Odyssey-3 vs Google Veo 3.1: Fisika Terdepan Melawan Sepuluh Bulan Produksi

Perbandingan antara Odyssey-3 dan Veo 3.1 sebenarnya adalah perbandingan antara dua tanggal. Veo 3.1 telah tersedia secara umum sejak 17 November 2025 — sepuluh bulan penggunaan produksi, harga per detik yang dipublikasikan, 4K native, dan stack penyajian yang telah melalui tinjauan enterprise setidaknya sekali. Odyssey-3 dipratinjau oleh Odyssey pada 15 September 2026, tidak memiliki harga yang dipublikasikan, tidak ada dokumentasi API, tidak ada benchmark independen, dan jendela rilis "beberapa minggu ke depan." Menempatkan keduanya berdampingan tetap layak dilakukan, karena alasan keduanya disebut bersama itu nyata: Veo 3.1 menghasilkan video yang indah, dan Odyssey-3 berupaya menyimulasikan dunia yang berperilaku benar saat dikendalikan. Itulah dua produk berbeda yang terus dicampuradukkan tim-tim di bawah kata "video," dan justru di kesenjangan antara keduanya itulah keputusan pembelian berada.

Apa manfaat sepuluh bulan merilis bagi Anda

Keunggulan Veo 3.1 bukanlah sebuah fitur, melainkan waktu yang telah berlalu. Model ini telah berada di tangan pelanggan berbayar sejak Oktober 2025 sebagai pratinjau dan sejak 17 November sebagai produk GA, dengan tier Lite ditambahkan pada 31 Maret 2026 dan tier gratis pada 2 April. Riwayat tersebut menghasilkan hal-hal yang tidak dapat dihasilkan oleh pratinjau: permukaan API yang terdokumentasi, serangkaian mode kegagalan yang sudah dipetakan oleh para praktisi, dan kurva biaya yang dapat dimodelkan oleh tim keuangan.

Lembar spesifikasi mencerminkan kematangan yang sama. Veo 3.1 menghasilkan video pada 720p, 1080p, dan 4K native, pada 24 frame per detik, dengan durasi native 4, 6, atau 8 detik, dengan output yang lebih panjang dilaporkan pada 1080p dan perantaian perpanjangan adegan di luar itu. Ini menerima hingga tiga gambar referensi untuk konsistensi karakter dan adegan, plus kontrol seed dan negative prompt. Output membawa metadata provenans SynthID dan C2PA. Untuk pekerjaan merek, siaran, atau layar besar, jalur 4K native adalah satu-satunya kemampuan yang sebagian besar pesaing di bidang ini sama sekali tidak miliki — dan itulah alasan Veo 3.1 terus memenangkan proyek yang tidak dimenangkannya berdasarkan harga.

Default audio yang diam-diam membuat setiap perbandingan berat sebelah

Veo 3.1 menghasilkan audio stereo native 48kHz — dialog, suara ambien, foley — secara bersamaan dengan gambar, yang benar-benar salah satu fitur terkuatnya. Namun, pada API, parameter audio secara default nonaktif, dan pembuatan tanpa audio dibanderol lebih murah daripada pembuatan dengan audio. Pada tier Standard yang dipublikasikan Google, itu berarti sekitar $0,20 per detik tanpa audio versus sekitar $0,40 per detik dengan audio. Ada dua konsekuensi. Pertama, harga efektif sebuah klip Veo sepenuhnya bergantung pada flag yang jarang diubah kebanyakan orang, sehingga angka "$0,20 per detik" dan angka "$0,40 per detik" bisa sama-sama benar untuk model yang sama. Kedua, dan lebih halus, ini berarti banyak sekali uji head-to-head yang Anda baca telah mengadu Veo 3.1 tanpa audio melawan pesaing yang audionya selalu aktif, lalu menilainya pada papan peringkat yang memperhitungkan audio. Jika output Anda membutuhkan suara, angka jujur yang perlu dijadikan acuan perencanaan adalah angka dengan audio diaktifkan.

Apa yang sebenarnya diklaim oleh Odyssey-3

Odyssey-3 bukan generator video yang lebih baik dan tidak mengklaim demikian. Ini adalah transformer difusi autoregresif yang dilatih pada pengamatan visual terhadap dunia, dan kemampuan yang menjadi pusat pengumuman tersebut adalah dekoder aksi — "komponen keluaran yang dipelajari yang dilekatkan pada model dunia" yang mengubah representasi adegan internal model menjadi perintah motorik untuk perangkat keras tertentu. Odyssey melaporkan bahwa model ini mengendalikan lengan robot dari puluhan jam demonstrasi, menjalankan kebijakan humanoid yang dibangun dengan Flexion secara real time, menghasilkan waypoint berkendara loop tertutup dari backbone yang dibekukan yang dilatih pada 20 jam data simulasi, menerbangkan drone di dalam ruangan di sekitar rintangan, dan memainkan Grand Theft Auto V dengan transfer ke Red Dead Redemption 2 dan Sleeping Dogs tanpa pelatihan kebijakan tambahan di sana. Satu-satunya angka perbandingan yang dirilis adalah bahwa kebijakan berkendara yang dilatih melalui simulasi menempuh jarak sekitar 77% dari yang ditempuh kebijakan yang dilatih pada rekaman nyata di antara intervensi pengemudi keselamatan.

Perhatikan jenis klaim macam apa itu. Tak satu pun dari klaim tersebut tentang bagaimana output terlihat. Semuanya tentang apa yang dapat dilakukan oleh program di hilir model dengan output itu.

Dimensi-dimensi yang tidak tumpang tindih

• Keluaran — Google Veo 3.1: klip yang dirender, hingga 4K native, dengan audio stereo 48kHz opsional. Odyssey-3: status dunia yang disimulasikan, plus aksi motorik melalui dekoder aksi.

• Konsumen — Google Veo 3.1: penampil atau editor. Odyssey-3: pengendali robot, kebijakan mengemudi, atau loop pelatihan.

• Durasi klip — Google Veo 3.1: 4/6/8 detik native, lebih panjang pada 1080p, rantai ekstensi di luar itu. Odyssey-3: rollout berkelanjutan, tanpa konsep klip.

• Harga — Google Veo 3.1: ~$0,20/dtk tanpa suara, ~$0,40/dtk dengan audio pada tier Standard; tier Fast dan Lite di bawahnya. Odyssey-3: belum ada yang dipublikasikan.

• Ketersediaan — Google Veo 3.1: telah tersedia umum sejak 2025-11-17. Odyssey-3: dipratinjau 2026-09-15, untuk publik "dalam beberapa minggu mendatang."

• Bukti — Google Veo 3.1: sepuluh bulan penggunaan produksi dan posisi papan peringkat independen. Odyssey-3: demonstrasi vendor, tanpa tabel tolok ukur, tanpa laporan teknis.

Di mana klaim fisika itu benar-benar membuahkan hasil — dan di mana tidak.

Sungguh menggoda untuk mengasumsikan bahwa model dengan fisika yang lebih baik menghasilkan video yang lebih baik, dan itu bukan yang dijual Odyssey. Masalah sebuah tim video hampir tidak pernah berupa dunia di dalam klip yang secara fisik tidak konsisten — melainkan bahwa pengambilan gambarnya perlu 4K, atau karakternya perlu terlihat sama dalam tiga pengaturan berbeda, atau hasil akhirnya perlu dilampiri metadata provenans sebelum tim legal menyetujuinya. Veo 3.1 menjawab pertanyaan-pertanyaan itu hari ini. Simulator yang akurat secara fisika menjawab pertanyaan yang berbeda: dapatkah saya melatih sesuatu di sini yang akan berhasil di luar sana. Jika Anda tidak melatih apa pun, akurasi fisik Odyssey-3 adalah fitur yang tidak memiliki pembeli dalam alur kerja Anda.

Titik ketika keduanya benar-benar bertemu adalah previsualisasi. Seorang sutradara yang ingin menjelajahi suatu ruang secara interaktif — menggerakkan kamera melalui set, mengubah pilihan blocking, melihat konsekuensinya — menginginkan persis apa yang disediakan model dunia dan apa yang tidak bisa diberikan klip yang telah dirender, karena klip itu sudah tetap begitu dihasilkan. Itu adalah kasus penggunaan yang nyata, dan itu juga salah satu kasus ketika pratinjau yang belum dirilis belum menjadi opsi.

Menjalankan ini di produksi tanpa mengandalkan satu endpoint

Alasan tim produksi peduli pada arsitektur di sekitar model adalah karena pipeline video jarang hanya berupa satu panggilan. Model prompt menyusun daftar shot, model gambar menghasilkan frame awal, model visi memeriksa hasilnya terhadap brief, model transkripsi menangani voiceover. Masing-masing adalah dependensi yang bisa gagal pada pukul 2 pagi, dan masing-masing merupakan integrasi terpisah jika Anda membelinya secara terpisah. Menempatkan lapisan itu pada satu API di lebih dari 200 model dengan harga daftar penyedia dan markup 0%menghilangkan banyak integrasi, dan failover otomatisberarti gangguan pada model prompt akan dialihkan alih-alih membuat antrean render terhenti. DSL perutean lebih penting di sini daripada dalam alur kerja model tunggal, karena menggabungkan beberapa model ke dalam satu panggilan itulah yang memungkinkan pipeline bertahap gagal secara mulus tahap demi tahap alih-alih gagal secara keseluruhan. Untuk memperjelas cakupannya: OrcaRouter tidak melayani Google Veo 3.1 atau Odyssey-3, dan tidak ada dari kedua model tersebut yang dapat diakses melaluinya.

Siapa yang harus bertindak sekarang, dan siapa yang harus menunggu?

Jika tenggat waktu Anda kuartal ini dan hasil yang harus diserahkan adalah sebuah file, Google Veo 3.1 adalah pilihan yang dapat dipertahankan, dan harganya — sekitar $0,40 per detik pada 1080p dengan audio, lebih murah pada tier Fast dan Lite — adalah biaya untuk model yang sudah cukup lama diproduksi sehingga membosankan. Anggarkan flag audio itu dengan sengaja, bukan menemukannya belakangan.

Jika masalah Anda adalah kebijakan yang harus bekerja pada perangkat keras, Odyssey-3 ditujukan untuk Anda dan masih belum ada yang bisa dibeli. Tunggu tiga hal: harga yang dipublikasikan, tanggal rilis yang berupa tanggal, bukan rentang waktu, dan satu angka independen. Angka sim-to-real 77% adalah milik Odyssey sendiri, dan sampai seseorang di luar perusahaan menjalankannya ulang, sikap yang benar adalah ketertarikan, bukan perencanaan. Sementara itu, stack di sekitarnya adalah bagian yang dapat Anda bangun, dan membangunnya agar model baru dapat dimasukkan nanti adalah posisi paling murah untuk dipertahankan.