conductor de seguridad. Informa de generación multisensor, con un checkpoint de Odyssey-3 que produce conjuntamente las tres vistas de cámara frontales de un conjunto de datos de conducción tras 100 pasos de entrenamiento. Nada de esto ha sido reejecutado por nadie fuera de Odyssey, y ningún tercero ha publicado una cifra para Odyssey-3 que Odyssey no haya suministrado.

Además, por ahora tampoco hay una comparación directa en la que apoyarse. Nadie ha ejecutado Odyssey-3 contra FLUX 3 [large] ni contra ningún otro modelo con el mismo harness y el mismo muestreo fuera de la propia entrega de Physics-IQ, y la tabla de Physics-IQ es precisamente donde la elección de muestreo —best-of-8 frente a generación única, prompts personalizados frente a prompts del benchmark— desplaza el resultado diez puntos. Considera poco informativo cualquier ranking que no indique su fila de muestreo.

Cómo conseguirlo y qué hacer mientras tanto

Hoy las rutas son la vista previa del navegador en experience.odyssey.systems y el formulario de contacto en odyssey.systems para acceso a la API. Esa es la lista completa; no hay página de precios, ni documentación sobre límites de velocidad, ni clave de autoservicio. Odyssey-3 tampoco es algo que podamos enrutar por ti — todavía no hay una API invocable a la que apuntar, así que cualquier línea de disponibilidad dirigida a desarrolladores es prematura.

Si eso te deja necesitando algo a lo que puedas recurrir esta semana, la jugada útil es arquitectónica en lugar de editorial: mantén el modelo detrás de una interfaz que controles, de modo que incorporar Odyssey-3 más adelante sea un cambio de configuración en lugar de una reescritura. Ese es el caso para el que existen las capas de enrutamiento, y también es la forma correcta de evaluar un modelo cuyos números de benchmark se mueven diez puntos según el muestreo — quieres poder hacer A/B del modelo real contra tu modelo actual con tus propios prompts, con una sola clave, sin un segundo contrato. OrcaRouter pone más de 200 modelos detrás de un único endpoint, pasa el precio de lista del proveedor sin recargo, y conmuta automáticamente entre proveedores — lo cual importa sobre todo para exactamente la situación en la que está Odyssey-3: un modelo que aún no puedes obtener, junto a modelos que sí puedes.

Qué hay que observar, concretamente, y por orden de cuánto cambiaría la respuesta: un precio publicado y una clave de autoservicio; una licencia y la publicación de los pesos, o una declaración explícita de que ninguna de las dos va a llegar; una especificación de frecuencia de fotogramas y duración procedente de Odyssey, y no de una columna de una tabla de clasificación; y que Odyssey-3 aparezca en los propios resultados publicados de WorldMark, lo que convertiría una clasificación autogestionada en una comprobable. Hasta que al menos el primero y el último de esos elementos se concreten, la descripción precisa de Odyssey-3 es la de un modelo fundacional del mundo genuinamente interesante —un modelo de entorno interactivo que genera video, no un generador de video— con un sólido resultado de benchmark de terceros bajo muestreo best-of-8, uno mucho más modesto bajo las indicaciones propias del benchmark, y ninguna superficie comercial en absoluto.