Kling 4.0 vs Odyssey-3 : un clip et un monde ne sont pas interchangeables

Demandez Kling 4.0 de créer un diner à 2 h du matin et vous obtenez un film de 30 secondes sur un diner à 2 h du matin — le même film, image par image, chaque fois que vous lancez la même invite. Demandez Odyssey-3 de créer un diner à 2 h du matin et vous obtenez un diner dans lequel vous pouvez entrer, faire demi-tour à l’intérieur et faire tomber une tasse de café du comptoir, le modèle prédisant ce qui se passe ensuite en fonction de ce que vous venez de faire plutôt que de ce que vous avez tapé. Ce sont des produits différents qui portent la même étiquette de catégorie, et la comparaison ne devient utile qu’une fois que vous cessez de demander lequel génère la meilleure vidéo pour commencer à demander lequel produit l’artefact dont votre projet a besoin.

Ce n’est pas une esquive. C’est la raison pour laquelle cette comparaison mérite une page : cherchez-la et vous trouverez des listicles qui les classent l’un contre l’autre sur la résolution et le prix, ce qui revient à classer un appareil photo face à un simulateur de vol sur la fréquence d’images. Les chiffres sont réels, le classement n’a aucun sens, et la décision qui se cache derrière est une décision que vous pouvez réellement prendre.

Ce que chacun produit, précisément

Kling 4.0 est un modèle génératif de vidéo de Kuaishou, accessible à tous depuis le 15 octobre 2026. Il permet la génération de vidéo à partir de texte, à partir d’image, à partir de première et dernière images, à partir de plusieurs images clés, la référence omni et l’édition ciblée, produisant des clips de 3 à 30 secondes en 720p, 1080p ou 4K, avec un audio stéréo à deux canaux et une synchronisation labiale multilingue.

Odyssey-3 est un modèle du monde d’Odyssey — un transformateur de diffusion autorégressif, de 14 milliards de paramètres dans la configuration de base, conçu pour générer un environnement à partir d’une invite, puis continuer à le prédire en temps réel pendant qu’une personne y navigue. Son aperçu public de recherche a été ouvert le 8 octobre 2026, et une démo gratuite dans le navigateur exécute une variante plus légère, Odyssey-3 Flash. Deux niveaux sont publiés : Odyssey-3 en 832×480 et Odyssey-3 Pro en 1280×720.

Le mot « vidéo » apparaît dans les deux descriptions et désigne une chose différente dans chacune. L’une produit un fichier. L’autre produit un système que l’on pilote.

Pourquoi l'interactivité change ce en quoi le modèle doit être bon

Un générateur de clips est jugé sur l’apparence d’une séquence fixe : composition, éclairage, mouvement, et si les mains ont cinq doigts. Il peut consacrer tout son budget de calcul à rendre une seule trajectoire belle, car il n’y a qu’une seule trajectoire.

Un modèle du monde se juge à ce qui se produit après une intervention. La description de l’architecture d’Odyssey décrit un transformer de diffusion vidéo multi-étapes, étendu de manière autorégressive via le teacher forcing et le masquage causal, avec un pipeline de post-entraînement qui combine appariement de distributions et distillation adversariale en une variante à quelques étapes. La diffusion fournit la fidélité, l’autorégression fournit la capacité de survivre à une séquence d’actions, et la distillation fournit la cadence. Tous trois sont structurants, et tous trois constituent le récit que l’entreprise fait de son propre système.

Cette différence apparaît dans le benchmark qu’Odyssey a choisi. Physics-IQ Verified, géré par Anates Labs avec DeepMind, montre aux modèles des séquences vidéo d’expériences physiques réelles — fluides, optique, mécanique des solides, magnétisme, thermodynamique — et évalue la suite prédite par rapport à ce qui s’est réellement produit. Il est difficile de tricher sur ce benchmark, car la clé des réponses est le monde physique. Il classe actuellement 41 modèles issus de 16 laboratoires.

Les chiffres de la physique, avec les mises en garde qui y sont attachées

• Odyssey-3 Pro — 66,1 sur la piste vidéo-vers-vidéo de Physics-IQ Verified, le score brut le plus élevé rapporté par Odyssey. Il s’agit d’une valeur best-of-8 issue d’une seule exécution ; la moyenne sur quatre exécutions sans sélection est de 63,37.

• Amélioration nette par rapport à la moyenne de la piste — FLUX 3 [large] arrive en tête avec +12,27 points de pourcentage, Odyssey-3 Pro est deuxième avec +11,15, Odyssey-3 troisième avec +9,99.

• Coût normalisé par vidéo générée — Odyssey-3 Pro 0,267 $, Odyssey-3 0,139 $, contre FLUX 3 [large] à 0,868 $ et Seedance 2.5 à 2,838 $. Les coûts sont normalisés à 24 fps et à une sortie de 1280 pixels de large lorsque le classement le permet.

• {{1}}WorldMark{{/1}} — {{2}}Odyssey-3{{/2}} se classe premier dans trois des quatre sous-ensembles. Le sous-ensemble qu’il ne remporte pas est celui des environnements réels à la première personne, où il se classe troisième à 80,6 derrière {{3}}Lyra 2.0{{/3}} à 84,4 et {{4}}AlayaWorld{{/4}} à 83,0. Il s’agit d’une évaluation de fournisseur exécutée sur le jeu de données de quelqu’un d’autre avec les légendes propres au benchmark, et non d’une arène tierce.

• Indépendance — aucune. Chaque chiffre ci-dessus est auto-déclaré. Aucun évaluateur externe n’a exécuté Odyssey-3 sur un banc d’essai qu’il n’a pas choisi.

Lisez la deuxième ligne deux fois. Sur la métrique qui tient compte de la difficulté du parcours, Odyssey-3 Pro n’est pas premier — un générateur vidéo généraliste l’est. Le titre phare de l’entreprise est le score brut ; le résumé privilégié par le tableau de classement le place deuxième. Les deux sont vrais, et la différence est le genre de détail qu’un article de lancement omet.

Les preuves du côté de Kling 4.0 sont plus ténues, pas meilleures.

Kuaishou n'a publié aucun benchmark de son propre chef pour Kling 4.0, et le modèle est absent des tableaux vidéo d'Artificial Analysis au 23 octobre. Ce n'est pas un mauvais résultat — c'est l'absence de résultat. Ce qui existe, c'est une spécification, une note de version et une semaine d'impressions pratiques de personnes ayant accès à l'application, soit une base probante plus faible que les scores soumis par Odyssey elle-même, et d'une nature entièrement différente.

La spécification est véritablement solide, et elle l’est d’une manière qui compte pour une sortie rédigée plutôt que pour une simulation :

• Durée — 3 à 30 secondes en une seule passe, avec une extension jusqu'à 2 minutes annoncée comme prochainement disponible. L'aperçu d'Odyssey génère un environnement continu, et non un clip minuté.

• Résolution — 720p, 1080p et 4K, avec HDR 10 bits sur les deux niveaux supérieurs marqués « bientôt disponible ». L’Odyssey-3 Pro est en 1280×720 au sommet de sa gamme, et le niveau de base est en 832×480.

• Contrôle — jusqu’à 10 images clés et un budget de 15 références réparti entre images, secondes de vidéo, voix et éléments. C’est une surface de contrôle de réalisateur : vous précisez ce qui se passe et quand.

• Audio — stéréo deux canaux avec synchronisation labiale en neuf langues et accents nommés. L'aperçu d'Odyssey ne propose pas de sortie audio comparable, car vous ne regardez pas une scène terminée.

• Accès — le produit grand public est en ligne ; l’API a commencé à s’ouvrir aux clients entreprises et aux développeurs le 21 octobre, la grille tarifaire destinée aux développeurs indiquant encore le modèle comme « Bientôt disponible » et ne présentant que des tarifs de préversion.

Coût par résultat, et non coût par seconde

Les deux unités de tarification ne sont pas convertibles, ce qui explique pourquoi les tableaux comparatifs se trompent. Le tarif de prévisualisation de Kling 4.0 est de 0,157 $ par seconde en 720p et de 0,235 $ en 1080p, aucun tarif 4K n’étant publié. L’entrée d’Odyssey au classement est de 0,139 $ ou 0,267 $ par vidéo générée, normalisée pour permettre la comparaison entre modèles ayant des fréquences d’images différentes.

Si vous voulez une prise de 30 secondes en 1080p, Kling 4.0 au tarif de prévisualisation revient à environ 7,05 $, en supposant que ce tarif soit maintenu au lancement. Si vous voulez dix minutes d’environnement explorable en 720p, le chiffre par vidéo d’Odyssey ne vous apprend rien, car une « vidéo » dans cette colonne est un échantillon de référence, pas une session. Pour être honnête, un produit a un tarif à la seconde et l’autre est un aperçu de recherche sans aucune grille tarifaire. Les budgets ne sont pas comparables face à un tel écart.

Le problème de l’accès est symétrique, et c’est là tout l’enjeu pratique.

Aucun des deux modèles n’est un appel prêt à l’emploi. Kling 4.0 s’ouvre par étapes avec des tarifs de préversion ; Odyssey-3 est une préversion de recherche avec un formulaire de contact pour l’accès à l’API, aucune documentation sur les limites de débit et aucun poids.

Pour une équipe qui évalue les deux, le bon réflexe est de garder le banc d'évaluation indépendant du SDK de l'un ou l'autre fournisseur. OrcaRouter n'héberge aucun des deux modèles — il n'y a pas de route Odyssey, ni d'identifiant Kling 4.0 dans le catalogue — mais le travail autour de ces modèles relève du trafic API ordinaire : la passe d'expansion de prompt qui transforme une description de plan en quelque chose qu'un modèle vidéo peut exploiter, la liste de plans, le sous-titrage, la passe de notation qui décide lequel de huit échantillons conserver. Ces tâches tournent sur un seul point de terminaison compatible OpenAI, sur plus de 200 modèles, au prix catalogue du fournisseur avec 0 % de marge, et le basculement automatique en cas de défaillance fait qu'une campagne d'évaluation ne meurt pas parce qu'un service en amont passe une mauvaise après-midi. Lorsque l'un ou l'autre modèle ouvrira une API en libre-service, le banc d'évaluation aura déjà la bonne forme.

Les modèles que vous pouvez appeler aujourd'hui sont ceux de la génération précédente des deux côtés. Kling 3.0 est disponible sur OrcaRouter à 0,084 $ par requête. Odyssey n'a pas de prédécesseur routable. Cette asymétrie mérite d'être relevée : dans une catégorie où le modèle intéressant est généralement celui qui n'est pas disponible, le repli côté Kling est au moins un véritable endpoint.

Qui devrait réellement choisir lequel

Choisissez Kling 4.0 si le livrable est un plan finalisé : une publicité, une séquence de clip musical, un film de produit, tout ce pour quoi quelqu'un jugera l'image et le son puis l'exportera. La passe unique de 30 secondes, les 10 images clés et l'audio stéréo sont tous destinés à ce travail, et aucun modèle du monde ne les remplace.

Choisissez Odyssey-3 si le livrable est un espace dans lequel quelqu'un agit : des données d'entraînement en robotique, du prototypage spatial, une démo ludique, l'évaluation d'un agent incarné. Les résultats Physics-IQ, la navigation à la première et à la troisième personne et les rapports du fournisseur sur des politiques de robots transférées hors d'un backbone gelé constituent le bon type de preuves pour ce travail, à condition de garder à l'esprit qu'elles proviennent du fournisseur.

Ne choisissez ni l’un ni l’autre si ce dont vous avez besoin est un endpoint reproductible et facturable ce mois-ci. Les deux sont en cours de déploiement, l’un n’a pas de prix et l’autre a un tarif de préversion, et une voie de production bâtie sur l’un ou l’autre aujourd’hui est un pari sur un calendrier de lancement que vous ne maîtrisez pas.

Ce qui permettrait de trancher n’est pas un benchmark que les deux modèles peuvent passer. C’est un test de workflow : prendre une scène, la générer comme plan scénarisé de 20 secondes dans Kling 4.0, puis reconstruire le même lieu dans Odyssey-3 et essayer de mettre en scène la même action en pilotant la caméra. Si la version interactive ne peut pas maintenir la composition dont vous avez besoin, le modèle du monde est le mauvais outil, quel que soit son score en physique. Si la version scénarisée ne survit pas à un changement de point de vue, c’est le générateur de clips. Cette expérience coûte un après-midi et vous en dit plus que n’importe quel Elo d’un côté ou de l’autre.