PAN 2 vs Odyssey 3 : le seul modèle du monde ici avec un prix affiché publie aussi son pire chiffre

Deux affirmations sur le raisonnement physique, publiées à trois semaines d’intervalle, et la différence entre elles ne réside pas dans le score. PAN 2 est le modèle du monde à poids ouverts de 29 milliards de paramètres de l’Institute of Foundation Models — poids sous Apache-2.0 le 7 octobre 2026, code le 5 novembre, prise en charge Day-0 de vLLM-Omni le 10 novembre — qui génère jusqu’à vingt secondes de vidéo en 704×1248 à 24 images par seconde à partir d’une image de départ et d’une action décrite. Odyssey 3 est le transformateur de diffusion autorégressif d’environ 14 milliards de paramètres d’Odyssey, publié sous forme d’aperçu de recherche gratuit le 8 octobre 2026 à environ 0,139 $ par vidéo générée au niveau de base et 0,267 $ sur Pro. L’un est un checkpoint téléchargeable sans prix. L’autre est un produit facturé à l’usage, sans poids. Et la raison pour laquelle ce duo mérite un article plutôt qu’un paragraphe est que la version payante a publié une réserve concernant les benchmarks que la plupart des laboratoires auraient enterrée, tandis que la version gratuite n’a été évaluée par personne.

Cette inversion est la partie utile. Le réflexe consiste à lire « poids ouverts » comme « plus transparent » et « API commerciale » comme « plus marketing ». Ici, c’est l’inverse, et comprendre pourquoi en dit plus sur l’évaluation des modèles du monde en 2026 que n’importe quelle position dans un classement.

Ce qu’Odyssey a publié, y compris la partie qui lui coûte un point

Odyssey 3 Pro a rapporté 66,1 sur Physics-IQ Verified, un benchmark de raisonnement physique vidéo-vers-vidéo, et l'a décrit comme l'état de l'art. La méthode derrière ce chiffre est le point intéressant : elle provient d'une seule exécution utilisant une sélection des huit meilleurs, alors que les règles du benchmark lui-même exigent quatre exécutions avec un écart-type rapporté. Sans sélection, la moyenne sur quatre exécutions était de 63,37.

Les deux chiffres sont ceux d’Odyssey. L’écart de 2,73 points entre eux est le prix à payer pour choisir le meilleur de huit échantillons et l’appeler le score, et le fait que les deux chiffres soient publics témoigne d’une transparence supérieure à celle que la catégorie offre habituellement. Selon la mesure propre au benchmark de l’amélioration nette par rapport à la moyenne de la piste, Odyssey 3 Pro se classe deuxième à +11,15 points de pourcentage, derrière FLUX 3 [large] à +12,27. Sur WorldMark, l’évaluation propre à Odyssey, il est premier dans trois des quatre catégories — 77,2 en première personne stylisée, 79,0 en troisième personne réelle, 76,3 en troisième personne stylisée — et troisième en première personne réelle à 80,6, derrière Lyra 2.0 à 84,4 et AlayaWorld à 83,0.

Lisez ces chiffres comme un acheteur devrait le faire, et trois constats s’ensuivent. Premièrement, le modèle est réellement compétitif : une deuxième place sur la propre mesure d’amélioration du benchmark n’est pas un artifice marketing. Deuxièmement, il ne remporte pas la catégorie dans laquelle il est commercialisé, et sa propre évaluation le dit dans l’une des quatre pistes. Troisièmement, et c’est le plus utile, la volonté du fournisseur de publier côte à côte un chiffre sélectionné et la moyenne non sélectionnée est un signal sur la façon de lire tout le reste de ce qu’il publie.

Portons maintenant le même regard sur {{1}}PAN 2{{/1}}. {{2}}IFM{{/2}} a publié bien plus d’évaluations que la plupart des versions de modèles vidéo — 300 cas d’action unique répartis en six catégories de capacités ; 100 tâches égocentriques à plusieurs étapes formulées dans les deux sens, 200 invites et 456 étapes, notées sur l’achèvement des étapes et l’achèvement du plan complet sur trois graines ; Physics-IQ Verified dans le cadre image-vers-vidéo normalisé de sorte que la variance entre deux prises réelles soit égale à 100 ; PhyGround sur une échelle en cinq points jugée par Qwen3.8-27B ; RBench comme moyenne non pondérée sur cinq catégories de tâches et quatre catégories d’embodiment ; et une étude humaine en aveugle par comparaison par paires sur 140 invites, avec treize évaluateurs produisant 1 400 comparaisons, Elo ajusté par Bradley–Terry et centré à 1500. Ce qu’{{2}}IFM{{/2}} n’a pas publié, c’est une mise en garde quant à la sélection, car pour autant que la fiche le montre, il n’y avait rien à sélectionner : les chiffres sont rapportés comme sortie du harnais.

Les deux sont {{1}}non audités{{/1}}. Un seul d'entre eux est {{2}}comparable{{/2}} à quoi que ce soit d'autre, parce qu'Odyssey a fait tourner un {{3}}benchmark public{{/3}} et que les chiffres phares de PAN 2 proviennent d'un {{4}}harnais privé{{/4}}. Cette distinction — {{5}}benchmark contre harnais{{/5}} — vaut plus que les scores eux-mêmes.

Deux produits, deux types de friction

C’est sur le prix que la comparaison est la plus facile à énoncer et la plus difficile à mettre en pratique.

• Prix unitaire — Odyssey 3 coûte environ 0,139 $ par vidéo générée en 832×480 sur l'offre de base et environ 0,267 $ en 1280×720 sur Pro ; PAN 2 n'a pas de prix unitaire, car il n'existe pas de service hébergé, uniquement des poids et une facture de GPU.

• Le coût réel — le prix d’Odyssey 3 correspond au coût total d’un clip ; celui de PAN 2, c’est la machine : treize secondes de vidéo en 704×1248 prennent environ 119 secondes sur quatre B300s, avec huit H200s en BF16 comme configuration par défaut documentée.

• Friction d'accès — Odyssey 3 propose une démo navigateur gratuite que chacun peut ouvrir, et un accès API via un formulaire de contact, sans clés en libre-service ni grille tarifaire publiée ; PAN 2 représente 86,17 gigaoctets répartis sur soixante fichiers sous Apache-2.0, sans restriction ni échange préalable.

• Poids — Odyssey 3 n'en publie aucun et ne propose aucune licence permettant de les lire ; ceux de PAN 2 sont sous Apache-2.0, sans exigence d'attribution, sans seuil d'utilisateurs et sans restriction de domaine d'utilisation.

• Vitesse dans le harnais — Odyssey 3 fonctionne à 16 images par seconde en 832×480, distillé en quelques étapes afin qu’une personne puisse piloter en temps réel ; PAN 2 fonctionne à 24 images par seconde sur cinquante étapes d’échantillonnage avec un guidage de 2,5.

Si l’on rassemble ces cinq lignes, les deux produits s’adressent à des acheteurs différents. Le prix d’Odyssey 3 vise quelqu’un qui veut des clips et ne veut pas posséder un datacentre — une équipe de contenu, un groupe de recherche qui réalise quelques milliers de générations, quiconque dont l’économie unitaire se calcule par sortie. Le prix de PAN 2 vise quelqu’un qui possède déjà le nœud, car pour tous les autres, le fait que la licence soit gratuite est l’aspect le moins important.

Le chiffre manquant des deux côtés est le même, et ce n’est pas le prix. Aucun des deux fournisseurs ne publie de taux de réussite pour ce qui importe réellement aux acheteurs. Odyssey a fait tourner une politique de conduite, un bras robotique et un humanoïde dans ses mondes générés, et le détail de ces démonstrations vaut la peine d’être lu attentivement — mais le chiffre dont un acheteur a besoin ne figure dans aucune d’elles : aucun taux de réussite sur la tâche de conduite, aucune référence comparative par rapport à un entraînement dans le monde réel, aucune étude d’ablation montrant quelle partie du monde généré a fait le travail.

Le chiffre équivalent de PAN 2 est pire, et il est public. Sa fiche modèle indique qu’environ deux plans simulés sur trois contiennent au moins une étape qui n’est pas exécutée. C’est un chiffre accablant pour quiconque espère confier le résultat à un robot, et c’est aussi la phrase la plus utile de l’une ou l’autre des publications, car elle vous indique le taux d’échec de ce sur quoi vous êtes sur le point de construire. Un fournisseur qui publie un taux d’échec de deux sur trois et un fournisseur qui ne publie aucun taux ne sont pas également informatifs, et celui qui affiche le mauvais chiffre est celui en fonction duquel vous pouvez planifier.

Ce que chacun génère réellement, et pourquoi la différence est d’ordre architectural

Odyssey 3 est un transformateur de diffusion autorégressif d'environ 14 milliards de paramètres, entraîné sur des vidéos Internet, des séquences de gameplay avec des entrées alignées dans le temps et des interactions simulées de corps rigides, puis distillé en un modèle à quelques étapes pour qu'une personne puisse parcourir la sortie en temps réel : vous décrivez un environnement, vous le parcourez à la première ou à la troisième personne avec un contrôle indépendant de la caméra, et déclenchez des événements au fur et à mesure. Les niveaux ne diffèrent que par ce que vous pouvez voir — 832×480 au niveau de base à environ 0,139 $ par vidéo et 1280×720 sur Pro à environ 0,267 $ — avec une variante Flash derrière la démo gratuite dans le navigateur que quiconque peut ouvrir sans compte.

PAN 2 est un moteur de rendu par lots avec un modèle de langage intégré. Un raisonneur conceptuel rédige l’état suivant du monde sous forme d’une description structurée et ancrée temporellement, un encodeur de texte Qwen3.5-9B gelé la transforme en caractéristiques de conditionnement, un transformateur de diffusion de 29B remplit le détail perceptif, et un VAE Wan 2.2 décode vingt secondes en 704×1248 à 24 images par seconde. Il n’y a pas de boucle interactive : un appel, un clip, aucun retour d’information pendant l’appel. Il y a à la place un contrat — la compétence de réécriture de prompt, un prompt négatif fixe et un validateur qui vérifie les légendes par rapport au budget de l’encodeur de 1 480 tokens en souple et 1 536 en dur, la fiche admettant que les études de cas d’agents reposaient sur des prompts affinés à la main.

Cette différence détermine à quoi les deux sont bons bien plus que ne le fait le prix. Odyssey 3 est conçu pour une personne dans un environnement : générer, regarder autour, ajuster, générer à nouveau. PAN 2 est conçu pour une machine qui pose une question : si je fais ceci, que se passe-t-il, et un vérificateur préférerait-il une autre option. Les échantillonneurs encodent l’intention — huit étapes distillées pour l’un, cinquante étapes avec un guidage à 2,5 à chaque étape pour l’autre — et il en va de même de l’échec que chacun documente.

La démonstration qu’aucune des deux entreprises n’a transformée en mesure

Les deux publications s’appuient sur des preuves vidéo d’une politique en cours d’apprentissage au sein d’un monde généré, et aucune des deux n’a publié le chiffre qui rendrait ces preuves déterminantes.

Odyssey a entraîné une politique de conduite sur environ 20 heures de données réelles de routes indiennes avec un backbone gelé au sein de ses mondes générés, et a par ailleurs montré une manipulation de bras robotique apprise à partir de dizaines d’heures de démonstrations, y compris des comportements de récupération qui ne figuraient pas dans les données d’entraînement, des politiques humanoïdes construites avec Flexion, la navigation de drones, et une politique entraînée sur GTA V transférée à Red Dead Redemption 2. Le transfert d’un jeu à l’autre est l’argument le plus fort en faveur d’un modèle de monde vidéo général comme substrat d’entraînement, car si une politique peut apprendre à partir d’images d’un jeu et fonctionner dans un autre, le modèle a capté quelque chose des dynamiques plutôt que des pixels. Ce qui manque, c’est tout taux de réussite publié sur la tâche des routes indiennes, toute référence comparée à un entraînement dans le monde réel, et toute ablation montrant quelle partie du monde généré a fait le travail.

PAN 2 ne dispose pas d’une démonstration de politique de ce type, et il a quelque chose qu’Odyssey n’a pas : un taux d’échec publié. Environ deux plans simulés sur trois contiennent au moins une étape qui n’est pas exécutée. Sa fiche reconnaît aussi que la simulation de plans censés échouer n’est, selon ses propres termes, pas encore mesurée — ce qui compte pour un substrat d’entraînement, car un monde qui ne représente que le succès enseigne à une politique que tout fonctionne.

Mettez ces deux aveux côte à côte et l’écart dans la catégorie devient visible. Une entreprise a démontré le transfert sans mesurer la fiabilité. L’autre a mesuré un mode de défaillance sans démontrer le transfert. Aucune des deux ne constitue l’étude dont un acheteur a besoin, à savoir les deux modèles sur une même tâche, avec une même politique et une même métrique, répétée suffisamment de fois pour que l’écart type soit inférieur à l’écart.

Ce que les chemins d'accès vous coûtent en temps plutôt qu'en argent

La friction d’Odyssey 3, c’est une conversation. Il existe un aperçu de recherche public et gratuit dans le navigateur, un accès API via formulaire de contact, pas de clés en libre-service, aucune grille tarifaire publiée par token ou par clip au-delà des chiffres des paliers, pas de poids ouverts et aucune licence à lire. Pour une équipe qui souhaite comparer un modèle à sa propre charge de travail cet après-midi, c’est un obstacle différent d’un prix : vous pouvez essayer la démo et parler aux ventes, et ni l’un ni l’autre ne vous fournit un banc d’essai reproductible.

La friction de PAN 2, c’est une machine. Les poids représentent 86,17 gigaoctets répartis sur soixante fichiers sous Apache-2.0, sans restriction d’accès, sans conversation requise — et ensuite vous découvrez que la configuration de service documentée est un nœud, que l’échantillonneur nécessite une centaine de passes avant par clip, et qu’un clip de vingt secondes en 704×1248 constitue à lui seul un problème de décodage avant même d’aborder le parallélisme. La licence est gratuite et le matériel ne l’est pas, ce qui est le même compromis que consent toute la catégorie des modèles à poids ouverts, et celui que les acheteurs comprennent le plus souvent de travers.

Aucune des deux frictions n’est un défaut. Ce sont les deux formes que prend une publication de recherche en 2026 : un produit avec un prix et un formulaire, ou un checkpoint avec une licence et une facture. Savoir quelle forme vous pouvez absorber est un filtre plus utile que n’importe quelle position dans un benchmark, et c’est le filtre que la plupart des équipes appliquent en dernier au lieu du premier.

À quoi servent respectivement un produit à 16 fps et un modèle de recherche à 24 fps

Les deux entreprises utilisent l’expression temps réel et aucune ne désigne la même grandeur. Odyssey 3 à 16 images par seconde, c’est 62,5 millisecondes par image, assez rapide pour qu’une personne pilotant une caméra ne ressente pas le décalage — c’est ce dont un produit a besoin, et c’est pourquoi le modèle est distillé en quelques étapes plutôt qu’en cinquante. Les vingt secondes de PAN 2 à 24 images par seconde ne sont pas du tout interactives ; il s’agit d’un rendu par lots dont le coût se mesure en minutes-nœuds, et dont le but est de produire un clip qu’un agent ou un chercheur inspecte ensuite.

La conséquence, pour quiconque planifie son travail, est que les deux sont utilisables dans des boucles différentes. Odyssey 3 convient à un flux de travail avec intervention humaine : générer, regarder, ajuster, générer de nouveau, à un prix assez bas pour que l’itération coûte peu. PAN 2 convient à une boucle automatisée : générer cinq conséquences candidates, les évaluer avec un vérificateur, donner suite à la meilleure, à un prix assez élevé pour qu’on réfléchisse avant de lancer le lot. L’un optimise la latence par clip, l’autre la fidélité par clip, et les réglages de l’échantillonneur explicitent le compromis — cinquante étapes avec un guidage à 2,5 à chaque étape représentent cent passes avant à travers un transformer de 29B, contre huit étapes distillées à travers un modèle de classe 8 à 14B.

Il existe également une différence structurelle dans ce à quoi la sortie peut servir. Les mondes générés par Odyssey 3 ont entraîné une politique de conduite et un bras robotisé, ce qui constitue la preuve publique la plus solide qu'un modèle de monde vidéo général peut servir de substrat d'entraînement au contrôle incarné. La sortie de PAN 2 ne l'a pas fait, et sa fiche précise explicitement que la simulation de plans censés échouer n'est pas encore mesurée — ce qui compte, car un substrat d'entraînement qui ne montre que des succès enseigne à une politique que tout fonctionne. Les démonstrations d'Odyssey ne résolvent pas cela non plus : une politique entraînée dans des mondes générés qui n'a jamais été évaluée par rapport à une référence du monde réel est un résultat prometteur, pas une méthode validée.

La place d’OrcaRouter dans l’un ou l’autre se situe au niveau de la couche d’évaluation plutôt que de la couche de génération, et il vaut la peine d’être précis. Ni PAN 2 ni Odyssey 3 ne figurent dans notre catalogue : l’un est un modèle de diffusion 29B que vous exécutez sur votre propre nœud, l’autre est un produit hébergé vendu via un formulaire de contact, et aucun routeur ne peut servir ni l’un ni l’autre. Ce qui peut être routé, c’est la mécanique qui les entoure, qui, dans les deux cas, est là où les dépenses réelles s’accumulent — un juge vision-langage qui évalue des clips générés selon une grille d’évaluation, un planificateur qui transforme une question de recherche en un lot de prompts, un rédacteur de légendes qui produit les descriptions structurées de l’état du monde que l’encodeur de texte de PAN 2 consomme dans un budget de 1 480 tokens souples et 1 536 stricts. Ce sont des milliers d’appels ordinaires à un modèle dont chaque sortie vous coûte une minute de GPU, ce qui est exactement le type de charge de travail où une seule clé donnant accès à plus de 200 modèles, le prix catalogue du fournisseur répercuté avec 0 % de marge et le basculement automatique entre fournisseurs cessent d’être un confort et deviennent la différence entre un lot qui se termine et un autre qui meurt à 80 %.

Comment lire le prochain de ceux-ci

Trois questions, dans l’ordre, et aucune d’elles n’est « quel score a-t-il obtenu ».

Le nombre provient-il d’un benchmark public ou d’un harness privé ? La moyenne de 63,37 sur quatre exécutions d’Odyssey peut être comparée à d’autres entrées sur la même piste. Les chiffres d’achèvement des étapes de PAN 2 ne peuvent être comparés à rien, car personne d’autre n’exécute ce harness. Les deux sont légitimes ; un seul est portable.

Le score a-t-il été sélectionné ? Un chiffre en meilleur de huit et une moyenne sur quatre exécutions mesurent des choses différentes, et un fournisseur qui publie les deux vous a dit lequel citer. Un fournisseur qui ne publie que le premier vous a, lui aussi, dit quelque chose.

Quel est le taux d'échec sur la tâche qui vous importe ? PAN 2 y répond : deux plans sur trois sautent une étape. Odyssey ne répond pas à cette question pour l'expérience de la route indienne. Cette absence n'est pas de la malhonnêteté — personne n'a mené l'étude — mais un acheteur qui ne pose pas la question achète une démo.

Appliqué au choix qui s’offre à vous : Odyssey 3 est l’instrument accessible. Une démo gratuite dans le navigateur, un formulaire de contact, un prix par clip que vous pouvez multiplier, et un chiffre de référence avec une méthode documentée derrière. Si vous devez essayer des modèles du monde cette semaine et que votre budget est par clip, c’est le seul des deux avec lequel vous pouvez commencer, et la réserve est que « accessible » signifie une conversation commerciale plutôt qu’une clé.

PAN 2 est l'instrument auditable. Des poids, du code, une recette de service, un contrat de légende avec un budget de tokens, un garde-fou assorti de chiffres de faux positifs — 11,5 % des requêtes bénignes texte-vers-vidéo et 3,3 % des requêtes bénignes image-vers-vidéo rejetées, les sorties non sûres de texte-vers-vidéo chutant de 33,9 % à 1,5 % — et une section sur les limites qui s'ouvre sur le taux d'échec. Si vous disposez du matériel et que vous avez besoin de savoir comment l'engin fonctionne plutôt que de savoir qu'il fonctionne, c'est, de loin, la version la plus complète de la catégorie.

Ce qui trancherait la comparaison, c'est l'étude qu'aucune des deux entreprises n'a menée : les deux modèles, une seule tâche, une seule politique, une seule métrique, assez d'exécutions pour que l'écart-type soit inférieur à l'écart. Personne ne l'a proposée. Tant que personne ne le fera, le résumé exact est que le modèle payant a publié un chiffre mieux documenté et le modèle gratuit un chiffre moins bon, et c'est le modèle gratuit que l'on peut vérifier.