Odyssey-3 vs MiniMax H3 : la différence, c’est un téléchargement

Le 3 août 2026, les poids d'un modèle vidéo 2K ont été mis en ligne sur Hugging Face sous un nom que tout le monde peut télécharger et exécuter : MiniMax H3. Six semaines plus tard, le 15 septembre, Odyssey a publié une page de recherche pour Odyssey-3 — un modèle de monde fondationnel qui pilote des bras robotiques, une voiture, un drone et trois jeux vidéo — et a placé une phrase là où aurait dû se trouver le lien de téléchargement : il sera rendu public « dans les prochaines semaines ». Ces deux phrases constituent toute la comparaison. L'un de ces modèles peut être dans votre cluster ce soir, sur votre propre matériel, sous une licence que vous pouvez lire. L'autre ne peut être acheté, loué ni téléchargé par quiconque en dehors de son laboratoire, et l'entreprise n'a pas dit quand cela changera. Cette asymétrie n'est pas une note de bas de page du duel. C'est le duel.

Ce que MiniMax H3 vous apporte réellement

H3 a été annoncé le 31 juillet 2026 et publié en open source le 3 août. Il s'agit d'un modèle général plutôt que d'un générateur vidéo mono-tâche : il lit du texte, des images, de la vidéo et de l'audio comme contexte, et produit de la vidéo d'une durée allant jusqu'à 15 secondes en 2K maximum, avec un son stéréo natif à 32 kHz et 24 images par seconde. Six rapports d'aspect sont pris en charge (de 21:9 à 9:16), et le dialogue est pris en charge de manière stable en onze langues. La base ouverte compte deux variantes publiées — H3-Base-FL2VA pour la génération texte-vers-vidéo et première image, dernière image ou première-et-dernière image, et H3-Base-Ref2VA, qui accepte jusqu'à neuf images, trois clips vidéo et trois clips audio, avec une limite de douze fichiers d'entrée.

Ce qui compte pour cette comparaison, c'est l'endroit où s'arrête la partie ouverte. Le système H3 complet est un pipeline en trois étapes : H3-Context-IR prétraite et orchestre le contexte, H3-Base génère en 768p, et H3-Regenerate-2K porte le résultat à 2K. Seuls les poids de H3-Base sont publics, et ils sont distribués sous la MiniMax H3 Community License plutôt que sous Apache ou MIT — une licence assortie de conditions, qu'il vaut la peine de lire avant qu'elle ne se retrouve dans un pipeline commercial. L'étape Context-IR et le module de régénération 2K tournent du côté de MiniMax. Ainsi, les « poids ouverts » ne vous donnent ici que le milieu du pipeline. Une équipe qui télécharge H3-Base et l'héberge elle-même obtient la génération vidéo en 768p, sans aucun moyen d'atteindre la 2K sans faire appel au fournisseur.

Ce qu'Odyssey-3 vous offre à la place

Ce qu’Odyssey-3 vous donne à la place, c’est une affirmation et une série de démonstrations. Odyssey le décrit comme un modèle du monde de fondation, et le détail architectural publié par Odyssey est suffisamment précis pour être vérifiable plus tard : un transformer de diffusion autorégressif entraîné sur une vaste collection d’observations visuelles du monde, dont l’entreprise affirme qu’il produit une compréhension apprise de la physique, de la dynamique, des relations de cause à effet et du comportement humain. L’adaptation aux tâches se fait en greffant un décodeur d’actions entraîné sur des paires observation-action, tandis que le modèle du monde pré-entraîné reste figé — une petite politique lit les représentations du modèle figé plutôt que de fine-tuner le modèle lui-même.

Les démonstrations couvrent six incarnations. Des bras robotisés, après des dizaines d’heures de démonstrations, y compris des comportements de récupération qui ne figuraient pas dans les données d’entraînement — réorienter un préhenseur après une prise manquée. Des politiques humanoïdes construites avec Flexion à partir de dizaines d’heures de données de téléopération, dont Odyssey affirme qu’elles généralisent mieux que les références VLA auxquelles elle s’est comparée, sans publier de chiffre. Conduite en boucle fermée apprise à partir de vingt heures de données simulées, effectuée en Inde. Vol de drone en intérieur avec évitement d’obstacles à partir de données simulées. Environnements de jeu, y compris des politiques entraînées dans Grand Theft Auto V qui ont été transférées à Red Dead Redemption 2 et Sleeping Dogs sans entraînement supplémentaire dans ces titres ; environ deux heures de séquences de GTA ont suffi à produire un mouvement à cheval dans RDR2. Et la génération d’environnements pour entraîner d’autres IA, liée aux travaux d’apprentissage par renforcement PROWL de l’entreprise.

Le seul chiffre solide de la page est une comparaison avec de vraies séquences : Odyssey indique que 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 données réelles. C’est un chiffre de fournisseur, non reproduit, sans rapport technique à l’appui, et aucun tiers n’a publié de résultat sur Odyssey-3. C’est le genre de chiffre qui détermine si un modèle du monde est utile, et il ne s’agit actuellement que de la parole d’une seule entreprise.

Deux verrouillages qui ne se ressemblent en rien

Il est tentant de ranger MiniMax H3 du côté « ouvert » et Odyssey-3 du côté « fermé », mais la réalité des licences est plus intéressante que cela, et elle joue dans les deux sens.

MiniMax H3 est ouvert au milieu et fermé sur les bords. Vous pouvez détenir le générateur, l’inspecter, le fine-tuner et l’exécuter sans appel réseau. Vous ne pouvez pas détenir l’orchestration du contexte qui en fait un modèle général, et vous ne pouvez pas détenir l’étape 2K. Si la promesse de qualité de votre produit dépend de la résolution de sortie, votre déploiement à poids ouverts a un plafond que seul le niveau hébergé du fournisseur peut lever.

Odyssey-3 est fermé à tous les niveaux, et c’est le positionnement de l’entreprise elle-même qui rend cela étrange. Un modèle du monde destiné aux robots, aux drones et aux véhicules s’adresse à des acheteurs qui exécutent l’inférence sur du matériel qu’ils contrôlent — chaînes de production, véhicules d’essai, cellules d’aéronefs. Ces acheteurs ne peuvent pas utiliser de point de terminaison hébergé pour la boucle de commande ; la latence et la connectivité l’excluent. Le modèle économique d’un modèle comme celui-ci doit donc impliquer les poids, faute de quoi il n’a aucun client dans les segments qu’Odyssey ne cesse de nommer. L’absence de licence aujourd’hui est moins une déclaration d’intention qu’une indication que les conditions commerciales sont encore en cours de rédaction. La série B de 310 millions de dollars d’Odyssey, annoncée en juin 2026 sur une valorisation de 1,45 milliard de dollars, avec AWS comme cloud privilégié et Trainium comme substrat de calcul, constitue le contexte dans lequel ces conditions seront décidées.

Dimension par dimension

• Ce qu'il produit — MiniMax H3 : un clip rendu, 4–15 s, jusqu'à 2K avec audio stéréo. Odyssey-3 : un état de monde simulé ainsi que des actions motrices pour le matériel associé.

• Ce que vous pouvez télécharger — MiniMax H3 : poids H3-Base, licence communautaire, 768p. Odyssey-3 : rien ; aucun poids, aucune licence, aucun dépôt.

• Ce qui reste chez le fournisseur — MiniMax H3 : H3-Context-IR et H3-Regenerate-2K, les deux modules qui le rendent général et le font passer en 2K. Odyssey-3 : tout.

• Prix — MiniMax H3 : tarifs publiés à la seconde, environ 0,08 $ en 768p et 0,13 $ en 2K, plus 0,05 $ par seconde de sortie régénérée (chiffres du fournisseur). Odyssey-3 : aucun publié nulle part.

• Disponibilité — MiniMax H3 : ouvert depuis le 3 août 2026, appelable dès maintenant. Odyssey-3 : annoncé le 15 septembre 2026, « dans les prochaines semaines », sans date.

• Preuves tierces — MiniMax H3 : classé premier en montage vidéo et deuxième ou troisième en texte-vers-vidéo et image-vers-vidéo dans des évaluations tierces. Odyssey-3 : un chiffre fourni par le fournisseur et aucune exécution externe.

Si vous avez besoin de construire quelque chose ce mois-ci

La conséquence pratique, c'est qu'une seule de ces deux options est une décision sur laquelle vous pouvez agir. MiniMax H3 est routé sur OrcaRouter en tant que minimax/minimax-h3 au prix catalogue du fournisseur, avec 0 % de marge — ainsi, le tarif du fournisseur est celui que vous payez, et lorsque MiniMax modifie un chiffre, votre facture suit le jour même plutôt qu'au renouvellement. Cela compte davantage sur un modèle vidéo facturé à la seconde que sur la plupart des autres cas, car l'écart entre 768p et 2K est de presque deux pour un, et la différence entre un prototype et un lancement peut être la différence entre ces deux paliers.

Il y a une deuxième raison de se tourner vers un routeur ici plutôt que vers une intégration directe d’un fournisseur. La partie ouverte de H3 est réellement utile en soi, et les équipes les plus susceptibles de s’y intéresser sont celles qui ont des GPU et des opinions à leur sujet. Ces équipes finissent dans une configuration mixte : H3-Base auto-hébergé pour le travail à fort volume, un chemin hébergé pour la régénération 2K, et un ou deux autres modèles pour tout ce dont le pipeline a besoin autour de la vidéo. Une seule clé et un basculement automatique entre fournisseurs valent plus dans cette configuration que dans une pile à modèle unique, et le DSL de routage compose les modèles environnants — un modèle de prompt, un modèle d’image pour l’image de départ, le modèle vidéo — en un seul appel au lieu de trois intégrations.

Odyssey-3, pour être clair, n'est pas routé par OrcaRouter ni par qui que ce soit d'autre. Il n'y a pas de point de terminaison vers lequel router, ni de prix à faire transiter. Cet article ne prétend pas le contraire.

La question qui vaut la peine d'être posée aux deux fournisseurs

MiniMax a déjà répondu à la question intéressante concernant H3, et la réponse est « le milieu, en 768p, sous notre licence ». Si vous évaluez H3, ce qu'il faut tester, c'est si la base ouverte plus votre propre infrastructure bat la voie hébergée 2K sur le coût par seconde utilisable — et de le tester avant de bâtir une promesse produit sur une sortie 2K.

Odyssey n’a pas encore répondu sur sa version. Lorsque la fenêtre de lancement se refermera, la première question n’est pas un benchmark, c’est une licence : laquelle de ces six incarnations est un déploiement pris en charge, sur le matériel de qui, à quel prix, et si le décodeur d’actions qui permet à un modèle du monde gelé de piloter un bras robotisé est quelque chose que le client entraîne ou quelque chose qu’Odyssey livre. Un modèle du monde qui atteint des bras robotisés, des humanoïdes, des voitures, des drones et trois jeux avec un seul backbone est une revendication de généralité, et la généralité est ce qui en fait un modèle de fondation plutôt qu’une politique — c’est exactement pourquoi les conditions commerciales, et non la bande de démonstration, décideront qui peut l’utiliser.

D'ici là, le tableau d'affichage honnête se lit ainsi : un modèle que l'on peut récupérer, un modèle que l'on peut observer. Guettez d'abord un dépôt et une licence, puis un benchmark — dans cet ordre, car sans les deux premiers, le troisième est invérifiable.

Placez tout le pipeline derrière une seule clé API avec basculement automatique au lieu de trois intégrations distinctes.