Odyssey-3 vs Kling 3: uno al que puedes llamar hoy, uno al que no

Odyssey-3 y Kling 3 son fáciles de alinear en una página y difíciles de comparar en la práctica, porque solo uno de ellos existe como algo a lo que puedes llamar. Kling 3 es el modelo de generación de video de Kuaishou, lanzado en febrero de 2026, disponible de forma general a través de la API del proveedor y la app de Kling, y — relevante para los lectores de este blog — enrutable a través de OrcaRouter tanto kling-v3 como kling-3-turbo. Odyssey-3 es el modelo fundacional del mundo de Odyssey, presentado en vista previa el 15 de septiembre de 2026, sin precio publicado, sin API y con una ventana de lanzamiento declarada de "las próximas semanas". Así que la primera frase honesta sobre esta comparación es que todavía no es una comparación: uno es un producto de pago por uso con precios por segundo que puedes probar esta tarde, y el otro es una vista previa de investigación con una capacidad demostrada y sin forma de comprarlo. La pregunta útil es para qué sirve cada uno, y si las cosas que Kling 3 hace bien son cosas que un modelo del mundo llegaría a reemplazar.

Kling 3 es un renderizador con un truco de storyboard

El lanzamiento de Kling 3 en febrero de 2026 lo colocó a la vanguardia del grupo chino de generación de vídeo, y su posicionamiento es inusualmente concreto. Genera de tres a quince segundos por clip —cinco segundos por defecto— en 720p, 1080p o 4K según el nivel, a partir de texto, una sola imagen o un par de primer y último fotograma. Lo que lo distingue de la mayoría del sector es el modo de tomas múltiples de la variante Omni: una multi_prompt —lista de tomas cronometradas—, cada una con su propio prompt, te permite planificar una secuencia de cortes en una sola generación en lugar de unir clips generados por separado y esperar que la iluminación coincida. El audio nativo —habla sincronizada, ambiente, efectos, con compatibilidad con acentos regionales en varios idiomas— se genera en la misma pasada y se puede desactivar.

Sus fortalezas documentadas son el movimiento humano y el control de movimiento, el condicionamiento de imagen a vídeo y el renderizado de texto legible en pantalla: señalización, logotipos y etiquetas de producto que sobreviven a la generación. Sus debilidades documentadas son igualmente específicas: manos y dedos, simulación física y de múltiples objetos, coherencia de múltiples personajes a lo largo de un clip, y tiempos de generación que van de aproximadamente dos a quince minutos según la duración y la complejidad.

Vale la pena detenerse en esa última fila de debilidades, porque es precisamente la fila a la que apunta Odyssey-3. Kling 3 tiene dificultades con la interacción física entre múltiples objetos; la tesis completa de Odyssey-3 es que predecir el siguiente estado de una escena obliga a un modelo a aprender cómo interactúan los objetos. No son afirmaciones que compitan sobre la misma característica. A Kling 3 se le pide que simule la física de manera lo bastante convincente como para que un espectador no lo note; a Odyssey-3 se le pide que acierte con la física para que un controlador pueda confiar en ella.

El precio que puedes medir de verdad

Las tarifas oficiales de Kling 3 se publican por segundo y comienzan bajas: $0.084 por segundo a 720p, $0.112 a 1080p y $0.42 a 4K, y el audio nativo añade alrededor del 50% a 720p y 1080p ($0.126 y $0.168 respectivamente) y no cuesta nada extra a 4K. Esas cifras son del proveedor y son las tarifas de nivel de entrada. Los precios de proveedores independientes, medidos por minuto de salida, se sitúan muy por encima de lo que implican esos números por segundo, por lo que la lectura honesta es que Kling 3 es económico para empezar y considerablemente menos económico una vez que se sube de nivel de resolución y audio: consulte la cifra por minuto para su propia configuración en lugar de la tarifa principal. El lado del consumidor funciona con un sistema de créditos con niveles que van desde una asignación diaria gratuita hasta un plan Ultra de $127.99 o más, y el nivel gratuito está limitado a 720p con marca de agua y sin uso comercial.

Odyssey-3 no tiene precio en absoluto. Eso no es una omisión menor: es toda la diferencia en esta comparación. Un equipo puede calcular el coste de cien clips de Kling 3 antes de generar uno de ellos. Un equipo no puede calcular el coste de nada en Odyssey-3, porque no hay nada a partir de lo cual calcularlo. Obsérvese también que, si estos dos llegaran a aparecer alguna vez uno al lado del otro comercialmente, probablemente no se facturarían de la misma manera: la generación de video mide segundos de salida, mientras que los modelos de mundo del tipo que describe Odyssey tienden a medir horas de simulación, porque el comprador es un bucle de entrenamiento y no una cola de renderizado.

Odyssey-3 va tras una columna diferente

Odyssey-3 es un transformer de difusión autorregresivo entrenado con observación visual, y la capacidad central del anuncio es un decodificador de acciones aprendido: un componente que traduce la representación interna que el modelo tiene de una escena a los comandos motores que necesita un hardware específico. Odyssey informa que la misma arquitectura troncal impulsa brazos robóticos a partir de decenas de horas de demostraciones (incluidos movimientos de recuperación no provocados, como reorientar una pinza tras un agarre fallido), políticas humanoides construidas con Flexion que se ejecutan en tiempo real, conducción en bucle cerrado a partir de 20 horas de datos simulados, vuelo de drones en interiores que evitan obstáculos, y sesiones de Grand Theft Auto V que se transfieren a Red Dead Redemption 2 y Sleeping Dogs sin entrenamiento adicional de políticas en esos títulos. La única cifra comparativa de la empresa es que las políticas de conducción entrenadas en simulación recorrieron entre intervenciones del conductor de seguridad aproximadamente el 77% de la distancia que recorrieron las políticas entrenadas con grabaciones reales.

Ninguna de esas afirmaciones ha sido reproducida, no hay un informe técnico de Odyssey-3 y ningún tercero ha publicado una cifra. La dispersión entre seis encarnaciones es la afirmación interesante; la ausencia de una tabla de benchmarks es la razón para tomarla con cautela.

El contraste, dimensión por dimensión

• Qué produce — Kling 3: un clip renderizado, de hasta 15 s, a hasta 4K. Odyssey-3: un estado del mundo simulado más acciones motoras.

• Estructura de planos — Kling 3: storyboard de múltiples planos mediante la lista de prompts temporizados de la variante Omni. Odyssey-3: una única generación continua sin concepto de corte.

• Audio — Kling 3: nativo, sincronizado, multiidioma, opcional, con un precio un 50% inferior al de 4K. Odyssey-3: ninguno; no es un generador de medios.

• Precio — Kling 3: 0,084 $/s a 720p, 0,112 $/s a 1080p, 0,42 $/s a 4K (proveedor; audio adicional por debajo de 4K). Odyssey-3: sin publicar.

• Acceso — Kling 3: disponibilidad general desde febrero de 2026 a través de la API y la aplicación del proveedor, y enrutado en OrcaRouter. Odyssey-3: solo en vista previa, «en las próximas semanas».

• Pruebas — Kling 3: doce meses de uso público y documentación de precios de terceros. Odyssey-3: solo demostraciones del proveedor.

Donde OrcaRouter realmente encaja — y aquí no es una nota al pie

Por una vez, esta no es una sección sobre el stack que lo rodea. Kling 3 es uno de los modelos que sirve OrcaRouter, como kling-v3 y kling-3-turbo, así que la comparación entre los dos niveles de Kling se hace con una sola clave en lugar de con dos contratos de proveedor, y puedes probar ambos sin escribir una segunda integración. El precio se repercute a precio de lista del proveedor con 0 % de margen, lo que importa más de lo habitual en un modelo con una tarifa por segundo publicada y un recargo por audio: cuando el proveedor cambia una cifra, tu factura cambia con ella el mismo día en lugar de en la renovación. La conmutación por error automática entre proveedores hace que una cola de generación no se detenga porque un endpoint esté degradado —y los endpoints de generación de vídeo se degradan con la suficiente frecuencia como para que esto sea una preocupación de planificación, no algo teórico—. Para los pipelines que necesitan varios modelos, el DSL de enrutamiento compone un modelo de prompt, un modelo de imagen para el fotograma inicial y el modelo de vídeo en una sola llamada, que es más o menos la forma de cualquier flujo de trabajo de vídeo real.

Odyssey-3, en cambio, no es servido por OrcaRouter ni por nadie más, y este artículo no afirma que lo sea. Todavía no hay nada a lo que enrutar.

El veredicto

Si necesitas video este trimestre, Kling 3 es la respuesta y la comparación ya terminó: tiene precio, está disponible y se puede enrutar, y su tarifa publicada de 720p de $0.084 por segundo hace que el nivel de entrada sea asequible para iterar. Su modo de múltiples tomas es una verdadera ventaja de flujo de trabajo frente a la generación de un solo clip, y sus debilidades conocidas en física de múltiples objetos importan menos para el trabajo que la mayoría de los equipos realmente hace, que es video de formato corto donde el espectador no hará una verificación de física.

Si necesitas un controlador que funcione en hardware, Odyssey-3 es el que apunta a tu problema y todavía no hay nada que comprar. La razón concreta para interesarse es la amplitud: un único conjunto de pesos que abarca brazos, humanoides, un coche, un dron y tres juegos es una afirmación sobre generalidad, y la generalidad es lo que convierte a un modelo en un modelo fundacional en lugar de una política. La razón concreta para esperar es que nadie fuera de Odyssey lo ha ejecutado. Presta atención a un precio y a una evaluación independiente, en ese orden.