Odyssey-3 vs Luma Ray 3.2 : Un monde où entrer ou un fichier à étalonner

Luma Ray 3.2 fait quelque chose que presque rien d’autre dans la génération vidéo ne fait : il vous fournit des images HDR en 10, 12 et 16 bits au standard EXR ACES2065-1, qui est le format qu’un étalonneur souhaite réellement et la raison pour laquelle le modèle existe sous sa forme actuelle. Odyssey-3 fait quelque chose qu’aucun modèle vidéo ne fait du tout : il prend une action en entrée et prédit ce que le monde fait ensuite, puis convertit cette prédiction en commandes motrices pour un bras robotisé, un humanoïde, une voiture ou un drone. Luma Ray 3.2, publié par Luma AI le 9 juin 2026, est un outil de génération proche de la finition, doté d’une API pour développeurs. Odyssey-3, présenté en avant-première par Odyssey le 15 septembre 2026, est un modèle du monde fondationnel non publié, sans prix ni date. Les comparer relève moins d’un duel que d’une manière de demander lequel de deux résultats très différents votre pipeline vous manque réellement — une image étalonnée, ou un monde qui répond au contrôle.

Ray 3.2 est conçu autour du livrable

La version 3.2 de Ray est remarquable moins pour la qualité de sa génération que pour là où elle s'arrête. Elle génère en 540p, 720p et 1080p, sous forme de clips de 5 ou 10 secondes, dans six formats d'image couvrant le vertical, le carré et l'écran large, et elle accepte du texte, une image de début, une image de fin, ou une vidéo existante à modifier. La voie HDR est l'élément différenciateur, et elle s'accompagne de contraintes réelles qu'il vaut la peine d'énoncer précisément : la sortie HDR en 10, 12 et 16 bits au format ACES2065-1 EXR n'est disponible qu'en 720p et 1080p, et uniquement pour les clips de 5 secondes. L'export EXR doit être demandé en activant le HDR. La sortie standard est le MP4. Le bouclage transparent s'applique aux clips de 5 secondes. Jusqu'à 16 images clés par clip offrent un contrôle au niveau du plan qui relève davantage de l'animation que de la simple rédaction de prompts, et le suivi des performances faciales couvre jusqu'à huit visages.

Deux autres faits pèsent sur la décision d’achat. Ray 3.2 est le premier modèle de la famille Ray à disposer d’une API développeur complète — les modèles Ray précédents étaient uniquement sur abonnement — scindée en un palier Build à la consommation et un palier Scale à débit réservé avec un SLA. Et il ne génère pas d’audio synchronisé pour les tâches de texte-vers-vidéo ou d’image-vers-vidéo ; l’audio ne subsiste que dans les chemins modify et reframe. Luma a réalisé sa propre évaluation, revendiquant une parité avec Veo 3 de Google et une avance sur plusieurs concurrents, mais il s’agit de comparaisons menées par l’éditeur, sans scores numériques publiés, à interpréter comme du positionnement plutôt que comme une mesure.

L'Odyssey-3 est construit autour du contrôleur.

Le centre de conception d’Odyssey-3 se trouve à l’autre extrémité du pipeline. Il s’agit d’un transformer de diffusion autorégressif entraîné sur l’observation visuelle du monde, et son composant distinctif est un décodeur d’actions appris — selon l’expression d’Odyssey, « un composant de sortie appris attaché au modèle du monde » qui traduit la représentation interne du modèle en actions requises par un matériel donné. Odyssey indique que le même backbone contrôle des bras robotiques à partir de dizaines d’heures de démonstrations, pilote en temps réel des politiques humanoïdes construites avec Flexion, produit des points de cheminement de conduite en boucle fermée à partir d’un backbone gelé entraîné sur 20 heures de données simulées, fait voler des drones en intérieur autour d’obstacles, et joue à Grand Theft Auto V avec transfert vers Red Dead Redemption 2 et Sleeping Dogs sans entraînement de politique supplémentaire dans ces jeux.

Le seul chiffre comparatif publié par Odyssey est le suivant : les politiques de conduite entraînées en simulation parcouraient, entre deux interventions du conducteur de sécurité, environ 77 % de la distance parcourue par les politiques entraînées sur des images réelles. Il n’y a pas de tableau de référence, pas de rapport technique Odyssey-3, pas d’évaluation indépendante, et aucune date de disponibilité hormis « dans les prochaines semaines ». Il s’agit d’un aperçu, et il n’a aucun prix puisqu’il ne peut pas être acheté.

Le contraste, dimension par dimension

• Ce qui en sort — Luma Ray 3.2 : MP4, plus des EXR ACES2065-1 en 10/12/16 bits lorsque le HDR est activé. Odyssey-3 : un état de monde simulé plus des actions motrices.

• Plafond de format — Luma Ray 3.2 : EXR ACES2065-1 en 720p et 1080p, clips de 5 s uniquement. Odyssey-3 : pas un format de fichier ; la sortie est un déploiement.

• Résolution et durée — Luma Ray 3.2 : jusqu'à 1080p, 5 s ou 10 s (10 s en texte-vers-vidéo uniquement). Odyssey-3 : en continu, à la cadence dont le déploiement a besoin.

• Audio — Luma Ray 3.2 : aucun pour T2V/I2V ; préservé en modification et recadrage. Odyssey-3 : aucun ; ce n'est pas un générateur de médias.

• Prix — Luma Ray 3.2 : par vidéo, selon la résolution, la plage dynamique et la durée, l'export HDR et EXR multipliant le coût du clip ; des listes de tiers situent un clip de 5 s en 720p à environ 0,30 $ et en 1080p à environ 1,20 $. Odyssey-3 : non publié.

• Disponibilité — Luma Ray 3.2 : sorti le 2026-06-09, niveaux d'API Build and Scale. Odyssey-3 : en aperçu, « dans les prochaines semaines ».

Livrable par rapport à l'environnement

La raison pour laquelle ce rapprochement est instructif plutôt qu'arbitraire, c'est que les deux modèles aboutissent à des endroits différents. Ray 3.2 aboutit à un fichier qui part chez un étalonneur, un compositeur ou un studio de finition — le parcours EXR existe précisément pour que l'image générée puisse survivre à l'étalonnage, à la composition et à un nouvel étalonnage sans se désintégrer. C'est une décision de workflow, et c'est pourquoi Ray 3.2 entre plus directement en concurrence avec les outils de post-production qu'avec d'autres générateurs.

Odyssey-3 ne se termine pas du tout, au sens où on l’entend pour un fichier. Sa sortie est un état simulé qui continue de tourner, et son consommateur est un programme. Le test permettant de savoir si cela a fonctionné ne réside pas dans le fait que les images semblent correctes, mais dans le fait qu’une politique entraînée à l’intérieur se transfère au matériel. Ce sont des critères de réussite différents, mesurés par des personnes différentes, et aucun niveau de résolution, d’un côté comme de l’autre, ne les rend comparables.

Là où ils pourraient se rejoindre, c’est sur le chemin allant de la prévisualisation à la finition. Un modèle du monde est l’outil naturel pour explorer un espace de manière interactive — modifier un mouvement de caméra, recomposer une scène, voir immédiatement la conséquence, ce qu’un clip généré figé ne peut justement pas faire. Un modèle comme Ray 3.2 est l’outil naturel pour transformer le résultat choisi en quelque chose de livrable en HDR. Aujourd’hui, ce chemin a un trou en son milieu, car Odyssey-3 n’est pas disponible et ne produit aucun format de fichier qu’un pipeline de finition consomme.

Contourner les deux

Ni Luma Ray 3.2 ni Odyssey-3 n’est desservi par OrcaRouter, et cet article n’affirme pas que l’un ou l’autre le soit. Ce qui mérite d’être souligné, c’est la part d’un pipeline comme celui-ci qui n’est ni l’un ni l’autre de ces modèles. Le modèle de prompt qui rédige une description de plan, le modèle de vision qui vérifie une image par rapport au brief, le modèle de transcription qui récupère le dialogue d’une piste de référence — ceux-là tournent en permanence, pour une fraction du coût par clip du modèle vidéo, et ce sont eux qui tombent en panne aux heures les plus inopportunes. Les exécuter sur une API unique pour plus de 200 modèles au prix catalogue des fournisseurs, avec 0 % de marge garde cette couche sur une seule clé et une seule facture, et le basculement automatique signifie qu’un endpoint de prompt dégradé est redirigé plutôt que de bloquer la file derrière lui. Quand un fournisseur baisse le prix d’un modèle vidéo, la répercussion fait que cette baisse est effective ici le jour même — mais pour les modèles que nous servons réellement, qui aujourd’hui n’incluent ni l’un ni l’autre de ces deux-là.

Ce que chacun vaut la peine d’attendre

Ray 3.2 est disponible dès maintenant, et la raison de le choisir est précise : si votre livrable passe par un pipeline couleur, le chemin EXR ACES2065-1 est une capacité que la plupart des générateurs n'offrent tout simplement pas, et les contraintes de résolution et de durée — plafond de 1080p, clips de 5 secondes pour le HDR, pas d'audio natif — sont le prix d'entrée. Si vous avez besoin d'un son synchronisé, ce n'est pas le bon modèle et vous devriez vous tourner vers un modèle qui le génère.

Odyssey-3 vaut la peine d'être suivi pour une seule raison, et ce n'est aucune des dimensions de Ray 3.2. Si un seul ensemble de poids pilote réellement des bras, des humanoïdes, une voiture, un drone et trois jeux à partir de dizaines d'heures de données chacun, c'est une affirmation sur la généralité qu'aucun moteur de rendu ne fait, et c'est l'affirmation qui offre le plus de potentiel dans le domaine actuel. Le problème, c'est que les preuves qui l'étayent, aujourd'hui, se limitent à la bande de démonstration d'Odyssey elle-même et à un unique chiffre de transfert simulation-réalité. Ce qui changerait l'interprétation n'est pas une meilleure démo — c'est un prix, une date et un chiffre mesuré par quelqu'un qui ne travaille pas là-bas.