Odyssey-3 : ce qu’est réellement le Foundation World Model d’Odyssey

La première chose à bien saisir à propos d'Odyssey-3, c'est le nom. Ce n'est pas un générateur vidéo que l'on a affublé du label de modèle du monde pour des raisons marketing — Odyssey Systems le décrit, sur sa propre page d'annonce, comme « un système dynamique appris, implémenté sous la forme d'un transformer de diffusion autorégressif, qui prédit comment les objets se déplacent et interagissent dans l'espace et comment les situations évoluent dans le temps ». Sa sortie à deux niveaux, Odyssey-3 en 832×480 et Odyssey-3 Pro en 1280×720, en fait un modèle dans lequel on agit plutôt qu'un modèle que l'on sollicite une fois avant de passer à autre chose. Odyssey a annoncé ces travaux le 15 septembre 2026 sous le titre « A General-Purpose Physical Intelligence » et a ouvert un aperçu de recherche public le 8 octobre 2026 ; cette page est la fiche de référence du modèle lui-même, et non un compte rendu de l'une ou l'autre de ces dates.

Ce que cela signifie en pratique : sur la propre page d’Odyssey, vous saisissez une invite, le modèle construit un environnement, et vous vous y déplacez — à la première personne, à la troisième personne, ou comme une caméra flottant librement — pendant que le modèle continue à prédire ce qui se produira ensuite. Odyssey qualifie la variante distillée à quelques étapes, au cœur de cette expérience, de « capable d’interaction en temps réel ». Rien à son sujet n’a de prix, de licence ou de téléchargement. Il n’y a pas de fiche de modèle, pas de publication de poids, et pas de clé en libre-service. Cette combinaison constitue l’ensemble de la question du lecteur, et il vaut la peine de l’aborder dans l’ordre où la décision en a réellement besoin.

Quelle classe de modèle est Odyssey-3 ?

Les lecteurs qui recherchent « Odyssey 3 world model » ont la bonne classification, et c'est le terme employé par Odyssey lui-même : le titre de la page présente Odyssey-3 comme son « modèle du monde fondamental le plus puissant à ce jour ». La classe précise est plus étroite que « modèle du monde » dans l'usage général. Odyssey-3 est un modèle d'environnement interactif conditionné par l'action — il génère un environnement incarné à partir d'une invite, puis prédit comment cet environnement change lorsqu'une personne ou un agent effectue des actions ou introduit des événements, en fonction des observations précédentes et de la dernière entrée. Selon Odyssey, l'aperçu actuel « offre une navigation à la première et à la troisième personne ainsi qu'un mouvement de caméra indépendant ».

Pourquoi il s’agit d’un artefact différent d’un modèle vidéo, dans le propre récit d’Odyssey sur la manière dont il a été construit :

• Il est conçu comme un transformer de diffusion vidéo multi-étapes avec des prompts et des contrôles résolus temporellement, puis étendu de manière autorégressive via le teacher forcing et le masquage causal afin de pouvoir continuer à partir d’observations précédentes et prédire les états futurs conditionnés par les entrées d’action.

• Un pipeline de post-entraînement combinant appariement de distributions et distillation adversariale produit une variante distillée en quelques étapes — l’élément qui rend l’interaction en temps réel possible tout court, puisqu’un modèle de diffusion qui nécessite des dizaines d’étapes de débruitage par image ne peut pas suivre le rythme d’une frappe au clavier.

• Il est entraîné sur des vidéos issues d’Internet portant des annotations d’événements localisées dans le temps et vérifiées par schéma, sur des enregistrements de gameplay comportant des entrées clavier et souris alignées temporellement, et sur des interactions simulées de corps rigides accompagnées de légendes et de métadonnées. Les sources de gameplay et de simulation sont celles qui rattachent les actions aux observations ; les vidéos issues d’Internet en fournissent l’étendue.

• La sortie est une vidéo, et la surface d’entrée comprend des invites textuelles, des images téléversées, ainsi qu’un mouvement continu ou un contrôle de caméra. Ce n’est pas un modèle de langage et il n’a pas de fenêtre de contexte au sens des LLM ; rien dans la documentation d’Odyssey n’en décrit une.

Donc, la bonne réponse en une ligne est : un modèle du monde, plus précisément un modèle d’environnement interactif qui produit de la vidéo — pas un générateur de vidéo, et pas un LLM multimodal proche d’un chatbot. Les douze pages de comparaison de ce site qui le confrontent à Seedance, Veo, Kling, Runway et similaires comparent un environnement à des générateurs de clips ; c’est dans les benchmarks ci-dessous que cette distinction apparaît réellement en chiffres.

Ce que vous pouvez en faire aujourd'hui

L'aperçu de recherche est en ligne sur experience.odyssey.systems, et la page d'Odyssey indique clairement que « notre aperçu de recherche est disponible dès maintenant ». En lisant l'application d'aperçu elle-même, les contrôles sont :

• Une zone de saisie (« Décrivez ce que vous aimeriez que l’IA simule »), un téléversement d’image, et une galerie de scènes suggérées que vous parcourez avec les touches fléchées et sélectionnez avec Entrée.

• Trois intentions de caméra initiales — « Vue du monde », décrite dans l’interface comme « une caméra en flottement libre, sans joueur associé » ; « Vue à la première personne », « voir à travers les yeux du sujet jouable » ; et « Vue à la troisième personne ».

• Une commande de démarrage qui lance la simulation, après quoi vous pouvez vous déplacer dans l’environnement, introduire des événements en cours de génération et observer la réaction du modèle.

Deux choses au sujet de l'accès que vous ne devriez pas avoir à découvrir à vos dépens. Premièrement, le bouton dans l'aperçu indique « Try Odyssey-3 Flash » — un nom de palier qui n'apparaît nulle part ailleurs sur le site. Odyssey nomme exactement deux paliers, Odyssey-3 et Odyssey-3 Pro, et ne publie ni spécifications, ni taille, ni résolution pour quoi que ce soit appelé Flash. Considérez ce libellé comme inexpliqué jusqu'à ce qu'Odyssey le documente. Deuxièmement, le parcours d'accès à l'API n'est pas en libre-service. Le lien « Get API Access » pointe vers developer.odyssey.ml, et cette page indique actuellement : « Odyssey-2 Max est en cours de déploiement auprès des utilisateurs existants de l'API. Si vous avez déjà un compte chez nous, veuillez continuer. Sinon, rendez-vous ici pour demander un accès prioritaire. » La surface développeur mise en avant aujourd'hui est Odyssey-2 Max, et non Odyssey-3. La voie vers Odyssey-3 pour un développeur passe par le formulaire de contact sur le site d'Odyssey lui-même, et sa description honnête est celle d'une file d'attente.

Les limites documentées par Odyssey — et celles qui ne le sont pas

C'est ici qu'une page de référence prouve son utilité, car les écarts sont tout aussi déterminants pour la décision que les chiffres.

• Résolution — Odyssey-3 : 832×480 ; Odyssey-3 Pro : 1280×720. Publiée par le fournisseur, indiquée directement sur la page d’annonce.

• Fréquence d’images — non publiée par Odyssey. Le seul chiffre de fréquence d’images que l’on trouve dans les sources primaires est la colonne « Output FPS » du classement Physics-IQ Verified, qui indique 16 pour chaque entrée Odyssey, contre 24 pour FLUX 3 [large]. Il s’agit d’un champ tiers dans un classement tiers, et non d’une spécification fournisseur, et c’est le nombre que le classement utilise pour normaliser le coût.

• Durée des clips — non publiée. Odyssey ne documente aucune longueur de génération maximale, aucune durée de clip et aucune durée de session. WorldMark, le benchmark qu'Odyssey cite pour la qualité des modèles du monde, exécute ses propres cas de test à 20, 40 et 60 secondes — ce sont les longueurs de sonde du benchmark, et non une limite documentée d'Odyssey-3, et les confondre serait une erreur.

• Limites d’interactivité — non publiées en tant que limites. Odyssey documente les modes disponibles (première personne, troisième personne, caméra libre, événements en cours de génération) mais ne publie aucun chiffre de latence, aucun nombre maximal d’actions simultanées, ni aucune indication sur la durée pendant laquelle une session peut se dérouler avant que le monde ne se dégrade.

• Modèle de coûts — le seul chiffre financier qu’Odyssey publie est une hypothèse, pas un prix : elle « suppose 1 $ par heure de GPU MI355X, hors frais de réécriture de prompt » lorsqu’elle a calculé l’axe des coûts de son graphique Physics-IQ. Il n’existe aujourd’hui aucune grille tarifaire, aucun tarif à la seconde ni aucun système de crédits sur quelque page d’Odyssey que ce soit.

Poids, code et licence : aucun des trois

Réponse directe, sur les trois points. Aucun poids n’a été publié — une recherche sur Hugging Face des modèles d’Odyssey Systems ne renvoie rien provenant de l’entreprise, et aucune page d’Odyssey ne mentionne de checkpoint, de dépôt ni de téléchargement. Aucun code d’entraînement ou d’inférence n’a été publié. Et aucune licence n’a été publiée pour Odyssey-3 ; le seul document de type licence et conditions sur le site est la page API Terms, mise à jour pour la dernière fois le 2026-01-22, qui régit encore « le prototype de l’interface de programmation d’application Odyssey-2 » — un document antérieur à Odyssey-3 de deux générations de modèles et qui ne le nomme pas.

Si une page, où que ce soit, vous affirme qu’Odyssey-3 est à poids ouverts, ou en cite une licence, cette page se livre à des suppositions. Rien dans la documentation propre à Odyssey n’étaye aujourd’hui ni l’une ni l’autre de ces affirmations.

Ce qu'Odyssey prétend, et ce qui a réellement été mesuré

Odyssey avance une affirmation phare concernant un benchmark : « Odyssey-3 Pro établit un nouvel état de l’art sur le benchmark vidéo-vers-vidéo de Physics-IQ Verified, atteignant 66,1, le score le plus élevé rapporté », ainsi qu’une seconde affirmation selon laquelle Odyssey-3 « se classe 1er dans 3 des 4 catégories de WorldMark dans nos évaluations ». Ces deux affirmations ont des justifications différentes et doivent être lues séparément.

Physics-IQ Verified est un véritable tableau tiers. Il est géré par Anates Labs avec DeepMind, il répertorie actuellement 41 modèles issus de 16 laboratoires, et il évalue les modèles en leur montrant des vidéos de véritables expériences physiques — dynamique des fluides, optique, mécanique des solides, magnétisme, thermodynamique — puis en mesurant leur continuation par rapport à ce qui s'est réellement produit. Lecture du tableau vérifié vidéo-vers-vidéo le 2026-10-13 :

• Odyssey-3 Pro, échantillonnage BoN ×8 — 66,10, rang 01. Odyssey-3, BoN ×8 — 64,43, rang 02. FLUX 3 [large], BoN ×8 — 64,35 ± 0,22, rang 03. Le chiffre de 66,1 du fournisseur correspond à la première ligne du tableau, donc l’affirmation du « score le plus élevé rapporté » se vérifie dans le classement actuel du tableau lui-même.

• Les lignes à génération unique sont plus basses et plus rapprochées : Odyssey-3 Pro 63,37 ± 0,63, Odyssey-3 61,56 ± 1,20, FLUX 3 [large] 61,11 ± 0,55. L'ordre n'est pas stable d'un échantillonnage à l'autre. Avec le best-of-8, le 64,43 du modèle de base se situe 0,08 point au-dessus du 64,35 de FLUX 3, et le 66,10 de Pro se détache de 1,75 point. En génération unique, FLUX 3 se situe entre les deux lignes Odyssey — 0,45 en dessous du 61,56 d'Odyssey-3 et 2,26 en dessous du 63,37 de Pro.

• La ligne la plus importante pour un lecteur sceptique se trouve plus bas. Odyssey-3 apparaît également avec la source du prompt marquée « BPP » — prompts fournis par le benchmark, sans réécriture par LLM — à 51,76 ± 0,69, rang 08. Sa ligne avec prompt personnalisé est de 61,56. Sur les prompts propres au benchmark, le score vérifié du modèle est environ dix points inférieur à celui obtenu sur ses propres prompts. Le classement précise explicitement que les coûts distincts de LLM/prompt sont ajoutés après normalisation du coût de génération, et que la réécriture de prompt via l'API Odyssey est estimée à 0,01 $ par vidéo soumise, chaque exécution best-of-8 partageant un même prompt réécrit.

• Sur le tableau vérifié image-vers-vidéo, le classement est différent et le cadrage du fournisseur doit être ajusté en conséquence : FLUX 3 [large] arrive en tête à 54,70 (BoN ×8), Odyssey-3 Pro étant deuxième à 54,69 et Odyssey-3 troisième à 52,83. Un dixième de point n'est pas une avance, dans un sens ou dans l'autre. L'affirmation d'Odyssey selon laquelle il est à l'état de l'art est une revendication vidéo-vers-vidéo, et en image-vers-vidéo, il n'est pas le leader.

• Coût normalisé, que le tableau calcule pour une sortie à 24 fps et de 1280 px de large, avec les entrées indiquées : sur les lignes vidéo-vers-vidéo best-of-8, Odyssey-3 Pro est à 3,484 $ et Odyssey-3 à 1,430 $, contre FLUX 3 [large] à 16,430 $ ; sur les lignes à génération unique, Odyssey-3 Pro est à 0,444 $ et Odyssey-3 à 0,187 $. À noter que la couverture antérieure de ce lancement citait 0,139 $ et 0,267 $ pour les deux niveaux d’Odyssey — il s’agit des lignes image-vers-vidéo à génération unique du même tableau, et non des lignes vidéo-vers-vidéo ; les deux ne doivent pas être interverties. Le chiffre n’a pas bougé ; il appartient à une autre ligne d’échantillonnage.

• Sous-métriques, vérifiées vidéo à vidéo : Odyssey-3 Pro mène le spatial à 73,19 et le spatial pondéré à 65,07 ; Odyssey-3 mène le spatio-temporel à 70,44. FLUX 3 [large] mène l'erreur quadratique moyenne à 57,39, avec Odyssey-3 Pro en deuxième position à 55,81. Odyssey est en tête sur le plan spatial et non sur l'erreur.

L'affirmation concernant WorldMark repose sur un fondement plus fragile, et c'est la partie à lire attentivement. WorldMark est une véritable suite de référence publique, issue d'Alaya Lab, de l'Université de Tokyo et du Shanghai Innovation Institute : elle pilote dix modèles à partir d'un vocabulaire d'actions partagé de type WASD sur 500 cas standardisés et évalue neuf métriques déterministes portant sur la dynamique des actions, la mémoire du monde et la qualité visuelle. La présentation qu'en fait Odyssey est la suivante : « dans notre évaluation, en utilisant les légendes propres au benchmark et la moyenne de ses 13 scores de métriques rapportés, Odyssey-3 se classe premier dans les environnements stylisés à la première personne, réels à la troisième personne et stylisés à la troisième personne. » Trois constats découlent des sources primaires :

• Il s'agit d'une évaluation auto-réalisée. Odyssey a exécuté le benchmark et rapporté le résultat ; les auteurs de WorldMark ne l'ont pas publié.

• Odyssey-3 n'apparaît pas dans les résultats publiés du benchmark lui-même. En consultant la page de résultats de WorldMark le 2026-10-13, les quatre catégories recensent dix modèles — 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 et Yume 1.5 — et Odyssey-3 n'en fait pas partie. Le classement ne peut donc pas être vérifié par rapport aux chiffres du benchmark lui-même, puisque sur le tableau public, il n'y en a aucun.

• Le nombre de métriques décrit par Odyssey diffère de la description que donne le benchmark lui-même. La page de WorldMark décrit « neuf métriques déterministes » réparties en trois catégories ; Odyssey décrit « la moyenne de ses 13 scores de métriques rapportés ». Ces deux affirmations peuvent être vraies selon la façon dont on envisage la suite, mais un lecteur ne peut pas les concilier de l’extérieur, et le nombre qui change est celui de premier niveau.

• La seule catégorie dans laquelle Odyssey-3 ne l’emporte pas dans sa propre évaluation est celle qui est la plus proche de l’argumentaire produit : les environnements réels à la première personne, où le score d’Odyssey, 80,6, est inférieur à ceux de Lyra 2.0 (84,4) et d’AlayaWorld (83,0). L’avantage revendiqué du modèle se concentre dans les mondes stylisés et à la troisième personne.

Au-delà des deux benchmarks, chaque affirmation de capacité provient du fournisseur et n'a pas été reproduite indépendamment, et la page de référence devrait le dire sans l'adoucir. Odyssey rapporte un décodeur d'actions de bras robotique entraîné sur « seulement quelques dizaines d'heures de démonstrations robotiques » qui a produit des comportements de récupération absents des démonstrations, notamment la réorientation d'une pince après une prise manquée. Il rapporte des politiques de contrôle humanoïde construites par Flexion sur Odyssey-3 qui ont surpassé les baselines VLA testées en cas de changement environnemental, et ont continué à fonctionner sous des changements d'éclairage qui faisaient échouer ces baselines. Il rapporte une politique de conduite entraînée sur 20 heures de données de conduite avec le backbone Odyssey-3 maintenu gelé, conduisant en boucle fermée sur de vraies routes en Inde — et le seul chiffre comparatif de ce travail est que les politiques entraînées uniquement en simulation parcouraient environ 77 % de la distance entre les interventions du conducteur de sécurité par rapport aux politiques entraînées sur des séquences vidéo réelles. Il rapporte une génération multi-capteurs, avec un checkpoint Odyssey-3 produisant ensemble les trois vues caméra avant d'un jeu de données de conduite après 100 étapes d'entraînement. Rien de tout cela n'a été réexécuté par quiconque en dehors d'Odyssey, et aucun tiers n'a publié de chiffre pour Odyssey-3 qu'Odyssey n'ait pas fourni.

Il n'existe d'ailleurs pas encore, à ce jour, de comparaison directe sur laquelle s'appuyer. Personne n'a fait tourner Odyssey-3 face à FLUX 3 [large] ou à quelque autre modèle que ce soit, avec un harnais et un échantillonnage identiques, en dehors de la soumission Physics-IQ elle-même, et le tableau Physics-IQ est précisément l'endroit où le choix d'échantillonnage — best-of-8 contre génération unique, prompts personnalisés contre prompts du benchmark — déplace le résultat de dix points. Considérez comme non informatif tout classement qui ne précise pas sa ligne d'échantillonnage.

Comment l'obtenir, et que faire en attendant

Aujourd'hui, les voies d'accès sont l'aperçu dans le navigateur sur experience.odyssey.systems et le formulaire de contact sur odyssey.systems pour l'accès à l'API. C'est la liste complète ; il n'y a pas de page de tarifs, pas de documentation sur les limites de débit, ni de clé en libre-service. Odyssey-3 n'est pas non plus quelque chose que nous pouvons acheminer pour vous — il n'y a pas encore d'API appelable vers laquelle pointer, donc toute mention de disponibilité destinée aux développeurs est prématurée.

Si cela vous laisse avec le besoin de quelque chose que vous pouvez appeler cette semaine, la démarche utile est architecturale plutôt qu'éditoriale : gardez le modèle derrière une interface que vous contrôlez, de sorte que l'ajout d'Odyssey-3 plus tard soit un changement de configuration plutôt qu'une réécriture. C'est précisément le cas pour lequel les couches de routage existent, et c'est aussi la bonne façon d'évaluer un modèle dont les chiffres de benchmark varient de dix points selon l'échantillonnage — vous voulez pouvoir comparer en A/B le vrai modèle à votre solution en place, sur vos propres prompts, avec une seule clé, sans second contrat. OrcaRouter met plus de 200 modèles derrière un point d'accès unique, répercute le prix catalogue des fournisseurs avec 0 % de marge, et bascule automatiquement entre fournisseurs en cas de défaillance — ce qui compte le plus, précisément, pour la situation dans laquelle se trouve Odyssey-3 : un modèle que vous ne pouvez pas encore obtenir, à côté de modèles que vous pouvez.

Ce qu'il faut surveiller, concrètement, et par ordre d'impact sur la réponse : un prix publié et une clé en libre-service ; une licence et une publication des poids, ou une déclaration explicite indiquant qu'aucune des deux n'est prévue ; une spécification de fréquence d'images et de durée provenant d'Odyssey plutôt que d'une colonne de classement ; et l'apparition d'Odyssey-3 dans les résultats publiés par WorldMark lui-même, ce qui transformerait un classement auto-publié en un classement vérifiable. Tant qu'au moins le premier et le dernier de ces éléments ne se concrétisent pas, la description exacte d'Odyssey-3 est celle d'un modèle de fondation du monde réellement intéressant — un modèle d'environnement interactif qui produit de la vidéo, et non un générateur vidéo — avec un solide résultat de benchmark tiers en échantillonnage best-of-8, un résultat beaucoup plus modeste avec les invites propres au benchmark, et aucune surface commerciale.